| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容及结构安排 | 第13-15页 |
| 第二章 相关研究工作的理论基础 | 第15-22页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 神经网络结构 | 第15-18页 |
| 2.1.2 递归神经网络 | 第18-19页 |
| 2.2 矩阵基础理论 | 第19-20页 |
| 2.3 非线性控制系统 | 第20-21页 |
| 2.4 本章小节 | 第21-22页 |
| 第三章 时变矩阵方程的递归神经网络模型解析 | 第22-32页 |
| 3.1 NRNN模型的基本概念 | 第22页 |
| 3.2 基于NRNN模型的时变线性矩阵问题解析 | 第22-25页 |
| 3.2.1 问题描述 | 第22-23页 |
| 3.2.2 NRNN模型 | 第23-25页 |
| 3.3 GNN模型的基本概念 | 第25页 |
| 3.4 基于GNN模型的时变矩阵方程解析 | 第25-26页 |
| 3.4.1 问题描述 | 第25页 |
| 3.4.2 GNN模型 | 第25-26页 |
| 3.5 NRNN模型和GNN模型比较分析 | 第26-27页 |
| 3.6 NRNN和GNN算法的仿真实例分析 | 第27-31页 |
| 3.7 本章小节 | 第31-32页 |
| 第四章 定常矩阵方程的递归神经网络及SIMULINK电路仿真 | 第32-41页 |
| 4.1 SIMULINK简介 | 第32-33页 |
| 4.2 定常矩阵解析及SIMULINK模型电路仿真分析 | 第33-36页 |
| 4.2.1 NRNN模型及其SIMULINK模型建立 | 第34-35页 |
| 4.2.2 GNN及其SIMULINK模型建立 | 第35-36页 |
| 4.3 定常矩阵方程的SIMULINK模型电路仿真 | 第36-40页 |
| 4.3.1 NRNN模型SIMULINK电路仿真 | 第37-38页 |
| 4.3.2 GNN模型仿真 | 第38-40页 |
| 4.4 本章小节 | 第40-41页 |
| 第五章 递归神经网络在非线性系统输出跟踪控制中的应用 | 第41-53页 |
| 5.1 基于递归神经网络的非线性控制模型设计(N-G模型) | 第41-42页 |
| 5.2 基于递归神经网络的严格反馈非线性系统的输出跟踪控制 | 第42-50页 |
| 5.2.1 N-G控制模型设计 | 第43-44页 |
| 5.2.2 实例研究分析 | 第44-45页 |
| 5.2.3 Backstepping控制模型设计 | 第45-47页 |
| 5.2.4 实例仿真分析 | 第47-50页 |
| 5.3 具有奇异特性的纯反馈非线性系统递归神经网络跟踪控制 | 第50-53页 |
| 5.3.1 纯反馈非线性系统控制模型设计实例研究 | 第51-52页 |
| 5.3.2 仿真分析 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60-61页 |
