| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及现状 | 第10-11页 |
| 1.2 研究内容及意义 | 第11-12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第2章 相关算法理论 | 第14-23页 |
| 2.1 传统PID控制技术 | 第14-16页 |
| 2.1.1 位置式PID | 第15页 |
| 2.1.2 增量式PID | 第15-16页 |
| 2.2 PID参数自整定方法 | 第16-17页 |
| 2.3 遗传算法 | 第17-19页 |
| 2.4 神经网络 | 第19-20页 |
| 2.5 Kalman滤波算法 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 两轮自平衡小车系统模型分析 | 第23-31页 |
| 3.1 两轮自平衡小车力学模型 | 第23-26页 |
| 3.2 两轮自平衡小车控制结构 | 第26-28页 |
| 3.3 姿态感知系统 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第4章 基于遗传算法和神经网络的PID参数整定 | 第31-44页 |
| 4.1 系统过程与设计 | 第31-32页 |
| 4.2 PID被控对象的神经网络辨识 | 第32-34页 |
| 4.3 遗传算法整定PID参数 | 第34-36页 |
| 4.4 实验与分析 | 第36-43页 |
| 4.4.1 PID参数初调 | 第36-39页 |
| 4.4.2 神经网络辨识实验 | 第39-42页 |
| 4.4.3 遗传算法调参实验 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于Kalman滤波的单神经元PID控制优化 | 第44-53页 |
| 5.1 单神经元PID控制算法 | 第44-46页 |
| 5.1.1 学习规则 | 第44-45页 |
| 5.1.2 单神经元自适应PID控制 | 第45-46页 |
| 5.2 用Kalman滤波算法进行PID控制优化 | 第46-47页 |
| 5.3 实验与分析 | 第47-52页 |
| 5.3.1 方波位置跟踪实验 | 第47-49页 |
| 5.3.2 两轮小车数据滤波处理 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |