| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究背景与意义 | 第12-13页 |
| 1.2 PID及分数阶PID控制器研究现状及应用 | 第13-15页 |
| 1.2.1 PID及分数阶PID控制器研究现状及关键技术 | 第13-14页 |
| 1.2.2 PID及分数阶PID控制器在复杂控制系统中应用 | 第14-15页 |
| 1.3 小波神经网络理论研究现状及应用 | 第15-19页 |
| 1.3.1 小波神经网络初始化方法研究现状 | 第16页 |
| 1.3.2 自适应学习率研究现状 | 第16-17页 |
| 1.3.3 Kernel-LMS算法研究现状 | 第17-18页 |
| 1.3.4 同时扰动随机算法研究现状 | 第18-19页 |
| 1.4 本文主要研究内容 | 第19-22页 |
| 第2章 小波神经网络初始化方法研究 | 第22-44页 |
| 2.1 小波神经网络模型及学习算法 | 第22-26页 |
| 2.1.1 小波函数及小波神经元 | 第22页 |
| 2.1.2 小波神经网络模型 | 第22-24页 |
| 2.1.3 小波神经网络学习算法 | 第24-25页 |
| 2.1.4 小波神经网络与非线性滤波器的关系 | 第25-26页 |
| 2.2 非线性滤波理论 | 第26-30页 |
| 2.2.1 非线性滤波理论 | 第26-27页 |
| 2.2.2 有限元递推估计的滤波方法 | 第27-30页 |
| 2.3 非线性滤波在小波神经网络的初始化中的应用 | 第30-36页 |
| 2.3.1 激活函数的选择 | 第30-31页 |
| 2.3.2 隐层神经元数目的选择 | 第31-32页 |
| 2.3.3 网络参数初始化设计 | 第32-36页 |
| 2.4 仿真实验与分析 | 第36-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 基于小波神经网络的变学习率调节方法研究 | 第44-66页 |
| 3.1 归一化最小均方算法 | 第44-47页 |
| 3.1.1 随机梯度法 | 第44-45页 |
| 3.1.2 最小均方算法 | 第45-46页 |
| 3.1.3 归一化最小均方算法 | 第46-47页 |
| 3.2 小波神经函数最优学习率的难点分析 | 第47-49页 |
| 3.3 小波神经函数的T-S模糊推理逼近 | 第49-52页 |
| 3.3.1 T-S模糊推理方法 | 第49-50页 |
| 3.3.2 小波神经函数的T-S模糊推理 | 第50-52页 |
| 3.4 小波神经网络的变学习率算法 | 第52-56页 |
| 3.4.1 输出层学习率 | 第53-54页 |
| 3.4.2 隐含层学习率 | 第54-56页 |
| 3.5 变学习率算法的收敛性分析 | 第56-58页 |
| 3.6 仿真实验与分析 | 第58-64页 |
| 3.7 本章小结 | 第64-66页 |
| 第4章 小波核神经网络的分数阶PID控制方法研究 | 第66-90页 |
| 4.1 核理论与基于核函数的最小均方算法 | 第66-68页 |
| 4.2 小波核神经网络 | 第68-74页 |
| 4.2.1 小波核函数 | 第68-69页 |
| 4.2.2 小波核神经网络学习算法 | 第69-72页 |
| 4.2.3 小波核神经网络的变学习率调节 | 第72-74页 |
| 4.3 基于小波核神经网络的PID控制器参数整定 | 第74-77页 |
| 4.3.1 PID控制器的数学描述 | 第74-75页 |
| 4.3.2 PID控制器的参数分析 | 第75-76页 |
| 4.3.3 基于小波核神经网络的PID控制器参数整定 | 第76-77页 |
| 4.4 分数阶PID控制器 | 第77-79页 |
| 4.4.1 分数阶PID控制器的数学描述 | 第77-79页 |
| 4.4.2 分数阶PID控制器的阶次分析 | 第79页 |
| 4.5 基于小波核神经网络的分数阶PID控制器参数整定 | 第79-81页 |
| 4.6 仿真实验与分析 | 第81-89页 |
| 4.6.1 小波核神经网络仿真 | 第81-83页 |
| 4.6.2 基于小波核神经网络的PID和分数阶PID控制器仿真 | 第83-89页 |
| 4.7 本章小结 | 第89-90页 |
| 第5章 基于SPSA的小波核神经网络控制器参数整定研究 | 第90-102页 |
| 5.1 随机逼近算法原理 | 第90-92页 |
| 5.2 SPSA算法原理及应用 | 第92-94页 |
| 5.3 基于SPSA算法的神经网络控制器设计 | 第94-96页 |
| 5.4 SPSA算法对小波核神经网络分数阶PID控制器的改进 | 第96-98页 |
| 5.5 仿真实验与分析 | 第98-101页 |
| 5.7 本章小结 | 第101-102页 |
| 第6章 基于小波神经网络整定的协调控制策略应用研究 | 第102-122页 |
| 6.1 分层递阶协调控制策略 | 第102-104页 |
| 6.1.1 协调控制原理 | 第102-103页 |
| 6.1.2 分层递阶协调控制策略 | 第103-104页 |
| 6.2 基于模糊SPSA小波核神经网络的分数阶PID控制算法 | 第104-108页 |
| 6.3 仿真实验及分析 | 第108-120页 |
| 6.3.1 基于Fuzzy SPSA-KWNN分数阶PID仿真实验 | 第108-111页 |
| 6.3.2 基于分层递阶的分数阶PID协调控制仿真实验 | 第111-120页 |
| 6.4 本章小结 | 第120-122页 |
| 结论 | 第122-126页 |
| 参考文献 | 第126-140页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第140-142页 |
| 致谢 | 第142-143页 |
