| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 神经网络概述 | 第10-12页 |
| 1.2.1 神经网络简介 | 第10-11页 |
| 1.2.2 神经网络类型及各自特点 | 第11-12页 |
| 1.3 神经网络应用及研究现状 | 第12-14页 |
| 1.3.1 神经网络的应用现状 | 第12-13页 |
| 1.3.2 神经网络的研究现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-16页 |
| 第2章 神经网络结构及准则函数 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 神经网络的结构 | 第16-20页 |
| 2.2.1 BP神经网络的结构 | 第16-18页 |
| 2.2.2 递归神经网络的结构 | 第18-20页 |
| 2.3 准则函数 | 第20-22页 |
| 2.3.1 均方差 | 第20页 |
| 2.3.2 Renyi熵与信息势 | 第20-21页 |
| 2.3.3 相关熵 | 第21页 |
| 2.3.4 生存信息势 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于SIP的非线性未知系统的离散状态空间网络辨识 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 问题描述 | 第23-25页 |
| 3.3 辨识准则函数 | 第25-27页 |
| 3.3.1 统计意义上分析系统辨识 | 第25-26页 |
| 3.3.2 误差准则函数的计算 | 第26-27页 |
| 3.4 基于信号流图的辨识算法 | 第27-30页 |
| 3.5 应用实例 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于熵的自适应神经网络-PID串级控制系统的设计 | 第34-49页 |
| 4.1 引言 | 第34-35页 |
| 4.2 神经网络-PID主控制器 | 第35-44页 |
| 4.2.1 基于熵的性能指标 | 第36-37页 |
| 4.2.2 核宽度的自整定 | 第37-39页 |
| 4.2.3 神经网络—PID控制器的自调节算法 | 第39-41页 |
| 4.2.4 收敛条件 | 第41-44页 |
| 4.2.5 控制器的设计步骤 | 第44页 |
| 4.3 仿真实例 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于神经网络的过热度控制 | 第49-64页 |
| 5.1 引言 | 第49-50页 |
| 5.2 ORC系统的过热度控制 | 第50-51页 |
| 5.2.1 ORC系统的描述 | 第50页 |
| 5.2.2 过热度的控制方案 | 第50-51页 |
| 5.3 非线性系统的辨识 | 第51-56页 |
| 5.3.1 性能指标 | 第52-53页 |
| 5.3.2 神经网络辨识 | 第53-54页 |
| 5.3.3 收敛性分析 | 第54-56页 |
| 5.4 神经网络控制 | 第56-59页 |
| 5.4.1 性能指标 | 第56页 |
| 5.4.2 神经网络控制器的设计 | 第56-58页 |
| 5.4.3 收敛性分析 | 第58-59页 |
| 5.5.仿真结果 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73页 |