| 目录 | 第1-8页 |
| 第一章 绪论 | 第8-19页 |
| 1．1 引言 | 第8-10页 |
| 1．2 遗传算法的产生发展及其在控制领域中的应用 | 第10-14页 |
| 1．2．1 遗传算法的产生与发展 | 第10-12页 |
| 1．2．2 遗传算法在控制领域中的应用 | 第12-14页 |
| 1．3 时滞系统及其控制方法 | 第14-17页 |
| 1．3．1 时滞系统 | 第14-15页 |
| 1．3．2 时滞系统的各种控制方法 | 第15-17页 |
| 1．3．2．1 PID控制 | 第15页 |
| 1．3．2．2 Smith预估控制及其改进算法 | 第15-16页 |
| 1．3．2．3 智能控制 | 第16-17页 |
| 1．3．2．4 其他方法 | 第17页 |
| 1．4 作者的一些观点 | 第17-18页 |
| 1．5 课题背景及本文的研究工作 | 第18-19页 |
| 第二章 时滞对象的内模控制方法 | 第19-25页 |
| 2．1 引言 | 第19页 |
| 2．2 内模控制原理 | 第19-21页 |
| 2．2．1 稳定控制器设计 | 第19-20页 |
| 2．2．2 滤波器的设计 | 第20-21页 |
| 2．3 仿真实例 | 第21-23页 |
| 2．4 结论 | 第23-25页 |
| 第三章 遗传算法的原理及其改进 | 第25-42页 |
| 3．1 引言 | 第25-26页 |
| 3．2 遗传算法的基本思想 | 第26页 |
| 3．3 基本遗传算法 | 第26-32页 |
| 3．3．1 基本遗传算法的计算过程 | 第26-27页 |
| 3．3．2 基本遗传算法的构成要素 | 第27-32页 |
| 3．3．2．1 种群构造和染色体编码 | 第27-28页 |
| 3．3．2．2 目标函数和适应度函数 | 第28-29页 |
| 3．3．2．3 选择算子（Selection Operator） | 第29-30页 |
| 3．3．2．4 交叉算子（Crossover Operator） | 第30-31页 |
| 3．3．2．5 突变算子（Mutation Operator） | 第31页 |
| 3．3．2．6 终止 | 第31-32页 |
| 3．4 遗传算法的数学理论 | 第32-35页 |
| 3．4．1 模式定理（Schema Theorem） | 第32-34页 |
| 3．4．2 积木块假设（Building Block Hypothesis） | 第34-35页 |
| 3．5 遗传算法的改进 | 第35-42页 |
| 3．5．1 染色体的表示方式 | 第35页 |
| 3．5．2 选择机制 | 第35-36页 |
| 3．5．3 交叉算子 | 第36页 |
| 3．5．4 重排／倒位 | 第36-37页 |
| 3．5．5 对付改变的环境的办法 | 第37页 |
| 3．5．6 并行的遗传算法 | 第37-42页 |
| 3．5．6．1 全局并行遗传算法（GPGAs） | 第38页 |
| 3．5．6．2 粗粒度并行遗传算法（CPGAs） | 第38-40页 |
| 3．5．6．3 细粒度并行遗传算法 | 第40页 |
| 3．5．2．4 混合模型并行遗传算法 | 第40-41页 |
| 3．5．2．5 结合局部搜索的并行遗传算法 | 第41页 |
| 3．5．2．6 并行小生境遗传算法 | 第41-42页 |
| 第四章 模糊逻辑控制及其改进 | 第42-57页 |
| 4．1 引言 | 第42-43页 |
| 4．2 模糊控制的基本原理 | 第43-44页 |
| 4．3 模糊控制器的设计 | 第44-50页 |
| 4．3．1 模糊控制器的结构设计 | 第44-45页 |
| 4．3．2 模糊语言变量、语言值的隶属度函数和论域的确定 | 第45页 |
| 4．3．3 输入量的模糊化 | 第45-46页 |
| 4．3．4 建立模糊控制器的控制规则 | 第46-47页 |
| 4．3．5 输出量的精确化 | 第47页 |
| 4．3．6 模糊控制查询表 | 第47-49页 |
| 4．3．7 模糊控制器的数字实现 | 第49-50页 |
| 4．4 单神经元模糊自适应内模控制器的应用 | 第50-53页 |
| 4．4．1 单神经元模糊自适应内模控制系统的结构 | 第50-51页 |
| 4．4．2 滤波器参数单神经元模糊调整 | 第51-52页 |
| 4．4．3 仿真研究 | 第52-53页 |
| 4．5 遗传算法在模糊控制中的应用 | 第53-57页 |
| 4．5．1 已知模糊控制规则，利用GA优化隶属函数 | 第54页 |
| 4．5．2 已知隶属函数，利用GA优化模糊控制规则 | 第54页 |
| 4．5．3 同时优化隶属函数和模糊控制规则 | 第54-55页 |
| 4．5．4 用GA优化模糊控制决策表 | 第55-57页 |
| 第五章 基于遗传算法的时滞控制系统的设计 | 第57-75页 |
| 5．1 引言 | 第57页 |
| 5．2 智能二自由度内模控制器 | 第57-73页 |
| 5．2．1 用改进的GA直接整定滤波器参数α，β和K_f | 第58-63页 |
| 5．2．1．1 Alopex算法 | 第59页 |
| 5．2．1．2 GA-Alopex算法 | 第59-61页 |
| 5．2．1．3 仿真研究 | 第61-62页 |
| 5．2．1．4 结论 | 第62-63页 |
| 5．2．2 遗传算法结合模糊控制整定滤波器参数α，β和K_f | 第63-72页 |
| 5．2．2．1 反馈滤波器参数α的模糊调整 | 第63-64页 |
| 5．2．2．2 模糊控制决策表的产生 | 第64-65页 |
| 5．2．2．3 利用GA优化模糊控制决策表 | 第65-66页 |
| 5．2．2．4 反馈滤波器参数K_f的智能整定 | 第66页 |
| 5．2．2．5 内模控制器参数β的智能整定 | 第66-67页 |
| 5．2．2．6 仿真研究 | 第67-72页 |
| 5．2．2．7 结论 | 第72页 |
| 5．2．3 在电加热炉控制系统中的应用 | 第72-73页 |
| 5．3 结论 | 第73-75页 |
| 结束语 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 个人简历 | 第82-83页 |
| 致谢 | 第83页 |
