| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| 1．1 选题背景和研究意义 | 第8-9页 |
| 1．2 滞后过程的建模与控制研究现状 | 第9-12页 |
| 1．3 论文主要内容及安排 | 第12-14页 |
| 2 径向基函数神经网络 | 第14-29页 |
| 2．1 引言 | 第14-15页 |
| 2．2 RBF神经网络理论基础 | 第15-18页 |
| 2．3 网络学习算法及改进的全监督算法 | 第18-24页 |
| 2．3．1 RBF神经网络学习算法 | 第18-19页 |
| 2．3．2 全监督算法 | 第19-21页 |
| 2．3．3 仿真研究 | 第21-24页 |
| 2．4 结构优化算法 | 第24-28页 |
| 2．4．1 常见结构优化算法 | 第24-25页 |
| 2．4．2 改进的自适应构造神经网络方法 | 第25-26页 |
| 2．4．3 仿真研究 | 第26-28页 |
| 2．5 小结 | 第28-29页 |
| 3 基于RBF神经网络的多步预测模型 | 第29-38页 |
| 3．1 引言 | 第29-31页 |
| 3．2 基于神经网络的多步预测模型 | 第31-37页 |
| 3．2．1 递推多步预测模型 | 第31-32页 |
| 3．2．2 非递推多步预测模型 | 第32-33页 |
| 3．2．3 两种预测模型的比较 | 第33-37页 |
| 3．2．4 误差补偿模型设计 | 第37页 |
| 3．3 小结 | 第37-38页 |
| 4 基于RBF神经网络的CSTR广义预测控制器设计 | 第38-56页 |
| 4．1 引言 | 第38-41页 |
| 4．2 基于RBF神经网络广义预测控制器设计 | 第41-45页 |
| 4．2．1 广义预测控制的基本方法 | 第41-43页 |
| 4．2．2 基于RBF神经网络的广义预测控制器 | 第43-45页 |
| 4．3 基于RBF神经网络的PID控制器设计 | 第45-47页 |
| 4．4 连续搅拌釜反应过程控制仿真及分析 | 第47-55页 |
| 4．4．1 连续搅拌釜反应器介绍 | 第47-49页 |
| 4．4．2 控制仿真及结果分析 | 第49-55页 |
| 4．5 小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5．1 全文总结 | 第56-57页 |
| 5．2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 课题资助情况 | 第63页 |
| 攻读硕士学位期间发表论文 | 第63-64页 |
| 致谢 | 第64-65页 |
| 大连理工大学学位论文版权使用授权书 | 第65页 |