一般化学习网络在非线性系统辨识及预测控制中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-35页 |
| ·引言 | 第15页 |
| ·神经网络理论 | 第15-24页 |
| ·神经网络的历史 | 第16-18页 |
| ·人工神经网络的应用 | 第18-20页 |
| ·神经网络的结构与特点 | 第20-22页 |
| ·神经网络的学习方式 | 第22-24页 |
| ·预测控制理论 | 第24-29页 |
| ·预测控制产生的原因及背景 | 第25页 |
| ·预测控制的发展 | 第25-27页 |
| ·预测控制的分类 | 第27-28页 |
| ·预测控制的特点及有待解决的问题 | 第28-29页 |
| ·神经网络预测控制在非线性系统中的应用 | 第29-31页 |
| ·一般化学习网络概述 | 第31-32页 |
| ·本文的选题意义及工作内容 | 第32-35页 |
| 第二章 一般化学习网络及其训练算法研究 | 第35-43页 |
| ·提出背景 | 第35页 |
| ·一般化学习网络的结构 | 第35-36页 |
| ·一般化学习网络的学习算法 | 第36-39页 |
| ·仿真实例 | 第39-41页 |
| ·机器人手臂信号系统 | 第39-40页 |
| ·仿真条件及结果 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 神经网络用于非线性系统辨识 | 第43-65页 |
| ·引言 | 第43页 |
| ·神经网络辨识原理 | 第43-44页 |
| ·BP前向神经网络 | 第44-56页 |
| ·BP前向网络模型 | 第44-45页 |
| ·BP网络学习算法及学习算法比较 | 第45-51页 |
| ·BP网络泛化能力的提高 | 第51-55页 |
| ·BP网络的局限性 | 第55-56页 |
| ·Elman动态递归神经网络 | 第56-59页 |
| ·Elman神经网络的结构 | 第56-58页 |
| ·Elman神经网络的学习算法 | 第58-59页 |
| ·一般化学习网络的非线性系统辨识模型 | 第59页 |
| ·仿真结果及比较 | 第59-63页 |
| ·仿真对象——CSTR模型 | 第59-60页 |
| ·仿真条件比较 | 第60-61页 |
| ·仿真结果比较 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于一般化学习网络的非线性预测控制的研究 | 第65-81页 |
| ·引言 | 第65页 |
| ·预测控制的基本原理 | 第65-67页 |
| ·预测模型 | 第66页 |
| ·滚动优化 | 第66页 |
| ·反馈校正 | 第66-67页 |
| ·基于一般化学习网络的预测控制 | 第67-74页 |
| ·基于ULN的预测控制结构 | 第67-68页 |
| ·一般化学习网络预测模型(ULNP) | 第68-70页 |
| ·神经网络预测控制器 | 第70-73页 |
| ·实时自适应一般化学习网络预测控制策略 | 第73-74页 |
| ·仿真实例 | 第74-79页 |
| ·对象描述 | 第74-75页 |
| ·系统辨识 | 第75-79页 |
| ·预测控制的实现 | 第79页 |
| ·本章小结 | 第79-81页 |
| 第五章 结论与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 研究成果及发表的学术论文 | 第89-91页 |
| 作者及导师简介 | 第91-92页 |
| 附件 | 第92-93页 |
