| 摘 要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题研究的背景及研究的意义 | 第11-13页 |
| ·倒立摆系统稳定与控制研究的发展状况 | 第13-15页 |
| ·自适应逆控制研究的历史和现状 | 第15-19页 |
| 第2章 自适应逆控制与倒立摆系统简介 | 第19-48页 |
| ·自适应逆控制的基本概念 | 第19-21页 |
| ·自适应逆控制的扩展结构 | 第21-24页 |
| ·逆对象建模 | 第24-28页 |
| ·最小相位对象的逆 | 第25页 |
| ·非最小相位对象的逆 | 第25-26页 |
| ·模型参考的逆 | 第26-27页 |
| ·有扰动对象的逆 | 第27-28页 |
| ·自适应逆控制系统的结构 | 第28-34页 |
| ·基本结构 | 第28-30页 |
| ·基于ε-滤波LMS算法的自适应逆控制 | 第30-31页 |
| ·非线性对象的自适应逆控制结构 | 第31-34页 |
| ·非线性自适应逆控制的基本结构 | 第31-34页 |
| ·自适应滤波和几种算法的介绍 | 第34-37页 |
| ·自适应滤波器 | 第34-36页 |
| ·梯度和wiener解 | 第36页 |
| ·最速下降法和LMS算法 | 第36-37页 |
| ·二级倒立摆数学模型的建立 | 第37-46页 |
| ·二级倒立摆数学模型的组成 | 第38-40页 |
| ·结构参数 | 第40-41页 |
| ·Lagrange方程介绍 | 第41页 |
| ·二级倒立摆数学模型的推导 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 第3章 倒立摆的自适应逆控制研究 | 第48-67页 |
| ·极点配置仿真 | 第49-51页 |
| ·自适应逆控制仿真 | 第51-53页 |
| ·扰动情况下系统自适应逆控制仿真 | 第53-57页 |
| ·极点配置在扰动情况下仿真 | 第53-55页 |
| ·自适应逆控制在扰动情况下仿真 | 第55-57页 |
| ·基于U-滤波LMS算法的自适应逆控制 | 第57-65页 |
| ·U-滤波LMS算法 | 第57-61页 |
| ·基于U-滤波LMS算法的自适应逆控制系统 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第4章 粒子群算法及其在多层前向神经网络训练中的应用 | 第67-104页 |
| ·粒子群优化算法 | 第67-72页 |
| ·PSO算法基本原理 | 第69-70页 |
| ·PSO算法的数学描述 | 第70-72页 |
| ·PSO算法的改进 | 第72-79页 |
| ·加入惯性权重因子w的PSO算法 | 第72-73页 |
| ·杂交PSO(HPSO)模型 | 第73-75页 |
| ·收敛因子模型 | 第75-76页 |
| ·协同PSO算法 | 第76页 |
| ·收敛速度的改进 | 第76-77页 |
| ·增加多样性的改进 | 第77-78页 |
| ·全局方法 | 第78-79页 |
| ·动态目标函数 | 第79页 |
| ·PSO算法的仿真实例及改进算法比较 | 第79-87页 |
| ·PSO与遗传算法的比较 | 第87-91页 |
| ·算法特点比较 | 第87-89页 |
| ·仿真比较 | 第89-91页 |
| ·使用PSO训练多层前向神经网络 | 第91-100页 |
| ·多层神经网络简介 | 第91-93页 |
| ·网络学习与泛化 | 第93-94页 |
| ·基于PSO的神经网络学习算法 | 第94-97页 |
| ·仿真实验及结果分析 | 第97-100页 |
| ·PSO与BP算法相结合的神经网络训练 | 第100-102页 |
| ·本章小结 | 第102-104页 |
| 第5章 二级倒摆系统的神经网络自适应逆控制研究 | 第104-116页 |
| ·二级倒立摆系统正向模型的建立 | 第105-107页 |
| ·二级倒立摆延迟逆模型的建立 | 第107-108页 |
| ·自适应逆控制系统仿真—逆控制建立及仿真 | 第108-115页 |
| ·本章小结 | 第115-116页 |
| 结论 | 第116-119页 |
| 参考文献 | 第119-128页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第128-129页 |
| 致谢 | 第129-130页 |
| 个人简历 | 第130页 |