| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·选题背景及意义 | 第10页 |
| ·神经网络与神经控制的发展与现状 | 第10-14页 |
| ·神经网络发展概况 | 第10-13页 |
| ·神经网络控制的研究与进展 | 第13-14页 |
| ·时滞系统的研究现状 | 第14-16页 |
| ·本文的研究内容和主要创新点 | 第16-17页 |
| 第2章 神经网络以及神经网络控制基础 | 第17-35页 |
| ·神经网络概述 | 第17-20页 |
| ·神经元模型 | 第17-18页 |
| ·神经网络的网络结构 | 第18-19页 |
| ·神经网络的学习规则 | 第19-20页 |
| ·BP 神经网络 | 第20-23页 |
| ·BP 网络的拓扑结构 | 第20页 |
| ·BP 学习算法 | 第20-22页 |
| ·多层前向BP 网络存在的问题 | 第22-23页 |
| ·改进的BP 算法 | 第23页 |
| ·径向基函数网络 | 第23-26页 |
| ·PID 神经网络 | 第26-28页 |
| ·PID 神经网络结构和描述 | 第26-27页 |
| ·PID 神经网络采用的算法及特点 | 第27-28页 |
| ·神经网络控制 | 第28-35页 |
| ·神经网络控制的分类 | 第28-33页 |
| ·神经网络控制系统的可控性与稳定性分析 | 第33-35页 |
| 第3章 基于遗传算法优化的 PID 神经网络控制 | 第35-44页 |
| ·引言 | 第35页 |
| ·标准遗传算法 | 第35-40页 |
| ·遗传算法的发展 | 第35-36页 |
| ·标准遗传算法及实现 | 第36-37页 |
| ·遗传算法的特点和有特解决的问题 | 第37-38页 |
| ·遗传算法的结构 | 第38-39页 |
| ·自适应遗传算法 | 第39-40页 |
| ·基于遗传算法的PID 神经网络控制器的设计与应用 | 第40-44页 |
| ·PID 神经网络控制结构 | 第40-41页 |
| ·控制器的学习算法 | 第41-42页 |
| ·仿真试验 | 第42-43页 |
| ·结论 | 第43-44页 |
| 第4章 基于神经网络的Smith 预估控制 | 第44-49页 |
| ·Smith 预估补偿控制 | 第44页 |
| ·基于神经网络的Smith 预估控制 | 第44-49页 |
| ·神经网络系统辨识 | 第45页 |
| ·BP 神经网络在线修正参数的PID 控制器 | 第45-47页 |
| ·仿真实验 | 第47-48页 |
| ·总结 | 第48-49页 |
| 第5章 基于神经网络的自适应内模控制 | 第49-57页 |
| ·内模控制 | 第49页 |
| ·内模控制的主要特性 | 第49-51页 |
| ·对偶稳定性 | 第49-50页 |
| ·理想控制器特性 | 第50页 |
| ·零稳态偏差特性 | 第50-51页 |
| ·神经网络内模控制 | 第51-57页 |
| ·神经网络内模控制原理 | 第51页 |
| ·基于RBF 网络的内模控制 | 第51-54页 |
| ·仿真研究 | 第54-56页 |
| ·总结 | 第56-57页 |
| 第6章 基于神经网络的多步预测控制 | 第57-67页 |
| ·预测控制的基本原理 | 第57-59页 |
| ·模型预测 | 第58页 |
| ·滚动优化 | 第58-59页 |
| ·反馈校正 | 第59页 |
| ·神经网络预测模型的研究 | 第59-67页 |
| ·神经网络预测控制的思想和结构 | 第59-60页 |
| ·神经网络预测控制策略 | 第60-67页 |
| 第7章 总结及展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录A:攻读硕士学位期间发表的论文情况 | 第73页 |