| 目录 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-27页 |
| 前言 | 第27-29页 |
| 第一章 绪论 | 第29-35页 |
| ·预测控制的基本特征 | 第30-31页 |
| ·预测控制存在的问题 | 第31页 |
| ·预测控制的研究现状 | 第31-32页 |
| ·预测控制的发展方向 | 第32-35页 |
| 第二章 广义预测控制原理 | 第35-46页 |
| ·广义预测控制的对象模型 | 第35-36页 |
| ·输出预测模型 | 第36-37页 |
| ·Diophantine方程的递推解 | 第37-40页 |
| ·R_j(z~(-1))、S_j(z~(-1))的递推解 | 第37-38页 |
| ·(G|-)_j(z~(-1))的递推解 | 第38-39页 |
| ·多步输出预测 | 第39-40页 |
| ·最优控制律计算 | 第40-42页 |
| ·仿真试验 | 第42-43页 |
| ·预测控制系统的参数选择 | 第43-46页 |
| ·预测时域长度p | 第43-44页 |
| ·控制时域长度m | 第44页 |
| ·误差加权矩阵Q | 第44-45页 |
| ·控制加权矩阵λ | 第45-46页 |
| 第三章 神经网络预测控制 | 第46-64页 |
| ·神经网络简介 | 第46-53页 |
| ·神经网络的发展及特点 | 第46-48页 |
| ·神经网络的结构 | 第48-50页 |
| ·神经网络的学习 | 第50-52页 |
| ·神经网络的应用 | 第52-53页 |
| ·BP神经网络 | 第53-61页 |
| ·BP神经网络原理 | 第53-54页 |
| ·BP网络的前馈计算 | 第54-55页 |
| ·BP网络权系数的调整规则 | 第55-57页 |
| ·BP网络学习算法的计算步骤 | 第57页 |
| ·BP网络的主要能力 | 第57-58页 |
| ·BP算法应注意的几个问题 | 第58-59页 |
| ·BP网络学习算法的改进 | 第59-61页 |
| ·基于BP神经网络的广义预测控制 | 第61-64页 |
| ·系统控制结构 | 第61-62页 |
| ·模型预测 | 第62页 |
| ·反馈校正 | 第62页 |
| ·滚动优化 | 第62-63页 |
| ·仿真和实时控制 | 第63-64页 |
| 第四章 倒立摆及其数学模型 | 第64-69页 |
| ·倒立摆简介 | 第64-65页 |
| ·倒立摆系统数学模型的建立 | 第65-69页 |
| 第五章 神经网络预测控制在倒立摆中的应用 | 第69-88页 |
| ·MATLAB简介 | 第69-70页 |
| ·MATLAB的主要特点 | 第69页 |
| ·MATLAB的基本组成 | 第69-70页 |
| ·最优控制理论—lqr控制器设计与调节 | 第70-77页 |
| ·控制器的设计仿真 | 第70-73页 |
| ·实时控制 | 第73-77页 |
| ·倒立摆BP神经网络广义预测控制器的建立 | 第77-88页 |
| ·BP神经网络的结构 | 第77-78页 |
| ·神经网络控制器的训练 | 第78-80页 |
| ·神经网络预测控制算法的仿真 | 第80-81页 |
| ·倒立摆的实时控制 | 第81-84页 |
| ·实验结果及分析 | 第84-85页 |
| ·BP神经网络隐含层神经元个数的选择 | 第85-88页 |
| 第六章 结论及讨论 | 第88-90页 |
| 致谢 | 第90-91页 |
| 主要参考文献 | 第91-94页 |
| 附录 | 第94-95页 |
| 原创性声明 | 第95页 |
| 关于学位论文使用授权的声明 | 第95页 |