基于改进RBF神经网络的PID控制
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景 | 第10页 |
| ·神经网络的发展概况 | 第10-12页 |
| ·磁悬浮控制的发展趋势 | 第12-13页 |
| ·课题的来源及研究的意义 | 第13-14页 |
| ·本论文主要研究内容 | 第14-16页 |
| 第2章 人工神经网络的基本原理 | 第16-26页 |
| ·神经网络概述 | 第16-17页 |
| ·MP 模型 | 第16-17页 |
| ·激励函数类型 | 第17页 |
| ·神经网络学习规则 | 第17-19页 |
| ·神经网络模型结构 | 第19-20页 |
| ·前馈网络 | 第19页 |
| ·反馈网络 | 第19-20页 |
| ·BP 神经网络 | 第20-22页 |
| ·BP 神经网络结构 | 第20-21页 |
| ·BP 学习算法 | 第21-22页 |
| ·BP 学习算法缺点 | 第22页 |
| ·径向基函数网络 | 第22-25页 |
| ·RBF 神经网络模型 | 第23-24页 |
| ·RBF 网络的学习优势 | 第24页 |
| ·参数的调整算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 神经网络的PID 控制 | 第26-37页 |
| ·PID 控制的局限性 | 第26-27页 |
| ·BP 神经网络PID 的整定 | 第27-32页 |
| ·BP 神经网络PID 整定的控制算法 | 第27-29页 |
| ·算例 | 第29-32页 |
| ·RBF 神经网络的改进 | 第32-36页 |
| ·基于RBF 神经网络的PID 整定 | 第32-34页 |
| ·仿真算例 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 磁悬浮系统的神经PID 控制器设计 | 第37-55页 |
| ·磁悬浮系统的简单介绍 | 第37-38页 |
| ·磁悬浮系统的基本结构 | 第37-38页 |
| ·磁悬浮系统的工作原理 | 第38页 |
| ·磁悬浮系统的动力学模型 | 第38-42页 |
| ·电磁力模型 | 第38-39页 |
| ·垂直方向的动力学方程 | 第39-40页 |
| ·绕组回路的电学方程 | 第40页 |
| ·线性化模型分析 | 第40-42页 |
| ·磁悬浮系统的非线性模型 | 第42-43页 |
| ·MATLAB 下建立磁悬浮系统模型 | 第43-45页 |
| ·S-函数简介 | 第43-44页 |
| ·S-函数使用步骤 | 第44-45页 |
| ·S-函数建立磁悬浮非线性系统模型 | 第45页 |
| ·基于RBF 神经网络的PID 控制仿真研究 | 第45-53页 |
| ·常规PID 控制仿真 | 第46页 |
| ·神经PID 控制器设计 | 第46-49页 |
| ·神经PID 控制器设计的改进 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
