基于神经网络的参数自整定PID控制算法研究
| 摘 要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·智能PID控制 | 第10-12页 |
| ·专家PID控制 | 第11页 |
| ·模糊自适应整定PID控制 | 第11页 |
| ·神经网络PID控制 | 第11-12页 |
| ·神经网络PID控制 | 第12-15页 |
| ·神经网络控制系统特性 | 第12-13页 |
| ·神经网络建模与辨识 | 第13页 |
| ·神经网络控制作用和结构 | 第13-14页 |
| ·当前神经网络控制的研究课题 | 第14-15页 |
| ·本文的主要内容 | 第15-17页 |
| 第2章 数字PID控制 | 第17-21页 |
| ·PID控制原理 | 第17-18页 |
| ·数字PID控制 | 第18-20页 |
| ·位置式PID控制算法 | 第18-19页 |
| ·增量式PID控制算法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 神经网络原理和应用 | 第21-31页 |
| ·单神经元数学模型 | 第21-22页 |
| ·几种典型的学习规则 | 第22-23页 |
| ·典型的多层前向网络-BP网络的结构及算法 | 第23-28页 |
| ·BP神经网络的前向计算 | 第23-24页 |
| ·BP神经网络的误差反向传播和加权系数的调整 | 第24-28页 |
| ·径向基函数神经网络 | 第28-30页 |
| ·网络输出计算 | 第28-29页 |
| ·网络的在线学习算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 神经网络PID控制方法研究 | 第31-49页 |
| ·引言 | 第31-32页 |
| ·基于BP神经网络的PID控制 | 第32-40页 |
| ·PID控制器的离散差分方程 | 第32页 |
| ·结构形式及控制算法 | 第32-36页 |
| ·仿真研究 | 第36-40页 |
| ·利用辨识网络求取对象的灵敏度信息 | 第40-43页 |
| ·径向基函数(RBF)辩识网络 | 第40-42页 |
| ·辨识算法的仿真 | 第42-43页 |
| ·改进型BP神经网络参数自学习PID控制器 | 第43-48页 |
| ·改进后控制器的结构形式及控制算法 | 第43-44页 |
| ·仿真研究 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 遗传算法在神经网络PID控制算法中应用 | 第49-64页 |
| ·遗传算法基本原理 | 第49-51页 |
| ·遗传算法设计步骤 | 第51-53页 |
| ·遗传算法在神经网络学习中的应用 | 第53-55页 |
| ·基于遗传算法和神经网络的PID控制算法 | 第55-63页 |
| ·基于GA和NN的PID控制器结构形式及控制算法 | 第55-56页 |
| ·仿真研究 | 第56-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 致 谢 | 第70页 |
