神经网络PID控制系统设计及参数PSO优化研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-10页 |
| ·选题背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的主要内容 | 第9-10页 |
| 第2章 常规及改进PID控制器 | 第10-20页 |
| ·常规PID控制算法的理论基础 | 第10-14页 |
| ·模拟PID控制算法 | 第10-11页 |
| ·数字PID控制算法 | 第11-14页 |
| ·改进型PID控制器 | 第14-19页 |
| ·模糊PID控制器 | 第14-15页 |
| ·专家PID控制器 | 第15-16页 |
| ·基于遗传算法整定的PID控制器 | 第16-17页 |
| ·灰色PID控制器 | 第17-18页 |
| ·神经网络PID控制器 | 第18-19页 |
| ·组合优化改进型PID控制器 | 第19-20页 |
| ·模糊神经网络PID控制器 | 第19页 |
| ·遗传算法神经网络PID控制器 | 第19-20页 |
| 第3章 神经网络基础 | 第20-38页 |
| ·神经元的数理建模 | 第20-23页 |
| ·MP模型 | 第20-22页 |
| ·其它形式的作用函数 | 第22-23页 |
| ·Hebb学习规则 | 第23页 |
| ·感知器 | 第23-25页 |
| ·单层感知器 | 第23-25页 |
| ·多层感知器 | 第25页 |
| ·多层前馈网络与BP学习算法 | 第25-30页 |
| ·网络结构 | 第25-26页 |
| ·BP学习算法 | 第26-30页 |
| ·其它网络类型及学习算法 | 第30-36页 |
| ·自适应线性神经元与δ规则 | 第30-31页 |
| ·径向基函数神经网络 | 第31-33页 |
| ·小脑模型神经网络 | 第33-34页 |
| ·连续型Hopfield网络 | 第34-36页 |
| ·神经网络的学习规则 | 第36-38页 |
| 第4章 神经网络PID控制器 | 第38-54页 |
| ·神经元PID控制器 | 第38-39页 |
| ·单神经元自适应PID控制器 | 第39-43页 |
| ·基于BP神经网络参数自学习的PID控制器 | 第43-46页 |
| ·改进型BP神经网络参数自学习PID控制器 | 第46-52页 |
| ·采用线性预测模型的BP神经网络PID控制器 | 第47-49页 |
| ·采用非线性预测模型的BP神经网络PID控制器 | 第49-52页 |
| ·遗传算法神经网络PID控制器 | 第52-54页 |
| 第5章 PSO优化研究 | 第54-64页 |
| ·粒子群优化算法基本原理 | 第54-56页 |
| ·粒子群算法的各种改进算法 | 第56-59页 |
| ·惯性权重法 | 第56-57页 |
| ·自适应模糊惯性权重法 | 第57-58页 |
| ·压缩因子法 | 第58页 |
| ·基于遗传选择思想改进微粒群算法 | 第58-59页 |
| ·PSO整定常规PID控制器参数 | 第59-61页 |
| ·PSO优化BP神经网络PID控制器 | 第61-64页 |
| 第6章 仿真试验 | 第64-71页 |
| ·常规PID控制及PSO改进常规PID控制器仿真 | 第64-66页 |
| ·单神经元PID控制器仿真 | 第66-68页 |
| ·PSO优化的神经网络PID控制器仿真 | 第68-71页 |
| 第7章 总结与展望 | 第71-74页 |
| 工作总结 | 第71-72页 |
| 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间参加的科研项目与发表论文 | 第78页 |
