神经网络在线解耦算法的研究
| 第一章 绪论 | 第1-11页 |
| 1．1 引言 | 第6页 |
| 1．2 解耦控制技术的研究现状 | 第6-8页 |
| 1．2．1 传统解耦方法 | 第7页 |
| 1．2．2 基于现代控制理论的解耦方法 | 第7页 |
| 1．2．3 自适应解耦方法 | 第7页 |
| 1．2．4 智能解耦 | 第7-8页 |
| 1．3 选题背景及意义 | 第8-9页 |
| 1．4 本文所做的主要工作 | 第9-11页 |
| 第二章 基于神经网络的解耦 | 第11-25页 |
| 2．1 引言 | 第11-15页 |
| 2．2 神经网络解耦控制简介 | 第15-17页 |
| 2．2．1 串联方式 | 第16页 |
| 2．2．2 反馈方式 | 第16-17页 |
| 2．3 分散式神经网络解耦结构 | 第17-19页 |
| 2．4 动态神经网络 | 第19-25页 |
| 2．4．1 动态神经网络解耦器 | 第19-22页 |
| 2．4．2 神经网络解耦器的学习算法 | 第22-25页 |
| 第三章 基于互相关函数的神经网络在线解耦 | 第25-53页 |
| 3．1 引言 | 第25页 |
| 3．2 遗传算法简介 | 第25-29页 |
| 3．2．1 GA的基本特点 | 第26页 |
| 3．2．2 GA的基本操作 | 第26-29页 |
| 3．3 随机过程简介 | 第29-32页 |
| 3．3．1 随机过程的主要数字特征 | 第29-31页 |
| 3．3．2 随机信号通过线性系统的分析 | 第31-32页 |
| 3．4 相关理论的证明 | 第32-43页 |
| 3．5 相关算法 | 第43-46页 |
| 3．6 实数编码的混合遗传算法 | 第46-53页 |
| 3．6．1 编码方式的选择 | 第46页 |
| 3．6．2 复制 | 第46-47页 |
| 3．6．3 交叉 | 第47-48页 |
| 3．6．4 变异 | 第48-49页 |
| 3．6．5 混合遗传算法 | 第49-53页 |
| 第四章 火电厂磨煤机的解耦控制仿真 | 第53-67页 |
| 4．1 引言 | 第53页 |
| 4．2 控制任务与对象特性 | 第53-54页 |
| 4．3 仿真实例 | 第54-67页 |
| 4．3．1 被控过程的仿真模型 | 第54-55页 |
| 4．3．2 神经网络的选择与训练 | 第55-56页 |
| 4．3．3 控制器的选择和参数整定 | 第56-63页 |
| 4．3．4 仿真结果分析 | 第63-67页 |
| 第五章 非线性对象神经网络在线解耦控制 | 第67-77页 |
| 5．1 前言 | 第67页 |
| 5．2 目标函数的仿真验证 | 第67-70页 |
| 5．3 解耦仿真 | 第70-71页 |
| 5．4 单神经元自适应PID控制 | 第71-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82页 |
