| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题研究背景及研究意义 | 第13-14页 |
| 1.2 基于神经网络的非线性系统辨识与控制 | 第14-17页 |
| 1.2.1 基于前馈神经网络的非线性系统辨识与控制 | 第14-16页 |
| 1.2.2 基于动态神经网络的非线性系统辨识与控制 | 第16-17页 |
| 1.3 迭代学习辨识与控制 | 第17-20页 |
| 1.3.1 迭代学习控制 | 第18-19页 |
| 1.3.2 迭代学习辨识 | 第19-20页 |
| 1.4 本文的主要研究内容及内容安排 | 第20-23页 |
| 第2章 基于时变RBF网络的非线性时变系统迭代学习辨识 | 第23-40页 |
| 2.1 引言 | 第23-24页 |
| 2.2 时变RBF网络 | 第24-25页 |
| 2.3 时变RBF神经网络建模 | 第25-26页 |
| 2.4 带死区修正的积分学习律 | 第26-29页 |
| 2.5 带死区修正的半饱和迭代学习辨识算法 | 第29-31页 |
| 2.6 数值仿真研究 | 第31-39页 |
| 2.6.1 二阶非线性时变系统模型 | 第32-35页 |
| 2.6.2 两关节时变机械臂模型 | 第35-39页 |
| 2.7 小结 | 第39-40页 |
| 第3章 基于时变动态神经网络的非线性时变系统辨识 | 第40-59页 |
| 3.1 引言 | 第40页 |
| 3.2 时变动态神经网络 | 第40-41页 |
| 3.3 时变动态神经网络建模 | 第41-42页 |
| 3.4 带死区修正的最小二乘积分学习律 | 第42-46页 |
| 3.5 带死区修正的迭代学习最小二乘算法 | 第46-51页 |
| 3.5.1 带死区修正的迭代学习最小二乘算法 | 第46-49页 |
| 3.5.2 协方差重调的改进学习算法 | 第49-51页 |
| 3.6 数值仿真研究 | 第51-58页 |
| 3.6.1 二阶非线性时变系统模型 | 第51-54页 |
| 3.6.2 两关节时变机械臂模型 | 第54-58页 |
| 3.7 小结 | 第58-59页 |
| 第4章 基于周期RBF网络的非线性周期系统辨识 | 第59-74页 |
| 4.1 引言 | 第59页 |
| 4.2 周期RBF网络 | 第59-60页 |
| 4.3 周期RBF网络建模 | 第60-62页 |
| 4.4 积分学习律 | 第62-63页 |
| 4.5 全饱和重复学习辨识算法 | 第63-67页 |
| 4.6 数值仿真研究 | 第67-73页 |
| 4.6.1 二阶非线性时变系统模型 | 第67-70页 |
| 4.6.2 Duffing振子系统模型 | 第70-73页 |
| 4.7 小结 | 第73-74页 |
| 第5章 基于周期动态神经网络的非线性周期系统辨识 | 第74-92页 |
| 5.1 引言 | 第74页 |
| 5.2 周期动态神经网络 | 第74-76页 |
| 5.3 周期动态神经网络建模 | 第76-77页 |
| 5.4 最小二乘积分学习律 | 第77-79页 |
| 5.5 重复学习最小二乘辨识算法 | 第79-84页 |
| 5.5.1 重复学习最小二乘算法 | 第80-83页 |
| 5.5.2 协方差重调的改进算法 | 第83-84页 |
| 5.6 数值仿真研究 | 第84-91页 |
| 5.6.1 二阶非线性周期时变系统 | 第85-88页 |
| 5.6.2 Duffing振子系统模型 | 第88-91页 |
| 5.7 小结 | 第91-92页 |
| 第6章 基于时变RBF网络的非线性时变系统自适应迭代学习控制 | 第92-102页 |
| 6.1 引言 | 第92页 |
| 6.2 问题阐述 | 第92-93页 |
| 6.3 时变RBF网络逼近器 | 第93-94页 |
| 6.4 自适应迭代学习控制器设计 | 第94-95页 |
| 6.5 收敛性能分析 | 第95-99页 |
| 6.5.1 迭代学习最小二乘算法 | 第95-97页 |
| 6.5.2 协方差重调的改进算法 | 第97-99页 |
| 6.6 数值仿真研究 | 第99-101页 |
| 6.7 小结 | 第101-102页 |
| 第7章 基于时变动态神经网络的非线性时变系统自适应迭代学习控制 | 第102-112页 |
| 7.1 引言 | 第102页 |
| 7.2 问题阐述 | 第102-103页 |
| 7.3 时变动态网络逼近器 | 第103-104页 |
| 7.4 自适应迭代学习控制器设计 | 第104页 |
| 7.5 收敛性能分析 | 第104-108页 |
| 7.5.1 带死区修正的迭代学习最小二乘算法 | 第105-107页 |
| 7.5.2 协方差重调的改进算法 | 第107-108页 |
| 7.6 数值仿真研究 | 第108-111页 |
| 7.7 小结 | 第111-112页 |
| 第8章 基于周期RBF网络的非线性周期时变系统自适应重复控制 | 第112-121页 |
| 8.1 引言 | 第112页 |
| 8.2 问题阐述 | 第112-113页 |
| 8.3 自适应重复控制器设计 | 第113-114页 |
| 8.4 收敛性能分析 | 第114-118页 |
| 8.5 数值仿真 | 第118-120页 |
| 8.6 小结 | 第120-121页 |
| 第9章 结论与展望 | 第121-123页 |
| 9.1 结论 | 第121页 |
| 9.2 展望 | 第121-123页 |
| 参考文献 | 第123-129页 |
| 致谢 | 第129-130页 |
| 攻读学位期间参加的科研项目和成果 | 第130页 |
