模糊RBF网络的研究和应用
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-18页 |
| ·问题的提出及研究意义 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| 2 遗传算法优化模糊RBF网络的研究 | 第18-42页 |
| ·人工神经网络概述 | 第18-20页 |
| ·神经网络的发展历史 | 第18-19页 |
| ·神经网络的特点和类型 | 第19页 |
| ·神经网络的学习方法 | 第19-20页 |
| ·RBF(径向基函数)神经网络的原理和学习算法 | 第20-25页 |
| ·聚类方法 | 第21-23页 |
| ·正交最小二乘法(OLS)学习算法 | 第23-24页 |
| ·梯度训练方法 | 第24-25页 |
| ·模糊控制介绍 | 第25-32页 |
| ·模糊控制的发展历史 | 第25-26页 |
| ·模糊控制的原理 | 第26-28页 |
| ·模糊控制器的输入变量和输出变量 | 第28-30页 |
| ·模糊控制器的隶属函数 | 第30页 |
| ·模糊控制规则、推理及其模糊量的非模糊化方法 | 第30-32页 |
| ·遗传算法 | 第32-36页 |
| ·遗传算法中的基本概念 | 第32-34页 |
| ·标准遗传算法有关参数的确定 | 第34-35页 |
| ·标准遗传算法的特点 | 第35页 |
| ·标准遗传算法的应用 | 第35-36页 |
| ·标准遗传算法的不足 | 第36页 |
| ·自适应遗传算法 | 第36-38页 |
| ·算子改进 | 第36-37页 |
| ·算法特点 | 第37-38页 |
| ·模糊RBF神经网络 | 第38-41页 |
| ·模糊RBF网络的设计 | 第38-40页 |
| ·自适应遗传算法的优化 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 3 模糊RBF网络在移动抽排系统中的应用 | 第42-51页 |
| ·煤矿瓦斯移动抽排系统整体结构及性能 | 第42页 |
| ·定量控制 | 第42-44页 |
| ·模糊RBF网络控制 | 第44-49页 |
| ·常规模糊控制器 | 第44-46页 |
| ·模糊RBF的设计 | 第46-48页 |
| ·遗传算法的优化 | 第48-49页 |
| ·系统仿真和结论 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 4 模糊RBF在机器人控制系统的研究 | 第51-76页 |
| ·引言 | 第51-55页 |
| ·机器人常用的控制方法 | 第51页 |
| ·不确定机器人系统的控制 | 第51-52页 |
| ·机器人动力模型及其结构特性 | 第52-53页 |
| ·死区非线性特性 | 第53-54页 |
| ·机器人结构参数 | 第54-55页 |
| ·传统控制器的设计及分析 | 第55-57页 |
| ·基于模糊RBF网络逼近的机器人控制 | 第57-66页 |
| ·基于模糊RBF网络的逼近算法 | 第57-58页 |
| ·基于模糊RBF网络的控制器设计 | 第58页 |
| ·稳定性及收敛性分析 | 第58-60页 |
| ·针对f(x)中各项分别进行模糊RBF网络逼近 | 第60页 |
| ·稳定性分析 | 第60-66页 |
| ·基于死区补偿的机器人模糊RBF控制 | 第66-75页 |
| ·死区模糊补偿器 | 第66-67页 |
| ·多入多出控制系统的死区模糊补偿器 | 第67-68页 |
| ·模糊RBF网络的设计 | 第68-75页 |
| ·本章小结 | 第75-76页 |
| 5 结论与展望 | 第76-78页 |
| ·主要结论和研究结果 | 第76页 |
| ·后续研究工作的展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 作者简介及读研期间主要科研成果 | 第82页 |
