| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-12页 |
| 1-1 自适应逆控制简介 | 第6-8页 |
| ·自适应逆控制的基本概念 | 第6-7页 |
| ·国内外现状 | 第7-8页 |
| 1-2 神经网络逆控制方法 | 第8-9页 |
| ·神经网络控制概况 | 第8-9页 |
| ·神经网络逆控制 | 第9页 |
| 1-3 进化规划的介绍 | 第9-10页 |
| 1-4 本文的研究目的与意义 | 第10-11页 |
| 1-5 本文的主要研究内容与结构安排 | 第11-12页 |
| 第二章 系统可逆性分析及逆对象建模方法 | 第12-18页 |
| 2-1 系统可逆性 | 第12-13页 |
| 2-2 神经网络逆控制的基本原理 | 第13-15页 |
| ·正向建模 | 第13页 |
| ·逆向建模 | 第13-15页 |
| 2-3 逆动态系统的RBF网络 | 第15-18页 |
| ·RBF(radial basis function)网络的简介 | 第15-16页 |
| ·逆动态系统的RBF网络 | 第16-18页 |
| 第三章 基于单纯形法的进化规划算法 | 第18-33页 |
| 3-1 进化规划算法的原理与收敛性分析 | 第18-24页 |
| ·进化规划算法的基本构成 | 第18-20页 |
| ·进化规划的主要特点 | 第20-21页 |
| ·标准进化规划的步骤 | 第21页 |
| ·进化规划的收敛性分析 | 第21-24页 |
| 3-2 进化规划算法与单纯形法的混合算法 | 第24-27页 |
| ·进化规划算法与单纯形法的分析 | 第24页 |
| ·EPSM算法简介 | 第24-26页 |
| ·EPSM算法步骤 | 第26-27页 |
| ·EPSM算法收敛性分析 | 第27页 |
| 3-3 基于EPSM算法的RBF网络设计新方法 | 第27-28页 |
| 3-4 仿真研究 | 第28-32页 |
| ·单输入单输出非线性函数的拟合 | 第28-30页 |
| ·多输入单输出的控制对象辨识 | 第30-32页 |
| 3-5 本章小结 | 第32-33页 |
| 第四章 多变量系统的解耦控制 | 第33-43页 |
| 4-1 解耦控制简介 | 第33-34页 |
| ·解耦控制的发展 | 第33页 |
| ·多变量系统解耦简介 | 第33-34页 |
| ·神经网络解耦方法的研究意义 | 第34页 |
| 4-2 基于EPSM算法的RBF神经网络解耦控制方案 | 第34-37页 |
| ·神经网络解耦原理 | 第34-36页 |
| ·基于EPSM算法的RBF神经网络解耦控制 | 第36-37页 |
| 4-3 仿真研究 | 第37-42页 |
| ·仿真示例1 | 第37-39页 |
| ·仿真示例2 | 第39-42页 |
| 4-4 本章小结 | 第42-43页 |
| 第五章 系统逆控制仿真 | 第43-52页 |
| 5-1 PID控制 | 第43-45页 |
| 5-2 基于EPSM算法的RBFNN自适应逆控制策略 | 第45-46页 |
| ·逆控制器的建立 | 第45-46页 |
| ·基于EPSM算法来训练RBFNN的控制算法 | 第46页 |
| 5-3 仿真研究 | 第46-51页 |
| ·线性系统仿真示例 | 第46-47页 |
| ·非线性系统仿真示例 | 第47-51页 |
| 5-4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 发表论文 | 第57页 |
