| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 系统辨识的产生与原理 | 第13-14页 |
| 1.2.2 神经网络控制简介 | 第14-15页 |
| 1.2.3 自适应PID控制的产生与发展 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.3.1 课题的研究内容与来源 | 第16-17页 |
| 1.3.2 本文结构及主要内容安排 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 系统辨识与神经网络控制的基础知识 | 第18-32页 |
| 2.1 人工神经网络的分类 | 第18页 |
| 2.2 神经网络的学习方式 | 第18-21页 |
| 2.3 人工神经网络信息处理单元模型(MP模型) | 第21-24页 |
| 2.4 时延神经网络 | 第24-25页 |
| 2.5 BP神经网络 | 第25-28页 |
| 2.6 RBF神经网络 | 第28-30页 |
| 2.7 递推预测误差算法 | 第30-32页 |
| 第三章 基于改进递推预测误差神经网络算法的极点配置PID控制方法研究 | 第32-45页 |
| 3.1 引言 | 第32-33页 |
| 3.2 系统模型描述 | 第33-37页 |
| 3.3 控制器的设计 | 第37-38页 |
| 3.4 他激式直流电机调速系统数学建模 | 第38-40页 |
| 3.5 实例及仿真 | 第40-44页 |
| 3.6 结论 | 第44-45页 |
| 第四章 基于DTNN神经网络与RBF神经网络的PID控制设计方法 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于神经网络的系统参数辨识 | 第46-48页 |
| 4.3 控制器的设计 | 第48-51页 |
| 4.4 模型的选取与离散化处理 | 第51-52页 |
| 4.5 实例及仿真 | 第52-55页 |
| 4.6 结论 | 第55-56页 |
| 展望与总结 | 第56-58页 |
| 参考文献(Reference) | 第58-64页 |
| 攻读学位期间发表的论文 | 第64-65页 |
| 读学位期间参加的科研项目 | 第65-67页 |
| 致谢 | 第67页 |