复杂系统的多模型建模及预测控制
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-21页 |
| ·前言 | 第10-12页 |
| ·多模型控制方法的研究 | 第12-18页 |
| ·多模型建模方法的介绍 | 第12-14页 |
| ·局部模型网络 | 第12-13页 |
| ·基于 LPF 算法的多模型建模方法 | 第13页 |
| ·Takagi-Sugeno 模糊多模型系统 | 第13-14页 |
| ·多模型控制算法 | 第14-16页 |
| ·多模型控制算法的基本原理及实现步骤 | 第14-15页 |
| ·常用的几种多模型控制方法 | 第15-16页 |
| ·多模型的调度策略 | 第16-17页 |
| ·多模型系统的分析 | 第17-18页 |
| ·多模型系统的稳定性能分析 | 第17-18页 |
| ·多模型系统的鲁棒性能分析 | 第18页 |
| ·多模型控制方法的应用及前景展望 | 第18-19页 |
| ·本文主要研究内容及安排 | 第19-21页 |
| 第二章 预测控制 | 第21-31页 |
| ·预测控制的概述 | 第21-23页 |
| ·预测控制的基本原理 | 第21-23页 |
| ·预测模型 | 第21-22页 |
| ·滚动优化 | 第22页 |
| ·反馈校正 | 第22-23页 |
| ·预测控制的生成过程 | 第23-24页 |
| ·预测控制的应用研究 | 第24-25页 |
| ·预测控制存在的问题 | 第25-26页 |
| ·预测控制的研究方向 | 第26-27页 |
| ·多模型预测控制 | 第27-28页 |
| ·多模型预测控制分类 | 第27-28页 |
| ·基于模型切换的多模型预测控制 | 第27-28页 |
| ·基于模型加权的多模型预测控制 | 第28页 |
| ·基于 T-S 模糊模型的多模型预测控制算法 | 第28页 |
| ·基于自校正模型的多模型预测控制算法 | 第28页 |
| ·基于多模型的广义预测控制算法 | 第28页 |
| ·多模型预测控制的优点及存在的问题 | 第28-29页 |
| ·多模型预测控制展望 | 第29-30页 |
| ·本章总结 | 第30-31页 |
| 第三章 复杂系统模糊多模型辨识 | 第31-52页 |
| ·模糊模型 | 第31-32页 |
| ·聚类分析的概述 | 第32-33页 |
| ·聚类算法的数据结构及聚类准则 | 第33-34页 |
| ·主要的聚类算法 | 第34-37页 |
| ·K-means 聚类算法 | 第35-36页 |
| ·FCM 聚类算法 | 第36-37页 |
| ·聚类算法的新发展 | 第37-43页 |
| ·基于群体智能的聚类算法 | 第37-38页 |
| ·猫群算法的基本原理 | 第38-43页 |
| ·猫群算法的基本流程 | 第38-39页 |
| ·猫群算法在数据聚类中的设计 | 第39-40页 |
| ·猫群算法的数据聚类的实现步骤 | 第40-41页 |
| ·仿真实验 | 第41-43页 |
| ·基于群体智能的聚类算法的优点 | 第43页 |
| ·T-S 模糊模型 | 第43-47页 |
| ·T-S 模糊模型的描述 | 第44页 |
| ·T-S 模型结构辨识的描述 | 第44-45页 |
| ·T-S 模型结论参数辨识的描述 | 第45-47页 |
| ·基于猫群算法的模糊辨识算法的实现步骤 | 第47页 |
| ·模糊多模型辨识 | 第47-49页 |
| ·仿真 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于多模型自适应的阶梯型广义预测控制 | 第52-62页 |
| ·多模型广义预测控制 | 第52-53页 |
| ·被控对象描述 | 第53页 |
| ·基于多模型自适应的阶梯式广义预测控制 | 第53-55页 |
| ·模型集的构建 | 第53-54页 |
| ·切换控制策略 | 第54-55页 |
| ·预测控制器的设计 | 第55-57页 |
| ·仿真及分析 | 第57-61页 |
| ·结论 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·本文研究工作总结 | 第62-63页 |
| ·工作展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 个人简历 在读期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
