| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10页 |
| ·最优控制的概述 | 第10-14页 |
| ·最优控制问题的基本组成 | 第10-12页 |
| ·最优控制问题的提法 | 第12页 |
| ·最优控制问题的分类 | 第12-13页 |
| ·最优控制问题的求解方法 | 第13-14页 |
| ·最优控制的发展及现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| 第2章 迭代学习控制及建模方法 | 第16-24页 |
| ·迭代学习控制概述 | 第16页 |
| ·迭代学习控制的基本原理 | 第16-18页 |
| ·迭代学习控制的过程 | 第18-21页 |
| ·迭代学习控制的稳定性、收敛性及学习速度 | 第21-22页 |
| ·稳定性和收敛性 | 第21页 |
| ·学习速度 | 第21-22页 |
| ·基于数据驱动的建模方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于核极速学习机的优化控制 | 第24-46页 |
| ·人工神经网络技术 | 第24页 |
| ·人工神元的基本模型 | 第24-26页 |
| ·人工神经网络的基本要素 | 第26-30页 |
| ·ELM算法 | 第30-45页 |
| ·极速学习机和在线极速学习机 | 第30-32页 |
| ·基于在线极速学习机的迭代优化控制 | 第32-35页 |
| ·基于核极速学习机的迭代学习控制及粒子群优化算法 | 第35-38页 |
| ·仿真实例 | 第38-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于核偏最小二乘的建模及优化控制 | 第46-58页 |
| ·偏最小二乘 | 第46-47页 |
| ·基于多路径偏最小二乘的两步建模及优化控制 | 第47-50页 |
| ·批数据预处理 | 第47页 |
| ·两步多路径偏最小二乘建模 | 第47-49页 |
| ·基于多路径偏最小二乘的批次到批次的迭代优化控制 | 第49-50页 |
| ·基于多路径核偏最小二乘的两步建模及优化控制 | 第50-51页 |
| ·两步多路径核偏最小二乘建模 | 第50-51页 |
| ·基于多路径核偏最小二乘的批次到批次的迭代优化控制 | 第51页 |
| ·应用 | 第51-57页 |
| ·苯乙烯本体聚合实验 | 第52-55页 |
| ·电容镁炉实验 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 建模方法的改进与对比 | 第58-70页 |
| ·KELM算法 | 第58-59页 |
| ·KPLS算法 | 第59-61页 |
| ·修改的极速学习机 | 第61-62页 |
| ·两种方法的对比试验 | 第62-69页 |
| ·苯乙烯本体聚合实验 | 第62-67页 |
| ·电熔镁炉实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士期间发表的论文 | 第78页 |