基于GA-Elman神经网络预测的时延网络控制系统故障检测
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 NCS故障检测技术的国内外研究现状 | 第10-13页 |
| 1.2.1 短时延NCS故障检测 | 第10-12页 |
| 1.2.2 长时延NCS故障检测 | 第12-13页 |
| 1.3 神经网络在NCS中的一些应用及其发展 | 第13-15页 |
| 1.3.1 神经网络在NCS中的一些应用 | 第13-14页 |
| 1.3.2 神经网络的发展概述 | 第14-15页 |
| 1.4 本文的创新点与章节安排 | 第15-17页 |
| 第2章 网络控制系统分析 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 网络控制系统概述 | 第17-18页 |
| 2.2.1 网络控制系统基本结构 | 第17-18页 |
| 2.2.2 网络控制系统的基本问题 | 第18页 |
| 2.3 网络控制系统时延分析 | 第18-23页 |
| 2.3.1 网络诱导时延的成因及其组成 | 第19-20页 |
| 2.3.2 时延特性分析 | 第20-21页 |
| 2.3.3 时延对NCS的性能影响 | 第21-23页 |
| 2.4 基于增广模型观测器的NCS故障检测 | 第23-25页 |
| 2.4.1 网络控制系统建模 | 第23页 |
| 2.4.2 增广观测器设计 | 第23-24页 |
| 2.4.3 实例分析 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于神经网络的时延采样值预测 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 BP神经网络 | 第27-32页 |
| 3.2.1 BP网络结构 | 第27-28页 |
| 3.2.2 BP学习算法 | 第28-31页 |
| 3.2.3 BP算法的改进 | 第31-32页 |
| 3.2.4 BP神经网络流程图 | 第32页 |
| 3.3 Elman神经网络 | 第32-35页 |
| 3.3.1 Elman神经网络结构 | 第33页 |
| 3.3.2 Elman神经网络学习过程 | 第33-34页 |
| 3.3.3 Elman神经网络流程图 | 第34-35页 |
| 3.4 神经网络预测 | 第35-39页 |
| 3.4.1 采样样本的收集与处理 | 第35-36页 |
| 3.4.2 神经网络设计 | 第36-38页 |
| 3.4.3 两种神经网络预测对比 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于遗传算法优化的Elman神经网络 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 遗传算法概述 | 第41-43页 |
| 4.3 遗传算法基本思想 | 第43-46页 |
| 4.3.1 遗传编码 | 第43-44页 |
| 4.3.2 适应度函数 | 第44页 |
| 4.3.3 选择算子 | 第44-45页 |
| 4.3.4 交叉算子 | 第45页 |
| 4.3.5 变异算子 | 第45-46页 |
| 4.4 遗传算法优化Elman神经网络 | 第46-52页 |
| 4.4.1 遗传算法优化Elman神经网络步骤 | 第46-48页 |
| 4.4.2 遗传算法优化Elman神经网络流程图 | 第48-49页 |
| 4.4.3 遗传算法优化Elman神经网络结果 | 第49-52页 |
| 4.5 本章小节 | 第52-55页 |
| 第5章 基于预测的故障检测 | 第55-67页 |
| 5.1 引言 | 第55页 |
| 5.2 基于预测的网络控制系统模型 | 第55-56页 |
| 5.3 基于预测的观测器设计 | 第56-58页 |
| 5.4 故障观测器的稳定性分析 | 第58-60页 |
| 5.5 仿真示例 | 第60-65页 |
| 5.6 本章小节 | 第65-67页 |
| 第6章 工作总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 后续研究及展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 个人简历及在学期间发表的学术论文 | 第77页 |
