| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景 | 第9页 |
| ·基于人工神经网络的控制技术 | 第9-14页 |
| ·人工神经网络技术的发展与现状 | 第9-10页 |
| ·人工神经网络与系统建模和控制 | 第10-13页 |
| ·RBF 神经网络的发展及在过程建模和控制中的应用 | 第13-14页 |
| ·电厂过热汽温控制的研究现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| 第2章 径向基函数(RBF)神经网络概述 | 第16-35页 |
| ·精确插值和函数逼近问题 | 第16-20页 |
| ·φ可分性 | 第16-17页 |
| ·精确插值问题 | 第17-18页 |
| ·函数逼近 | 第18-20页 |
| ·RBF 神经网络的基本结构 | 第20-22页 |
| ·RBF 网络的构建和学习方法 | 第22-31页 |
| ·混合学习方法 | 第23-26页 |
| ·有监督学习 | 第26-28页 |
| ·正交最小二乘法OLS | 第28-30页 |
| ·递增式RBF 网络 | 第30-31页 |
| ·RBF 网络的正则化方法 | 第31-34页 |
| ·正则化方法 | 第31-33页 |
| ·RBF 网络的正则化方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于RBF 神经网络的过热汽温系统离线建模 | 第35-53页 |
| ·引言 | 第35页 |
| ·非线性系统的神经网络辨识方法 | 第35-41页 |
| ·过程的数学描述 | 第36-37页 |
| ·神经网络系统辨识的结构 | 第37-40页 |
| ·采用RBF 神经网络进行系统辨识的一般步骤 | 第40-41页 |
| ·基于人工免疫系统原理的RBF 神经网络 | 第41-48页 |
| ·免疫网络理论 | 第42页 |
| ·基于免疫原理的RBF 神经网络混合学习算法 | 第42-45页 |
| ·算例仿真 | 第45-48页 |
| ·基于RBF 神经网络的过热汽温系统建模 | 第48-52页 |
| ·辨识对象和输入-输出数据 | 第48-50页 |
| ·过热汽温系统的RBF 神经网络辨识模型 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于动态RBF 神经网络的过热汽温系统在线建模 | 第53-64页 |
| ·资源分配网络及其历次改进算法 | 第54-61页 |
| ·资源分配网络(RAN 网络) | 第54-56页 |
| ·扩展卡尔曼滤波器算法改进 | 第56-57页 |
| ·最小资源分配网络 | 第57-58页 |
| ·最小资源分配网络学习算法的改进 | 第58页 |
| ·仿真研究 | 第58-61页 |
| ·基于动态RBF 神经网络的过热汽温系统在线建模 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 动态RBF 神经网络在过热汽温控制中的应用 | 第64-78页 |
| ·神经网络控制概述 | 第64-65页 |
| ·基于动态RBF 神经网络的控制系统方案 | 第65-67页 |
| ·反馈误差学习控制 | 第66页 |
| ·基于RBF 神经网络控制器的控制系统方案 | 第66-67页 |
| ·基于动态RBF 神经网络的电厂过热汽温控制系统 | 第67-77页 |
| ·过热汽温的动态特性 | 第67-68页 |
| ·过热汽温系统的控制方案 | 第68-70页 |
| ·研究对象 | 第70-71页 |
| ·基于RBF 神经网络控制器的过热汽温控制系统 | 第71-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间发表的学术论文 | 第84-86页 |
| 致谢 | 第86页 |
