| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究背景 | 第13-14页 |
| ·研究现状 | 第14-17页 |
| ·本文主要内容 | 第17-19页 |
| 第二章 基础理论 | 第19-29页 |
| ·引言 | 第19页 |
| ·预测控制基本原理 | 第19-23页 |
| ·预测模型 | 第19-21页 |
| ·滚动优化 | 第21页 |
| ·反馈校正 | 第21-22页 |
| ·性能分析 | 第22-23页 |
| ·几种典型的系统模型 | 第23-27页 |
| ·神经网络模型 | 第23-24页 |
| ·支持向量机模型 | 第24-25页 |
| ·特殊非线性模型 | 第25-27页 |
| ·模糊模型 | 第27页 |
| ·小结 | 第27-29页 |
| 第三章 LM算法及其改进算法 | 第29-47页 |
| ·引言 | 第29页 |
| ·Levenberg-Marquardt算法 | 第29-33页 |
| ·LM算法基本原理 | 第30-32页 |
| ·LM算法步骤 | 第32页 |
| ·LM算法收敛性判定 | 第32-33页 |
| ·LM-MEA优化算法 | 第33-37页 |
| ·思维进化算法 | 第33-35页 |
| ·LM-MEA算法 | 第35-37页 |
| ·LM-PSO优化算法 | 第37-41页 |
| ·粒子群算法 | 第37-39页 |
| ·LM-PSO优化算法 | 第39-41页 |
| ·仿真研究 | 第41-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于改进BP神经网络的模型辨识 | 第47-59页 |
| ·引言 | 第47页 |
| ·BP神经网络 | 第47-51页 |
| ·基本结构 | 第47-48页 |
| ·计算步骤 | 第48-51页 |
| ·LM-MEA算法优化BP神经网络 | 第51-52页 |
| ·仿真研究 | 第52-56页 |
| ·本章小结 | 第56-59页 |
| 第五章 LM-PSO算法和神经网络模型的非线性系统预测控制 | 第59-75页 |
| ·引言 | 第59页 |
| ·基于LM-PSO算法和BP神经网络的预测控制 | 第59-60页 |
| ·仿真研究 | 第60-66页 |
| ·应用于CSTR | 第66-74页 |
| ·连续搅拌反应釜 | 第67-68页 |
| ·仿真研究 | 第68-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 工作总结与展望 | 第75-77页 |
| ·研究结论 | 第75-76页 |
| ·工作展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85页 |