基于神经网络的系统辨识与控制方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 人工神经网络理论简介 | 第10-15页 |
| 1.1.1 人工神经网络的发展史 | 第10-12页 |
| 1.1.2 人工神经网络研究现状 | 第12-13页 |
| 1.1.3 神经网络的模型结构及功能简介 | 第13-15页 |
| 1.2 系统辨识理论简述 | 第15-17页 |
| 1.2.1 系统辨识的基本原理 | 第16-17页 |
| 1.2.2 辨识系统的输入和输出 | 第17页 |
| 1.3 系统辨识的经典方法 | 第17-19页 |
| 1.3.1 基于算法的辨识方法 | 第17-18页 |
| 1.3.2 基于神经网络的系统辨识方法 | 第18-19页 |
| 1.4 本课题的研究意义 | 第19-20页 |
| 1.5 本课题的研究内容 | 第20-22页 |
| 第2章 神经网络辨识的基本原理 | 第22-33页 |
| 2.1 神经计算的数学基础 | 第22-23页 |
| 2.1.1 矢量空间与范数 | 第22-23页 |
| 2.1.2 赋范线性空间 | 第23页 |
| 2.2 神经网络辨识的基本问题 | 第23-26页 |
| 2.2.1 神经网络的逼近能力分析 | 第23-25页 |
| 2.2.2 正交级数描述及其性质 | 第25-26页 |
| 2.3 几种常见的神经网络模型 | 第26-31页 |
| 2.3.1 前向网络 | 第26-28页 |
| 2.3.2 反馈网络 | 第28-31页 |
| 2.4 神经网络在非线性系统辨识中的应用 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于BP网络的系统辨识 | 第33-44页 |
| 3.1 BP网络的拓扑结构 | 第33页 |
| 3.2 标准BP算法 | 第33-37页 |
| 3.3 BP算法的不足与改进 | 第37-40页 |
| 3.3.1 BP算法的不足 | 第37-38页 |
| 3.3.2 BP网络的改进 | 第38-40页 |
| 3.4 共轭梯度法对权值的调整 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 神经网络对线性时变离散系统的辨识 | 第44-53页 |
| 4.1 神经网络在线性系统辨识中的应用 | 第44页 |
| 4.2 线性离散时变系统辨识的网络结构 | 第44-46页 |
| 4.2.1 线性离散时变系统的运动分析 | 第44-45页 |
| 4.2.2 辨识系统的网络结构 | 第45-46页 |
| 4.3 逼近能力分析 | 第46-48页 |
| 4.4 标准正交基对网络训练的影响 | 第48-51页 |
| 4.5 数值仿真 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 神经控制系统 | 第53-60页 |
| 5.1 神经元PID动态结构 | 第53-54页 |
| 5.2 神经元闭环调节系统 | 第54-56页 |
| 5.2.1 神经元PID调节原理及系统稳定性分析 | 第54-56页 |
| 5.2.2 PID神经元控制器权值调整的改进 | 第56页 |
| 5.3 PID神经控制系统 | 第56-59页 |
| 5.3.1 PID神经控制系统的改进算法 | 第56-58页 |
| 5.3.2 数值仿真 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 存在的问题与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
