基于神经网络的控制器的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 绪论 | 第7-15页 |
| ·引言 | 第7-8页 |
| ·神经网络的发展和现状 | 第8-11页 |
| ·遗传算法 | 第11-13页 |
| ·遗传算法概述 | 第11-12页 |
| ·基本遗传算法的构成要素 | 第12-13页 |
| ·课题背景及本文的研究内容 | 第13-15页 |
| 第2章 人工神经网络的原理 | 第15-27页 |
| ·人工神经网络概述 | 第15-18页 |
| ·单神经元模型 | 第15-16页 |
| ·神经网络的结构 | 第16-17页 |
| ·神经网络的学习规则 | 第17-18页 |
| ·BP神经网络 | 第18-23页 |
| ·BP算法 | 第19-21页 |
| ·改进BP算法学习神经网络 | 第21-22页 |
| ·仿真实验 | 第22-23页 |
| ·径向基函数网络 | 第23-27页 |
| ·网络的学习 | 第24-25页 |
| ·RBF网络的参数调整算法 | 第25-27页 |
| 第3章 基于神经网络的系统辨识 | 第27-44页 |
| ·基于神经网络的系统辨识原理 | 第27-29页 |
| ·辨识精度 | 第28-29页 |
| ·两种辨识结构 | 第29页 |
| ·神经网络建模 | 第29-31页 |
| ·系统正向建模 | 第29-30页 |
| ·逆向建模 | 第30-31页 |
| ·系统的参数辨识 | 第31-34页 |
| ·仿真实验 | 第32-34页 |
| ·泛化能力 | 第34-40页 |
| ·仿真实验 | 第35-40页 |
| ·非线性系统辨识 | 第40-44页 |
| ·仿真实验 | 第41-44页 |
| 第4章 基于神经网络的系统控制 | 第44-58页 |
| ·神经控制器基本结构 | 第44-49页 |
| ·神经网络监督控制 | 第44-45页 |
| ·神经网络直接逆模型控制 | 第45页 |
| ·神经网络自适应控制 | 第45-48页 |
| ·神经网络内模控制 | 第48页 |
| ·神经网络预测控制 | 第48-49页 |
| ·基于遗传算法的神经网络自适应控制 | 第49-57页 |
| ·遗传算法学习神经网络权系数 | 第49-50页 |
| ·遗传算法的要素选择 | 第50-52页 |
| ·仿真实验 | 第52-57页 |
| ·小节 | 第57-58页 |
| 第5章 结论 | 第58-59页 |
| 攻读学位期间公开发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
