| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及国内外现状 | 第10-12页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 国内外研究现状 | 第11-12页 |
| 1.2 简述小波神经网络 | 第12-15页 |
| 1.2.1 小波神经网络分类 | 第12-14页 |
| 1.2.2 小波神经网络特点 | 第14-15页 |
| 1.2.3 神经网络和小波神经网络的区别 | 第15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第2章 小波神经网络分析 | 第17-25页 |
| 2.1 小波理论研究 | 第17-19页 |
| 2.1.1 小波分析 | 第17页 |
| 2.1.2 定义小波变换 | 第17-19页 |
| 2.1.3 小波研究的发展趋势 | 第19页 |
| 2.2 几种的常见小波函数 | 第19-22页 |
| 2.2.1 Morlet 小波 | 第20页 |
| 2.2.2 Mexihat 小波 | 第20-21页 |
| 2.2.3 Shannon 小波 | 第21-22页 |
| 2.2.4 DOG 小波 | 第22页 |
| 2.3 优化小波神经网络的参数 | 第22-24页 |
| 2.3.1 优化小波神经网络的原因 | 第22-23页 |
| 2.3.2 优化小波神经网络方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 量子行为粒子群算法 | 第25-40页 |
| 3.1 量子行为粒子群算法的基本原理 | 第25-33页 |
| 3.1.1 思想来源 | 第25-26页 |
| 3.1.2 建立δ势阱模型 | 第26-28页 |
| 3.1.3 粒子方程的基本进化过程 | 第28-29页 |
| 3.1.4 其它模型和δ势阱模型的区别 | 第29-31页 |
| 3.1.5 粒子收敛的基本条件 | 第31-33页 |
| 3.2 量子行为粒子群优化算法设计 | 第33-39页 |
| 3.2.1 基本进化方程的设计 | 第33-35页 |
| 3.2.2 两种搜索迭代策略 | 第35-36页 |
| 3.2.3 算法流程 | 第36-38页 |
| 3.2.4 比较 PSO 算法与 QPSO 算法的区别 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 二级倒立摆系统实验及小波神经网络控制器的仿真分析 | 第40-57页 |
| 4.1 描述二级倒立摆系统 | 第40-41页 |
| 4.2 小波神经网络的网络训练 | 第41-48页 |
| 4.2.1 QPSO 算法的改进 | 第41-44页 |
| 4.2.2 改进 QPSO 优化小波神经网络 | 第44-45页 |
| 4.2.3 小波神经网络结构的确定 | 第45-46页 |
| 4.2.4 小波网络训练的结果 | 第46-48页 |
| 4.3 小波神经网络控制器控制倒立摆仿真的研究 | 第48-53页 |
| 4.3.1 控制器的仿真研究 | 第48-50页 |
| 4.3.2 控制器抗干扰能力的研究 | 第50-53页 |
| 4.4 小波神经网络控制器控制倒立摆研究 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |