基于神经网络的非线性时滞系统预测PID控制
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·引言 | 第8页 |
| ·选题的目的及意义 | 第8-9页 |
| ·时滞系统控制研究 | 第9-12页 |
| ·非线性预测控制及其研究现状 | 第12-14页 |
| ·常见的非线性预测控制方法 | 第12-13页 |
| ·非线性预测控制的难点 | 第13-14页 |
| ·智能PID的研究进展及发展现状 | 第14-16页 |
| ·本文的主要内容及安排 | 第16-17页 |
| 2 预测控制和神经网络 | 第17-29页 |
| ·预测控制 | 第17-22页 |
| ·预测控制的基本结构 | 第17-19页 |
| ·广义预测控制 | 第19-22页 |
| ·神经网络及极限学习机 | 第22-26页 |
| ·神经网络概述 | 第22-23页 |
| ·极限学习机的提出 | 第23-24页 |
| ·极限学习机的数学描述 | 第24-26页 |
| ·对极限学习机算法的改进 | 第26页 |
| ·仿真研究 | 第26-28页 |
| ·小结 | 第28-29页 |
| 3 神经网络在时滞对象辨识中的应用 | 第29-44页 |
| ·引言 | 第29页 |
| ·传统的时滞辨识方法 | 第29-30页 |
| ·时滞系统神经网络辨识 | 第30-39页 |
| ·神经网络辨识模型 | 第30-36页 |
| ·神经网络辨识原理 | 第36-37页 |
| ·非线性时滞系统辨识 | 第37-39页 |
| ·神经网络与传统辨识方法的比较 | 第39页 |
| ·极限学习机辨识的仿真实例 | 第39-43页 |
| ·小结 | 第43-44页 |
| 4 基于极限学习机的新型预测PID控制 | 第44-55页 |
| ·引言 | 第44页 |
| ·单神经元自适应PID控制器 | 第44-46页 |
| ·常规PID调节器的离散差分形式 | 第44-45页 |
| ·单神经元自适应PID控制系统的结构及算法 | 第45-46页 |
| ·改进型单神经元自适应预测PID控制 | 第46-47页 |
| ·基于极限学习机的新型预测PID控制 | 第47-51页 |
| ·控制系统结构及策略 | 第47-48页 |
| ·控制算法及步骤 | 第48-51页 |
| ·新型预测PID控制器特性 | 第51页 |
| ·仿真实例 | 第51-54页 |
| ·小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
