| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究目的和意义以及国内外研究现状 | 第10-12页 |
| 1.1.1 课题的研究目的和意义 | 第10-11页 |
| 1.1.2 国内外研究现状 | 第11-12页 |
| 1.2 神经网络简述 | 第12-14页 |
| 1.2.1 人工神经网络的分类 | 第12-13页 |
| 1.2.2 神经网络的学习方式 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 第2章 小波神经网络理论综述及基本优化算法介绍 | 第15-29页 |
| 2.1 小波理论及其研究进展 | 第15-21页 |
| 2.1.1 小波分析的发展 | 第15-16页 |
| 2.1.2 小波函数的定义 | 第16页 |
| 2.1.3 小波变换 | 第16-18页 |
| 2.1.4 多分辨分析 | 第18-21页 |
| 2.2 小波神经网络的分类与结构 | 第21-24页 |
| 2.2.1 小波神经网络的分类 | 第21-23页 |
| 2.2.2 小波神经网络的结构 | 第23-24页 |
| 2.3 小波神经网络的常用算法 | 第24-28页 |
| 2.3.1 BP 算法 | 第25-26页 |
| 2.3.2 遗传算法（GA） | 第26-27页 |
| 2.3.3 粒子群算法（PSO） | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于浓度的免疫遗传算法优化小波神经网络 | 第29-39页 |
| 3.1 免疫遗传算法的基本原理 | 第29-31页 |
| 3.1.1 思想来源 | 第29-30页 |
| 3.1.2 基于浓度抑制的免疫遗传算法基本过程 | 第30-31页 |
| 3.2 线性递减策略及其在免疫遗传算法中的应用 | 第31-32页 |
| 3.2.1 线性递减策略 | 第31-32页 |
| 3.2.2 线性递减策略在免疫遗传算法中的应用 | 第32页 |
| 3.3 基于免疫遗传算法优化小波神经网络控制器 | 第32-38页 |
| 3.3.1 免疫遗传算法优化小波神经网络控制器流程 | 第32-36页 |
| 3.3.2 几种优化算法优化小波神经网络性能比较 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 倒立摆控制实验与小波神经网络控制器的仿真分析 | 第39-53页 |
| 4.1 二级倒立摆系统描述 | 第39-40页 |
| 4.2 小波神经网络控制器结构的确定 | 第40-43页 |
| 4.2.1 小波函数的选取 | 第40-41页 |
| 4.2.2 隐含层节点数的确定 | 第41-43页 |
| 4.3 控制器参数的优化 | 第43-46页 |
| 4.3.1 初始搜索范围的确定 | 第43页 |
| 4.3.2 控制器的训练效果 | 第43-46页 |
| 4.4 仿真分析 | 第46-52页 |
| 4.4.1 控制器的仿真研究 | 第46-49页 |
| 4.4.2 控制回路最优值的确定 | 第49-50页 |
| 4.4.3 控制器干扰实验 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |