| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-10页 |
| 英文目录 | 第10-14页 |
| 第一章 绪论 | 第14-23页 |
| ·预测控制的产生与意义 | 第14-15页 |
| ·预测控制的机理与特征 | 第15-18页 |
| ·预测控制的特征 | 第15-17页 |
| ·与几种其他控制的区别 | 第17-18页 |
| ·预测控制的研究现状 | 第18-20页 |
| ·本文的研究内容 | 第20-23页 |
| 第二章 预测控制的算法与应用 | 第23-47页 |
| ·两种非参数模型的预测控制算法 | 第23-30页 |
| ·模型算法控制 | 第23-27页 |
| ·动态矩阵控制 | 第27-30页 |
| ·液位对象的自校正动态矩阵控制 | 第30-35页 |
| ·任务与要求 | 第30-31页 |
| ·系统设计 | 第31-34页 |
| ·检验 | 第34-35页 |
| ·结论 | 第35页 |
| ·广义预测控制 | 第35-41页 |
| ·模型描述 | 第35-36页 |
| ·多步预测 | 第36-38页 |
| ·控制律 | 第38页 |
| ·在线辨识模型参数 | 第38-39页 |
| ·单值广义预测控制 | 第39-41页 |
| ·温度试验箱的PI型广义预测控制 | 第41-47页 |
| ·引言 | 第41页 |
| ·控制系统的改进及结构 | 第41页 |
| ·控制算法 | 第41-44页 |
| ·仿真实验 | 第44页 |
| ·结论 | 第44-47页 |
| 第三章 预测控制系统的分析与研究 | 第47-69页 |
| ·液位自校正动态矩阵控制系统闭环特性分析 | 第47-51页 |
| ·内模控制及其性质 | 第47-48页 |
| ·液位自校正动态矩阵控制系统的闭环特性 | 第48-51页 |
| ·温箱PI型广义预测控制系统的稳定性与鲁棒性 | 第51-55页 |
| ·温度系统的内模结构 | 第51-52页 |
| ·温度系统的稳定性 | 第52页 |
| ·温度系统的鲁棒性 | 第52-55页 |
| ·预测控制的常用模型 | 第55-61页 |
| ·预测控制的常用模型类别 | 第55-57页 |
| ·不同模型间的关系 | 第57-60页 |
| ·模型的统一形式 | 第60-61页 |
| ·预测控制的设计参数研究 | 第61-69页 |
| ·预测时域长度P和加权矩阵Q | 第62-63页 |
| ·控制时域长度M和加权矩阵R | 第63-64页 |
| ·采样周期T_0和非参数模型长度N | 第64页 |
| ·举例 | 第64-69页 |
| 第四章 非线性预测控制 | 第69-91页 |
| ·非线性对象的线性化预测控制 | 第69-75页 |
| ·李雅普诺夫线性化方法 | 第69-70页 |
| ·反馈线性化 | 第70-73页 |
| ·线性化后的预测控制设计 | 第73-75页 |
| ·基于Hammerstein模型预测控制的分析与研究 | 第75-82页 |
| ·引言 | 第75页 |
| ·基于Hammerstein模型的预测控制 | 第75-77页 |
| ·控制变量的求法 | 第77-78页 |
| ·考察近似法 | 第78-82页 |
| ·结论 | 第82页 |
| ·基于NARX模型的非线性预测控制 | 第82-91页 |
| ·NARX模型与简化 | 第83-85页 |
| ·基于NARX模型的广义预测控制与仿真 | 第85-88页 |
| ·与基于Hammerstein模型控制的比较 | 第88-89页 |
| ·结论 | 第89-91页 |
| 第五章 神经网络技术在预测控制中的应用 | 第91-121页 |
| ·神经网络的有关结论与输出预测 | 第91-96页 |
| ·多层前向网络的逼近能力 | 第91-93页 |
| ·用神经网络表示非线性系统的可能性 | 第93-94页 |
| ·神经网络模型的多步输出预测 | 第94-96页 |
| ·基于神经网络的单值预测控制 | 第96-102页 |
| ·引言 | 第96页 |
| ·预测神经网络设计 | 第96-98页 |
| ·控制神经网络设计 | 第98-99页 |
| ·算法收敛性 | 第99-100页 |
| ·仿真 | 第100-101页 |
| ·与三层BP网的比较 | 第101页 |
| ·结束语 | 第101-102页 |
| ·基于径向基函数神经网络的内模控制 | 第102-108页 |
| ·内模控制回顾 | 第102页 |
| ·系统设计 | 第102-106页 |
| ·网络参量收敛于极小点的性质 | 第106-107页 |
| ·仿真与比较 | 第107-108页 |
| ·结论 | 第108页 |
| ·非线性时延对象的动态递归神经网络控制 | 第108-121页 |
| ·时延对象的特点以及一步超前预测控制的不足 | 第108-109页 |
| ·多步预测与补偿控制算法 | 第109-113页 |
| ·系统稳定性与预测补偿步数p的关系 | 第113-114页 |
| ·仿真实验 | 第114-116页 |
| ·结论 | 第116-121页 |
| 参考文献 | 第121-127页 |
| 攻读博士学位期间发表论文情况 | 第127-128页 |
| 致谢 | 第128页 |