| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 前人研究成果 | 第13-16页 |
| 1.2.1 系统辨识研究现状 | 第13-14页 |
| 1.2.2 回声状态网络研究现状 | 第14-16页 |
| 1.3 本论文研究的内容 | 第16-18页 |
| 第二章 传统回声状态网络的基础原理 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 ESN的模型结构 | 第18-19页 |
| 2.3 ESN的训练方法 | 第19-20页 |
| 2.4 传统ESN性能特点 | 第20页 |
| 2.5 实例研究 | 第20-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于CSESN的时间序列预测方法研究 | 第24-42页 |
| 3.1 引言 | 第24-25页 |
| 3.2 CS算法简介 | 第25-26页 |
| 3.3 储备池的拓扑结构优化 | 第26-27页 |
| 3.4 基于CSESN的时间序列预测 | 第27-31页 |
| 3.4.1 CSESN算法的基本思路 | 第27-28页 |
| 3.4.2 基于CSESN的预测模型构建过程 | 第28-31页 |
| 3.5 实验验证及分析 | 第31-40页 |
| 3.5.1 基于CSESN的Lorenz混沌系统辨识研究 | 第31-36页 |
| 3.5.2 基于CSESN的时间序列辨识方法在流程工业的应用 | 第36-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于CSESN直接逆控制在流程工业中的应用 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 神经网络控制 | 第42-44页 |
| 4.3 基于CSESN的神经网络直接逆控制 | 第44-46页 |
| 4.3.1 离线建立CSESN逆模型 | 第45页 |
| 4.3.2 递推最小二乘逆模型在线学习 | 第45-46页 |
| 4.4 热交换器神经网络直接逆模型控制器设计 | 第46-48页 |
| 4.4.1 汽水热交换器过程 | 第46-47页 |
| 4.4.2 控制器设计 | 第47-48页 |
| 4.5 实验分析 | 第48-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 未来研究方向 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 导师和作者简介 | 第62-64页 |
| 附件 | 第64-65页 |
