| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1. 引言 | 第10-15页 |
| ·研究目的和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文主要工作 | 第13-15页 |
| 2. 扫雷犁系统综述 | 第15-22页 |
| ·系统简介 | 第15-16页 |
| ·系统硬件组成 | 第16-19页 |
| ·CDM-1398 PC/104 CPU模块 | 第16页 |
| ·数据输入输出模块 | 第16-17页 |
| ·旋转变压器及RDC转换模块 | 第17页 |
| ·伺服放大器电路 | 第17-18页 |
| ·扫雷犁电液伺服系统 | 第18-19页 |
| ·建模数据产生及模型性能评价 | 第19-21页 |
| ·激励信号选择 | 第19-20页 |
| ·建模数据及预处理 | 第20页 |
| ·模型性能的评价 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3. 扫雷犁电液伺服系统建模方法介绍 | 第22-33页 |
| ·传递函数 | 第22-25页 |
| ·伺服阀方程 | 第22页 |
| ·伺服阀流量方程 | 第22-23页 |
| ·连续性方程 | 第23-24页 |
| ·力平衡方程 | 第24-25页 |
| ·模糊建模 | 第25-26页 |
| ·神经网络建模 | 第26-27页 |
| ·建模性能实验仿真 | 第27-32页 |
| ·传递函数 | 第27-28页 |
| ·非线性有源自回归模型 | 第28页 |
| ·模糊模型 | 第28-29页 |
| ·自适应神经模糊推理系统 | 第29-30页 |
| ·神经网络 | 第30-31页 |
| ·小结 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4. 扫雷犁电液伺服系统的神经网络建模方法 | 第33-47页 |
| ·神经网络基础知识 | 第33-35页 |
| ·前向神经网络 | 第34-35页 |
| ·MLP神经网络 | 第35-38页 |
| ·LM算法 | 第36-38页 |
| ·RBF神经网络 | 第38-41页 |
| ·OLS算法 | 第39-41页 |
| ·神经网络建模实验仿真 | 第41-46页 |
| ·MLP神经网络建模 | 第41-43页 |
| ·RBF神经网络建模 | 第43-45页 |
| ·小结 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5. 基于遗传RBF神经网络的扫雷犁电液伺服系统建模 | 第47-67页 |
| ·遗传算法概述 | 第47-53页 |
| ·遗传算法的基本思想 | 第47页 |
| ·遗传算法的特点 | 第47-49页 |
| ·遗传算法的流程及实现 | 第49-50页 |
| ·遗传算法的实现 | 第50-53页 |
| ·遗传算法优化RBF神经网络参数 | 第53-59页 |
| ·GA优化RBF神经网络参数的算法 | 第54-56页 |
| ·实验与结果 | 第56-59页 |
| ·基于递阶遗传算法的RBF神经网络设计 | 第59-66页 |
| ·递阶遗传算法 | 第60页 |
| ·基于HGA的RBF神经网络设计 | 第60-62页 |
| ·实验与结果 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 6. 多目标遗传算法优化RBF神经网络 | 第67-80页 |
| ·多目标遗传算法 | 第67-70页 |
| ·多目标优化问题 | 第67-69页 |
| ·多目标遗传算法及其发展概况 | 第69-70页 |
| ·非支配排序遗传算法II | 第70-75页 |
| ·NSGA | 第71页 |
| ·NSGA-II的关键算法 | 第71-75页 |
| ·NSGA-II优化RBF神经网络 | 第75-78页 |
| ·NSGA-II直接优化RBF神经网络的算法实施分析 | 第75-76页 |
| ·NSGA-II算法的改进 | 第76-78页 |
| ·NSGA-II-HGA算法实验仿真 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 7. 扫雷犁电液伺服系统的神经网络控制 | 第80-86页 |
| ·神经网络控制 | 第80-81页 |
| ·神经网络控制的基本概念 | 第80页 |
| ·神经网络控制的分类 | 第80-81页 |
| ·神经网络直接逆控制 | 第81-82页 |
| ·控制系统实验仿真 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 结论 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-95页 |
| 附录 | 第95页 |