| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的研究背景及选题意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第2章 RBF神经网络算法研究 | 第15-31页 |
| 2.1 神经网络的概述 | 第15-17页 |
| 2.2 RBF神经网络原理 | 第17-18页 |
| 2.3 RBF神经网络学习算法 | 第18-29页 |
| 2.3.1 梯度下降法 | 第19-26页 |
| 2.3.2 混合算法 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 非线性时滞系统的自适应神经网络控制 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 Backstepping算法介绍 | 第31-32页 |
| 3.3 系统自适应神经网络的设计方案 | 第32-40页 |
| 3.3.1 系统描述 | 第32-33页 |
| 3.3.2 Backstepping设计 | 第33-37页 |
| 3.3.3 自适应神经网络控制 | 第37-40页 |
| 3.4 算例仿真 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 一类具有外部扰动的非线性时滞系统的自适应神经网络控制 | 第44-56页 |
| 4.1 引言 | 第44-45页 |
| 4.2 自适应神经网络控制算法的设计 | 第45-53页 |
| 4.2.1 问题描述 | 第45页 |
| 4.2.2 基于RBF神经网络的函数逼近 | 第45-46页 |
| 4.2.3 算法设计 | 第46-53页 |
| 4.3 算例仿真 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 自适应神经网络在污水处理过程中的应用 | 第56-70页 |
| 5.1 引言 | 第56-58页 |
| 5.2 曝气环节数学模型 | 第58-62页 |
| 5.2.1 活性污泥数学模型建立的预备知识 | 第58-60页 |
| 5.2.2 模型的建立 | 第60-62页 |
| 5.3 算法应用及MATLAB仿真 | 第62-63页 |
| 5.4 污水处理算法实现及实验仿真 | 第63-69页 |
| 5.4.1 PID控制算法实现 | 第64-66页 |
| 5.4.2 自适应神经网络控制算法的实现 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所发表的论文 | 第76-78页 |
| 致谢 | 第78页 |