| 第一章 模糊控制与神经网络理论 | 第1-21页 |
| ·模糊控制 | 第9-14页 |
| ·模糊控制的发展概况 | 第9-10页 |
| ·模糊控制系统 | 第10页 |
| ·模糊控制器 | 第10-14页 |
| ·神经网络 | 第14-19页 |
| ·神经网络的发展概况 | 第14-15页 |
| ·人工神经元模型 | 第15-17页 |
| ·神经网络的结构 | 第17-18页 |
| ·神经网络的学习 | 第18-19页 |
| ·模糊控制和神经网络的比较 | 第19-21页 |
| ·人工神经网络与模糊系统的相同之处 | 第19-20页 |
| ·人工神经网络与模糊系统的不同之处 | 第20-21页 |
| 第二章 补偿模糊神经网络 | 第21-32页 |
| ·模糊神经网络的提出和发展 | 第21-22页 |
| ·模糊神经网络的分类 | 第22-24页 |
| ·引入模糊运算的神经网络 | 第22-23页 |
| ·基于神经网络的模糊系统 | 第23-24页 |
| ·用模糊逻辑增强网络功能的神经网络 | 第24页 |
| ·补偿模糊神经网络 | 第24-32页 |
| ·基于补偿算子的模糊系统思想 | 第25-26页 |
| ·补偿模糊神经网络的模糊神经元 | 第26-30页 |
| ·补偿模糊神经网络的结构 | 第30-32页 |
| 第三章 基于聚类和梯度下降法的补偿模糊神经网络 | 第32-47页 |
| ·引言 | 第32-33页 |
| ·聚类算法概述 | 第33-34页 |
| ·改进的关系度聚类方法 | 第34-36页 |
| ·基于聚类和梯度下降法的补偿模糊神经网络 | 第36-40页 |
| ·补偿模糊神经网络的结构 | 第36-38页 |
| ·结构辨识 | 第38页 |
| ·参数辨识 | 第38-40页 |
| ·仿真研究 | 第40-47页 |
| ·采用本文提出的基于聚类和梯度下降法的补偿模糊神经网络对该非线性系统进行辨识 | 第40-43页 |
| ·三种模糊神经网络的性能比较 | 第43-46页 |
| ·结论 | 第46-47页 |
| 第四章 基于聚类和梯度下降法的递归补偿模糊神经网络 | 第47-57页 |
| ·引言 | 第47页 |
| ·递归补偿模糊神经网络的结构 | 第47-49页 |
| ·基于聚类和梯度下降法的递归补偿模糊神经网络的学习算法 | 第49-51页 |
| ·结构辨识 | 第49-50页 |
| ·参数辨识 | 第50-51页 |
| ·仿真研究 | 第51-57页 |
| ·采用HARCNFN对非线性系统进行辨识 | 第52-54页 |
| ·HARCNFN与CNFN的性能比较 | 第54-56页 |
| ·结论 | 第56-57页 |
| 第五章 基于聚类和梯度下降法的递归补偿模糊神经网络在电火花加工中的应用 | 第57-77页 |
| ·电火花加工控制技术综述 | 第57-63页 |
| ·前言 | 第57页 |
| ·电火花加工原理及其加工过程中的控制问题 | 第57-59页 |
| ·电火花加工过程中的控制技术 | 第59-63页 |
| ·电火花加工工艺分析 | 第63-65页 |
| ·电火花加工工艺效果的预测模型 | 第65-76页 |
| ·实验设计及实验结果 | 第65-66页 |
| ·数据的归一化处理 | 第66-67页 |
| ·仿真研究 | 第67-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 结论与展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 附录 | 第83-86页 |
| 致谢 | 第86-87页 |
| 攻读学位期间发表的学术论文目录 | 第87页 |
