| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-14页 |
| ·模糊控制和建模的研究背景 | 第10页 |
| ·模糊控制和模糊建模的发展现状 | 第10-13页 |
| ·支持向量机发展现状 | 第13-14页 |
| ·本文研究主要内容及章节安排: | 第14-16页 |
| ·主要工作 | 第14-15页 |
| ·章节安排 | 第15-16页 |
| 2 模糊控制和建模基本理论 | 第16-24页 |
| ·模糊集合论基本知识 | 第16-18页 |
| ·模糊集合 | 第16页 |
| ·隶属函数 | 第16页 |
| ·模糊集合相关概念 | 第16-17页 |
| ·模糊集合的运算 | 第17页 |
| ·模糊推理 | 第17-18页 |
| ·模糊化 | 第18页 |
| ·去模糊化 | 第18页 |
| ·模糊控制的基本组成结构和原理 | 第18-19页 |
| ·模糊辨识方法 | 第19-22页 |
| ·主要模糊模型 | 第19-21页 |
| ·基于模型的辨识方法 | 第21-22页 |
| ·模糊控制系统的稳定性和通用逼近性分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于在线聚类和支持向量机的模糊控制系统结构辨识 | 第24-41页 |
| ·模糊聚类的的原理及改进算法 | 第24-28页 |
| ·模糊聚类的结构辨识原理和常用方法 | 第24-26页 |
| ·在线聚类算法 | 第26-28页 |
| ·支持向量机及其规则获取方法 | 第28-36页 |
| ·支持向量机基本理论 | 第28-30页 |
| ·支持向量机分类问题 | 第30-31页 |
| ·支持向量机回归问题 | 第31-32页 |
| ·最小二乘支持向量机回归问题 | 第32-33页 |
| ·超参数的优化选择 | 第33-36页 |
| ·基于在线聚类和最小二乘支持向量机的规则获取方法 | 第36-40页 |
| ·支持向量机和模糊系统的关系 | 第36-37页 |
| ·基于在线聚类方法的支持向量机模糊控制规则获取 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于模糊神经网络的模糊系统参数辨识 | 第41-48页 |
| ·参数辨识常用方法 | 第41-42页 |
| ·模糊神经网络原理和结构 | 第42-44页 |
| ·Mamdani型模糊神经网络 | 第42-43页 |
| ·T_S型模糊神经网络 | 第43-44页 |
| ·基于模糊神经网络的参数辨识 | 第44-46页 |
| ·Mamdani模型参数辨识 | 第45页 |
| ·T-S模型参数辨识 | 第45-46页 |
| ·模糊神经网络构造和辨识步骤 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 模糊建模方法综合及仿真 | 第48-56页 |
| ·模糊建模方法与仿真 | 第48-54页 |
| ·仿真分析 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 6 总结展望 | 第56-58页 |
| ·文章总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第62页 |