| 摘要 | 第1-6页 |
| ABSTRACT | 第6-17页 |
| 第一章 绪论 | 第17-19页 |
| ·引言 | 第17-18页 |
| ·本文的主要工作 | 第18页 |
| ·本文的内容安排 | 第18-19页 |
| 第二章 大时滞系统控制概述 | 第19-27页 |
| ·引言 | 第19页 |
| ·大时滞系统概述 | 第19-20页 |
| ·大时滞系统经典控制方法 | 第20-21页 |
| ·PID直接整定方法 | 第21页 |
| ·PID等效方法 | 第21页 |
| ·PID与其它方法结合 | 第21页 |
| ·大时滞系统的先进控制方法 | 第21-24页 |
| ·Smith预估控制 | 第22-23页 |
| ·大林算法 | 第23-24页 |
| ·预测控制 | 第24页 |
| ·大时滞系统智能控制方法 | 第24-26页 |
| ·模糊控制 | 第25页 |
| ·神经网络控制 | 第25-26页 |
| ·模糊神经网络控制 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 内模控制研究 | 第27-43页 |
| ·引言 | 第27页 |
| ·内模控制方法简述 | 第27-35页 |
| ·传统内模控制方法 | 第27-28页 |
| ·内模控制原理结构 | 第28-29页 |
| ·内模控制的基本性质 | 第29-32页 |
| ·内模控制对偶稳定性 | 第30页 |
| ·内模控制的理想控制器特性 | 第30-31页 |
| ·内模控制的零稳态偏差特性 | 第31-32页 |
| ·稳定对象内模控制器的设计 | 第32-33页 |
| ·不稳定对象内模控制器设计 | 第33-34页 |
| ·滤波器设计 | 第34-35页 |
| ·内模控制结构的改进 | 第35-38页 |
| ·双口内模控制 | 第35-36页 |
| ·带扰动回环的改进内模控制 | 第36页 |
| ·基于逆系统的内模控制结构 | 第36-38页 |
| ·IMC综合控制结构 | 第38-42页 |
| ·内模控制与预测控制结合 | 第38-39页 |
| ·自适应内模控制方法 | 第39-40页 |
| ·内模控制与其它控制方式结合 | 第40-42页 |
| ·Adaline神经网络实现增益自适应内模控制算法 | 第40-41页 |
| ·在线变结构补偿模糊神经网络训练算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 大时滞不稳定系统的内模控制研究 | 第43-67页 |
| ·引言 | 第43-45页 |
| ·改进内模控制研究 | 第45-47页 |
| ·控制器整定方法 | 第47-54页 |
| ·控制器K_0整定 | 第47-48页 |
| ·控制器K_1整定 | 第48-51页 |
| ·一阶不稳定时滞对象(ε<1) | 第48-50页 |
| ·一阶不稳定时滞对象(1<ε<2) | 第50页 |
| ·二阶不稳定时滞对象(ε<1) | 第50页 |
| ·二阶不稳定时滞对象(1<ε<2) | 第50-51页 |
| ·控制器K_2K_3整定 | 第51-52页 |
| ·控制器K_4整定 | 第52-54页 |
| ·IMC的鲁棒性问题及抗扰性证明 | 第54-55页 |
| ·IMC的鲁棒性问题 | 第54页 |
| ·串级抗扰性证明 | 第54-55页 |
| ·典型时滞不稳定系统的控制器设计 | 第55-59页 |
| ·一阶时滞不稳定系统 | 第55-56页 |
| ·二阶时滞不稳定系统(一个不稳定极点) | 第56-58页 |
| ·二阶时滞不稳定系统(两个不稳定极点) | 第58-59页 |
| ·仿真实验 | 第59-66页 |
| ·一阶时滞过程对象(ε<1) | 第59-60页 |
| ·一阶时滞过程对象(1<ε<2) | 第60-62页 |
| ·二阶时滞过程对象(一个不稳定极点)(ε<1) | 第62-63页 |
| ·二阶时滞过程对象(一个不稳定极点)(1<ε<2) | 第63-64页 |
| ·二阶时滞过程对象(两个不稳定极点)(ε<1) | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 支持向量机概述 | 第67-83页 |
| ·引言 | 第67页 |
| ·统计学习理论 | 第67-71页 |
| ·机器学习问题的表示 | 第67-69页 |
| ·推广性的界 | 第69-70页 |
| ·结构风险最小化 | 第70-71页 |
| ·支持向量机概述 | 第71-78页 |
| ·广义最优分类面 | 第71-73页 |
| ·支持向量机 | 第73-74页 |
| ·核函数 | 第74-75页 |
| ·支持向量机算法 | 第75-78页 |
| ·选块算法 | 第75-76页 |
| ·分解算法 | 第76页 |
| ·序列最小优化算法 | 第76-78页 |
| ·应用研究 | 第78-81页 |
| ·模式识别 | 第78页 |
| ·函数拟合及系统辨识 | 第78-81页 |
| ·基于支持向量机的非线性系统辨识 | 第78-79页 |
| ·基于支持向量机的逆系统离散控制方法 | 第79-80页 |
| ·一种基于支持向量机的内模控制方法 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 支持向量机时滞系统辨识与内模控制 | 第83-95页 |
| ·引言 | 第83页 |
| ·支持向量机时滞系统辨识原理 | 第83-85页 |
| ·系统模型及逆模型辨识 | 第83-84页 |
| ·两种辨识结构 | 第84-85页 |
| ·支持向量机时滞逆系统 | 第85-86页 |
| ·逆的基本概念 | 第85页 |
| ·逆的存在原则 | 第85-86页 |
| ·支持向量机逆辨识结构 | 第86-89页 |
| ·直接逆模型 | 第86-87页 |
| ·正—逆模型建模 | 第87-88页 |
| ·逆—逆系统建模 | 第88-89页 |
| ·支持向量机时滞系统辨识仿真研究 | 第89-92页 |
| ·正模型辨识 | 第89-90页 |
| ·逆模型辨识 | 第90-92页 |
| ·支持向量机在内模控制中的应用研究 | 第92页 |
| ·支持向量机内模控制结构(SVM-IMC) | 第92页 |
| ·支持向量机内模控制仿真 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 第七章 结论 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 致谢 | 第101-102页 |
| 研究成果及发表的学术论文 | 第102-103页 |
| 作者及导师简介 | 第103-104页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第104-105页 |