| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第14-28页 |
| 1.1. 课题研究背景及意义 | 第14-16页 |
| 1.2. 多模型方法的基本原理 | 第16-20页 |
| 1.2.1. 多模型的分解 | 第16-18页 |
| 1.2.2. 多模型的合成 | 第18-20页 |
| 1.3. 多模型方法的发展 | 第20-24页 |
| 1.3.1. 多模型模型结构 | 第20-22页 |
| 1.3.2. 多模型控制方法 | 第22-24页 |
| 1.4. PWA辨识方法研究现状 | 第24-26页 |
| 1.5. 本文的主要工作 | 第26-28页 |
| 2. PWA辨识问题描述 | 第28-42页 |
| 2.1. 引言 | 第28-29页 |
| 2.2. 辨识问题具体描述 | 第29-31页 |
| 2.3. 辨识激励信号设计 | 第31-34页 |
| 2.4. 目前辨识方法的主要步骤及其缺陷 | 第34-38页 |
| 2.4.1. 数据集划分 | 第34-36页 |
| 2.4.2. 子模型参数及操作空间辨识 | 第36页 |
| 2.4.3. 目前辨识方法存在的缺陷 | 第36-38页 |
| 2.5. CSTR仿真对象 | 第38-41页 |
| 2.6. 本章小结 | 第41-42页 |
| 3. 单维调度变量的多模型辨识方法 | 第42-58页 |
| 3.1. 引言 | 第42-43页 |
| 3.2. 局部模型 | 第43-46页 |
| 3.3. 基于局部模型参数向量聚类的数据划分 | 第46-49页 |
| 3.3.1. 基于局部模型的参数向量极大似然估计 | 第46-48页 |
| 3.3.2. 基于参数向量的聚类方法 | 第48-49页 |
| 3.4. 基于最优边界划分的辨识方法 | 第49-52页 |
| 3.5. 仿真分析 | 第52-56页 |
| 3.5.1. PWA对象 | 第52-53页 |
| 3.5.2. CSTR对象 | 第53-56页 |
| 3.6. 本章小结 | 第56-58页 |
| 4. 基于Softmax的多维调度变量多模型辨识 | 第58-70页 |
| 4.1. 引言 | 第58-59页 |
| 4.2. 多维操作空间的完全划分 | 第59-61页 |
| 4.3. Softmax分类 | 第61-63页 |
| 4.4. 基于Softmax的多维调度变量PWA辨识方法 | 第63-65页 |
| 4.5. 仿真分析 | 第65-68页 |
| 4.6. 本章小结 | 第68-70页 |
| 5. 基于PWA模型的预测控制 | 第70-82页 |
| 5.1. 引言 | 第70-71页 |
| 5.2. 混合逻辑动态模型 | 第71-75页 |
| 5.2.1. 命题逻辑与混合整数线性不等式 | 第71-73页 |
| 5.2.2. MLD的标准形式及合成方法 | 第73-75页 |
| 5.3. 基于MLD模型的预测控制 | 第75-78页 |
| 5.4. 仿真分析 | 第78-81页 |
| 5.5. 本章小结 | 第81-82页 |
| 6. 总结与展望 | 第82-84页 |
| 6.1. 研究工作总结 | 第82-83页 |
| 6.2. 未来研究方向展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 附录 | 第88页 |
| 附录1: 作者简介 | 第88页 |
| 附录2: 作者在攻读硕士期间的主要成果 | 第88页 |
| 附录3: 作者攻读硕士期间参加的科研项目 | 第88页 |