学位论文原创性声明和学位论文版权使用授权书 | 第1-5页 |
摘要 | 第5-8页 |
Abstract | 第8-15页 |
第1章 绪论 | 第15-30页 |
·引言 | 第15-16页 |
·混沌研究历史及意义 | 第16-18页 |
·混沌的定义 | 第18-20页 |
·混沌控制研究概况 | 第20-24页 |
·混沌应用前景 | 第24-26页 |
·本课题研究意义 | 第26页 |
·论文主要研究成果与结构安排 | 第26-30页 |
第2章 混沌系统的混合遗传神经网络控制 | 第30-43页 |
·引言 | 第30-31页 |
·小扰动控制混沌 | 第31页 |
·遗传算法 | 第31-34页 |
·初始群体确定 | 第31-32页 |
·编码方案 | 第32页 |
·自适应选择 | 第32页 |
·杂交算子选择 | 第32-33页 |
·自适应交叉和变异 | 第33-34页 |
·HyGANN 系统设计 | 第34-37页 |
·系统结构 | 第34-36页 |
·HyGANN 学习算法 | 第36-37页 |
·仿真试验与结果 | 第37-41页 |
·结论 | 第41-43页 |
第3章 不确定混沌系统的模糊神经网络自适应控制 | 第43-56页 |
·引言 | 第43-44页 |
·T-S 模糊逻辑系统 | 第44-45页 |
·基于李雅普洛夫函数法的模糊神经网络自适应控制器设计 | 第45-53页 |
·数字仿真研究 | 第53-54页 |
·讨论 | 第54-55页 |
·结论 | 第55-56页 |
第4章 基于动态神经网络的混沌系统控制 | 第56-85页 |
·不确定混沌系统的动态神经网络跟踪控制 | 第56-68页 |
·引言 | 第56-57页 |
·动态神经网络辨识 | 第57-61页 |
·参考模型轨道跟踪控制 | 第61-65页 |
·数值实验仿真结果 | 第65-68页 |
·小结 | 第68页 |
·不确定混沌系统的动态神经网络自适应控制 | 第68-77页 |
·引言 | 第68页 |
·动态神经网络辨识器及其学习算法 | 第68-71页 |
·基于辨识器的控制器设计 | 第71-74页 |
·数值仿真 | 第74-77页 |
·小结 | 第77页 |
·不确定蔡氏电路混沌系统的神经网络优化控制 | 第77-85页 |
·引言 | 第77-78页 |
·基于无源技术的神经网络辨识 | 第78-81页 |
·基于辨识模型的优化控制器设计 | 第81-82页 |
·数字仿真 | 第82-84页 |
·小结 | 第84-85页 |
第5章 基于线性矩阵不等式方法的混沌系统模糊控制 | 第85-104页 |
·不确定 Lorenz 混沌系统的鲁棒模糊控制 | 第85-95页 |
·引言 | 第85-86页 |
·T-S 模糊模型描述 | 第86-87页 |
·Lorenz 混沌系统的建模 | 第87-91页 |
·基于模糊模型的鲁棒控制器设计 | 第91-93页 |
·计算机仿真 | 第93-95页 |
·小结 | 第95页 |
·基于 LMI 方法的不确定混沌系统的输出反馈模糊控制 | 第95-104页 |
·引言 | 第95-96页 |
·输出反馈控制系统的 T-S 模糊模型描述 | 第96-97页 |
·T-S 模糊模型的鲁棒控制 | 第97-99页 |
·计算机仿真 | 第99-103页 |
·小结 | 第103-104页 |
第6章 基于回归神经网络的不确定混沌系统同步 | 第104-123页 |
·引言 | 第104页 |
·同步控制方法 | 第104-105页 |
·高阶神经网络模型 | 第105-107页 |
·RHONN 逼近非线性系统的特性 | 第107-109页 |
·权值学习算法 | 第109-113页 |
·滤波回归 RHONN 参数学习 | 第110-112页 |
·滤波误差 RHONN 参数学习 | 第112-113页 |
·混沌系统辨识 | 第113-116页 |
·同步控制器设计 | 第116-117页 |
·仿真结果 | 第117-122页 |
·本章小结 | 第122-123页 |
结论与展望 | 第123-126页 |
1. 结论 | 第123-124页 |
2. 展望 | 第124-126页 |
参考文献 | 第126-144页 |
致谢 | 第144-145页 |
附录A (攻读博士学位期间发表的论文目录) | 第145-147页 |
附录B (主持、参与项目和获奖清单) | 第147页 |