基于径向基神经网络的广义预测控制研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题研究目的及意义 | 第9-10页 |
| ·预测控制的发展及研究现状 | 第10-15页 |
| ·预测控制的基本类型 | 第11-12页 |
| ·先进预测控制技术 | 第12-13页 |
| ·智能预测控制 | 第13页 |
| ·新型预测控制 | 第13-14页 |
| ·预测控制的应用 | 第14-15页 |
| ·人工神经网络发展及现状 | 第15-17页 |
| ·人工神经网络的发展 | 第15-16页 |
| ·人工神经网络的特点 | 第16页 |
| ·人工神经网络的应用 | 第16-17页 |
| ·本文研究内容 | 第17-18页 |
| 第2章 广义预测控制 | 第18-37页 |
| ·预测控制的基本原理 | 第18-25页 |
| ·预测控制的基本思想 | 第18页 |
| ·预测控制的基本特征 | 第18-20页 |
| ·预测控制中的预测模型 | 第20-24页 |
| ·预测控制的优点 | 第24页 |
| ·预测控制在应用中的一些问题 | 第24-25页 |
| ·广义预测控制(GPC)的基本方法 | 第25-30页 |
| ·Diophantine方程的递推求解 | 第30-32页 |
| ·广义预测控制的参数选择 | 第32-34页 |
| ·广义预测控制的稳定性和鲁棒性 | 第34-35页 |
| ·广义预测控制的稳定性 | 第34页 |
| ·广义预测控制的鲁棒性 | 第34-35页 |
| ·广义预测控制的发展及前景 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 径向基(RBF)神经网络 | 第37-45页 |
| ·引言 | 第37-38页 |
| ·径向基(RBF)神经网络函数及结构 | 第38-40页 |
| ·径向基函数 | 第38-39页 |
| ·网络结构 | 第39-40页 |
| ·径向基网络的训练准则和常用算法 | 第40-43页 |
| ·训练准则 | 第40-41页 |
| ·常见算法 | 第41-43页 |
| ·面向MATLAB工具箱的径向基神经网络 | 第43-44页 |
| ·newrbe创建径向基网络过程 | 第43-44页 |
| ·newrb创建径向基网络过程 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于径向基神经网络的广义预测控制 | 第45-54页 |
| ·引言 | 第45-46页 |
| ·基于神经网络的多步预测模型 | 第46-49页 |
| ·递推多步预测 | 第47页 |
| ·非递推多步模型 | 第47-49页 |
| ·反馈校正 | 第49页 |
| ·滚动优化 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 连续反应过程仿真分析 | 第54-67页 |
| ·MPCE-1000简介 | 第54-56页 |
| ·系统软件功能 | 第55-56页 |
| ·系统硬件功能 | 第56页 |
| ·连续反应工艺流程 | 第56-60页 |
| ·CSTR反应特性测试 | 第60-62页 |
| ·仿真及结果分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附录A | 第74-79页 |
