| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| 1．1 引言 | 第9-11页 |
| 1．2 预测控制的基本原理 | 第11-12页 |
| 1．2．1 预测模型 | 第11页 |
| 1．2．2 滚动优化 | 第11-12页 |
| 1．2．3 反馈校正 | 第12页 |
| 1．3 广义预测控制综述 | 第12-17页 |
| 1．3．1 广义预测控制的基本形式 | 第12-13页 |
| 1．3．2 广义预测控制算法的改进 | 第13-17页 |
| 1．4 本文主要的工作 | 第17-18页 |
| 第2章 广义预测控制基本算法 | 第18-46页 |
| 2．1 基于I／O模型的广义预测控制 | 第18-30页 |
| 2．1．1 预测模型 | 第18-19页 |
| 2．1．2 j步导前输出 | 第19页 |
| 2．1．3 Diophantine方程的递推求解 | 第19-21页 |
| 2．1．4 多步输出预测 | 第21-22页 |
| 2．1．5 最优控制律计算 | 第22-24页 |
| 2．1．6 系统的IMC结构 | 第24-27页 |
| 2．1．7 闭环系统特性 | 第27-29页 |
| 2．1．8 显式广义预测自校正控制器 | 第29-30页 |
| 2．2 具有模型误差修正的广义预测控制 | 第30-39页 |
| 2．2．1 j步导前输出 | 第30-34页 |
| 2．2．2 最优控制律计算 | 第34-35页 |
| 2．2．3 系统的IMC结构和闭环系统特性 | 第35-37页 |
| 2．2．4 引进滤波器的广义预测控制 | 第37-39页 |
| 2．2．5 显式广义预测的自校正控制器 | 第39页 |
| 2．3 基于状态方程模型的广义预测控制 | 第39-45页 |
| 2．3．1 输出多步预测和状态估计 | 第40-43页 |
| 2．3．2 广义预测控制律推导 | 第43-45页 |
| 2．4 本章小结 | 第45-46页 |
| 第3章 广义预测控制的改进方案 | 第46-60页 |
| 3．1 广义预测控制改进方案一 | 第46-51页 |
| 3．1．1 广义预测控制律计算 | 第46-48页 |
| 3．1．2 隐式广义预测自校正控制器 | 第48-51页 |
| 3．2 广义预测控制改进方案二 | 第51-54页 |
| 3．2．1 预测模型 | 第51页 |
| 3．2．2 j步导前输出 | 第51页 |
| 3．2．3 最优控制律设计 | 第51-52页 |
| 3．2．4 最优控制律的简化 | 第52-53页 |
| 3．2．5 隐式广义预测自校正控制器 | 第53-54页 |
| 3．3 广义预测控制改进方案三 | 第54-59页 |
| 3．3．1 单值GPC控制律计算 | 第54-56页 |
| 3．3．2 闭环系统特性 | 第56页 |
| 3．3．3 闭环系统稳定性分析 | 第56-59页 |
| 3．3．4 几点讨论 | 第59页 |
| 3．4 本章小结 | 第59-60页 |
| 第4章 广义预测控制的性质 | 第60-71页 |
| 4．1 广义预测控制系统的稳定性 | 第60-68页 |
| 4．1．1 稳定性参数设计 | 第63-65页 |
| 4．1．2 基于阶跃响应性质的稳定性设计 | 第65-68页 |
| 4．2 广义预测控制的deadbeat性质 | 第68-70页 |
| 4．3 本章小结 | 第70-71页 |
| 第5章 极点配置广义预测控制 | 第71-83页 |
| 5．1 极点配置广义预测控制基本算法 | 第71-77页 |
| 5．1．1 广义输出预测误差 | 第72-73页 |
| 5．1．2 最优控制律计算 | 第73-74页 |
| 5．1．3 闭环系统特征与极点配置 | 第74-76页 |
| 5．1．4 显式广义预测极点配置自校正控制器 | 第76-77页 |
| 5．2 广义预测极点配置加权控制 | 第77-82页 |
| 5．2．1 基于CARMA模型的广义预测控制 | 第77-79页 |
| 5．2．2 P步加权控制律 | 第79-80页 |
| 5．2．3 闭环系统输出方程及闭环极点配置 | 第80-81页 |
| 5．2．4 显式广义预测零极点配置自校正加权控制器 | 第81-82页 |
| 5．3 本章小结 | 第82-83页 |
| 第6章 基于神经网络的广义预测控制 | 第83-97页 |
| 6．1 基于BP神经网络误差修正的广义预测控制 | 第83-87页 |
| 6．1．1 误差反向传播神经网络 | 第83-85页 |
| 6．1．2 具有误差修正的广义预测控制 | 第85-86页 |
| 6．1．3 仿真实例 | 第86-87页 |
| 6．2 基于改进BP网络的隐式广义预测控制算法 | 第87-92页 |
| 6．2．1 GCAQBP学习算法的推导 | 第87-89页 |
| 6．2．2 隐式广义预测控制算法 | 第89-92页 |
| 6．3 基于小脑模型的广义预测控制快速算法 | 第92-96页 |
| 6．3．1 最优控制量计算 | 第92-94页 |
| 6．2．2 连续映射的CMAC | 第94-96页 |
| 6．2．3 仿真研究 | 第96页 |
| 6．4 本章小结 | 第96-97页 |
| 第7章 广义预测控制在冷连轧张力控制中的应用 | 第97-106页 |
| 7．1 四机架冷连轧系统及其张力分析 | 第97-102页 |
| 7．1．1 四机架冷连轧系统简介 | 第97-99页 |
| 7．1．2 张力轧制及其数学模型 | 第99-100页 |
| 7．1．3 张力控制思想 | 第100-101页 |
| 7．1．4 张力控制方案 | 第101-102页 |
| 7．2 张力控制系统仿真研究 | 第102-105页 |
| 7．2．1 基本算法仿真 | 第102-103页 |
| 7．2．2 改进方案一仿真 | 第103页 |
| 7．2．3 改进方案二仿真 | 第103页 |
| 7．2．4 改进方案三仿真 | 第103-104页 |
| 7．2．5 极点配置广义预测控制仿真 | 第104页 |
| 7．2．6 基于DP神经网络误差修正的广义预测控制仿真 | 第104-105页 |
| 7．3 本章小结 | 第105-106页 |
| 结论 | 第106-107页 |
| 参考文献 | 第107-111页 |
| 攻读硕士学位期间发表论文 | 第111-112页 |
| 致谢 | 第112-113页 |
| 个人简历 | 第113页 |