复杂工业系统的稳态优化控制研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·工业过程参数优化的意义 | 第13-14页 |
| ·稳态优化的研究进展及成果 | 第14-18页 |
| ·国内外相关领域发展现状 | 第14-16页 |
| ·人工智能在该领域中的应用 | 第16-17页 |
| ·工业过程稳态优化的应用成果 | 第17-18页 |
| ·课题来源及研究内容 | 第18-20页 |
| ·课题来源 | 第18页 |
| ·本文主要工作 | 第18-20页 |
| 第2章 复杂工业过程稳态优化设计方案 | 第20-29页 |
| ·稳态优化问题的描述 | 第20-21页 |
| ·复杂工业过程稳态优化问题的实现 | 第21-26页 |
| ·系统建模 | 第21-23页 |
| ·系统优化 | 第23-26页 |
| ·优化方案的提出 | 第26-28页 |
| ·优化对象 | 第26-28页 |
| ·优化设计方案 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于径向基函数神经网络的系统建模 | 第29-43页 |
| ·人工神经网络的发展概况 | 第29-30页 |
| ·多层前向神经网络 | 第30-31页 |
| ·RBF 神经网络 | 第31-39页 |
| ·RBF 神经网络的结构 | 第32-35页 |
| ·RBF 神经网络的逼近理论 | 第35页 |
| ·RBF 神经网络学习算法 | 第35-39页 |
| ·基于最近邻聚类学习算法的 RBF 网络 | 第39-42页 |
| ·算法描述 | 第39-40页 |
| ·仿真实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 粒子群优化算法的改进与仿真 | 第43-59页 |
| ·基本粒子群优化算法 | 第43-45页 |
| ·算法原理 | 第43-44页 |
| ·数学描述与参数分析 | 第44-45页 |
| ·算法迭代步骤 | 第45页 |
| ·标准粒子群优化算法 | 第45-47页 |
| ·粒子群优化算法拓扑结构研究 | 第47-48页 |
| ·粒子群优化算法的改进 | 第48-51页 |
| ·混合 PSO | 第49页 |
| ·协同 PSO | 第49-50页 |
| ·其他改进算法 | 第50-51页 |
| ·粒子群优化算法的应用 | 第51-52页 |
| ·基于模拟退火思想的粒子群优化改进算法 | 第52-58页 |
| ·惯性权值递减策略的改进 | 第52页 |
| ·改进的粒子群优化算法 | 第52-53页 |
| ·仿真实验 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 稳态优化设计方案的实现 | 第59-64页 |
| ·优化对象分析 | 第59页 |
| ·基于最近邻 RBF 网络的工业过程建模 | 第59-62页 |
| ·基于改进的粒子群优化算法的工业过程优化 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 攻读学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
