| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 致谢 | 第8-11页 |
| 第一章 绪论 | 第11-28页 |
| §1.1 控制科学：发展、挑战和机遇 | 第11-13页 |
| §1.2 神经网络研究的发展历史及现状 | 第13-15页 |
| §1.3 神经网络与非线性控制 | 第15-20页 |
| §1.3.1 神经网络在控制中的应用特点 | 第15-18页 |
| §1.3.2 神经网络控制系统 | 第18-20页 |
| §1.4 控制中常用的神经网络 | 第20-25页 |
| §1.4.1 静态多层前向网络 | 第21-24页 |
| §1.4.2 动态反馈网络 | 第24-25页 |
| §1.5 全文的安排 | 第25-28页 |
| 第二章 径向基函数(RBF)网络 | 第28-54页 |
| §2.1 径向基函数(RADIAL BASIS FUNCTION) | 第28页 |
| §2.2 径向基函数网络的提出及其特点 | 第28-31页 |
| §2.3 径向基函数网络的正则化理论和正则化方法 | 第31-36页 |
| §2.3.1 正则化理论 | 第31-32页 |
| §2.3.2 正则化网络 | 第32-33页 |
| §2.3.3 正则化方法的推广 | 第33-36页 |
| §2.4 径向基函数网络的学习算法及其改进 | 第36-53页 |
| §2.4.1 径向基函数网络的正交最小二乘学习算法 | 第36-40页 |
| §2.4.2 径向基函数网络的k—MEANS聚类算法 | 第40-42页 |
| §2.4.3 径向基函数网络聚类及Givens变换联合算法 | 第42-46页 |
| §2.4.4 曲率平滑训练算法 | 第46-47页 |
| §2.4.5 聚类算法及其改进 | 第47-53页 |
| §2.5 本章小结 | 第53-54页 |
| 第三章 基于径向基函数网络和非线性系统逆动态的辨识与控制 | 第54-77页 |
| §3.1 逆系统方法概述 | 第54-62页 |
| §3.1.1 反馈线性化和逆系统方法 | 第55-56页 |
| §3.1.2 逆系统方法原理 | 第56-57页 |
| §3.1.3 伪线性系统综合 | 第57-62页 |
| §3.2 非线性系统的可逆性 | 第62-66页 |
| §3.2.1 可逆性的一般概念 | 第62-64页 |
| §3.2.2 单变量系统的逆及其可逆性判定 | 第64-65页 |
| §3.2.3 多变量系统的可逆性 | 第65-66页 |
| §3.3 非线性离散系统的逆方法综合及其可逆性判定 | 第66-68页 |
| §3.3.1 离散系统的逆系统方法综合 | 第66-67页 |
| §3.3.2 离散系统的可逆性判定 | 第67-68页 |
| §3.4 逆动态系统的RBF网络和直接逆控制策略 | 第68-75页 |
| §3.4.1 问题描述 | 第68-69页 |
| §3.4.2 直接逆动态控制器的存在性 | 第69-71页 |
| §3.4.3 基于RBF网络的伪线性系统综合及仿真研究 | 第71-75页 |
| §3.5 本章小结 | 第75-77页 |
| 第四章 基于径基函数网络的自适应控制和一种权值在线调节算法 | 第77-89页 |
| §4.1 概述 | 第77-78页 |
| §4.2 基于RBF网络的自适应控制器设计及算法改进 | 第78-81页 |
| §4.2.1 基于RBF网络的自适应控制器设计步骤 | 第78-80页 |
| §4.2.2 在线权值修正算法的改进 | 第80-81页 |
| §4.3 仿真研究 | 第81-88页 |
| §4.4 本章小结 | 第88-89页 |
| 第五章 基于RBF神经网络的在线学习控制器设计 | 第89-105页 |
| §5.1 学习控制器 | 第89-93页 |
| §5.1.1 迭代控制器 | 第90-91页 |
| §5.1.2 自学习控制系统 | 第91-93页 |
| §5.2 基于RBF网络的学习控制器 | 第93-104页 |
| §5.2.1 直接在线学习控制策略 | 第95-97页 |
| §5.2.2 Butterworth滤波器和控制策略的综合设计 | 第97-101页 |
| ·Butterworth滤波器 | 第97-100页 |
| ·学习控制器的综合设计 | 第100-101页 |
| §5.2.3 仿真结果 | 第101-104页 |
| §5.3 本章小结 | 第104-105页 |
| 第六章 基于RBFN及模糊方法的非线性多模型自适应控制 | 第105-123页 |
| §6.1 引言 | 第105-106页 |
| §6.2 SISO系统的多模型控制策略 | 第106-114页 |
| §6.3 基于模糊规则的多模型自适应控制 | 第114-122页 |
| §6.3.1 模糊方法及模糊分类器 | 第115-118页 |
| §6.3.2 基于模糊分类方法的多模型控制策略 | 第118-122页 |
| §6.4 本章小结 | 第122-123页 |
| 第七章 结束语 | 第123-125页 |
| 参考文献 | 第125-139页 |
| 作者攻博期间完成的论文 | 第139页 |
