基于模糊神经网络的自适应控制研究
| 1 概述 | 第1-27页 |
| 1．1 人工神经网络 ANN的基本原理与应用概述 | 第8-12页 |
| 1．1．1 人工神经网络的概念 | 第8页 |
| 1．1．2 人工神经网络研究的发展简史 | 第8-10页 |
| 1．1．3 人工神经网络的分类 | 第10-12页 |
| 1．1．4 人工神经网络计算和传统计算的比较 | 第12页 |
| 1．2 神经网络控制 | 第12-19页 |
| 1．2．1 神经网络控制的优点 | 第12-13页 |
| 1．2．2 常用的神经网络控制方案及其应用 | 第13-19页 |
| 1．3 模糊理论 | 第19-20页 |
| 1．4 模糊系统和神经网络的等价性 | 第20-22页 |
| 1．5 模糊系统和神经网络融合的形态 | 第22-24页 |
| 1．6 模糊神经网络的发展和研究现状 | 第24-25页 |
| 1．7 本文的研究内容 | 第25-27页 |
| 2 改进的模糊神经网络自适应控制 | 第27-40页 |
| 2．1 反向传播网络 | 第27-30页 |
| 2．1．1 BP网络结构 | 第27-28页 |
| 2．1．2 BP算法 | 第28-30页 |
| 2．2 模糊神经网络的结构及算法 | 第30-34页 |
| 2．3 增加输出反馈的模糊神经网络自适应控制 | 第34-36页 |
| 2．3．1 常规的基于模糊神经网络的控制系统 | 第34页 |
| 2．3．2 增加输出反馈的模糊神经网络控制系统 | 第34-35页 |
| 2．3．3 仿真实例 | 第35-36页 |
| 2．4 变结构模糊神经网络控制 | 第36-40页 |
| 2．4．1 变结构模糊神经网络控制原理及方法 | 第36-38页 |
| 2．4．2 仿真实例 | 第38-40页 |
| 3 变步长模糊神经网络控制 | 第40-54页 |
| 3．1 基于T-S模型的步长自适应控制 | 第40-43页 |
| 3．2 T-S模型简介 | 第43-46页 |
| 3．3 学习算法 | 第46-49页 |
| 3．4 仿真实例 | 第49-53页 |
| 3．5 小结 | 第53-54页 |
| 4 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 研究生期间论文发表情况 | 第62页 |
