| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·智能控制发展历程 | 第9-11页 |
| ·智能控制发展背景 | 第9-10页 |
| ·智能控制理论的综述 | 第10-11页 |
| ·神经网络控制技术的研究现状 | 第11-13页 |
| ·本课题的研究意义 | 第13-14页 |
| ·神经网络控制技术存在的问题 | 第13页 |
| ·神经网络的遗传算法优化 | 第13-14页 |
| ·神经网络控制在电液伺服系统中的应用 | 第14页 |
| ·论文主要研究内容 | 第14-17页 |
| 第2章 神经网络及其遗传寻优学习算法 | 第17-39页 |
| ·人工神经网络原理 | 第17-25页 |
| ·从生物神经元到人工神经元 | 第17-19页 |
| ·单层感知器及 LMS 算法 | 第19-21页 |
| ·多层前向神经网络理论 | 第21-25页 |
| ·基于遗传算法的神经网络控制 | 第25-31页 |
| ·遗传算法基本概念 | 第25-27页 |
| ·遗传算法的构成要素 | 第27-30页 |
| ·遗传算法在神经网络的应用 | 第30-31页 |
| ·基于矩阵实验室的 GA-ANN 的实现 | 第31-38页 |
| ·矩阵实验室简介 | 第31页 |
| ·BP 神经网络结构设计 | 第31-32页 |
| ·神经网络学习样本设计 | 第32-33页 |
| ·基于列文伯格-马夸尔特算法的 BP 神经网络控制 | 第33-34页 |
| ·遗传寻优学习算法 | 第34-37页 |
| ·两种学习算法测试对比 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 遗传神经网络 PID 控制策略研究 | 第39-47页 |
| ·传统 PID 控制器 | 第39-40页 |
| ·传统 PID 参数整定法 | 第40-41页 |
| ·齐格勒-尼科尔斯整定公式 | 第40页 |
| ·ISE、ISTE、IST2E 等指标的最优 PID 控制器 | 第40-41页 |
| ·智能 PID 控制的理论基础 | 第41-43页 |
| ·遗传神经网络整定的 PID 控制 | 第43-45页 |
| ·基于单神经元网络的 PID 智能控制 | 第43-44页 |
| ·多层网络整定 PID 控制器 | 第44页 |
| ·PID 神经元网络 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 电液位置伺服控制系统的建模与仿真 | 第47-59页 |
| ·电液位置伺服控制系统建模 | 第47-54页 |
| ·四通阀控制液压缸的传递函数 | 第47-50页 |
| ·伺服放大板环节的传递函数 | 第50页 |
| ·伺服阀传递函数 | 第50-51页 |
| ·检测反馈装置的传递函数 | 第51-52页 |
| ·电液位置伺服控制系统参数选取及其计算 | 第52-54页 |
| ·电液位置伺服控制系统的仿真 | 第54-58页 |
| ·基于模拟 PID 控制器的仿真 | 第54-56页 |
| ·GA-BP-PID 控制策略 | 第56-57页 |
| ·系统阶跃响应的仿真对比结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 个人简历 | 第65-67页 |
| 致谢 | 第67页 |