| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题的提出及意义 | 第10-12页 |
| ·多输入多输出（MIMO）系统控制方法的研究现状 | 第12-19页 |
| ·自适应逆控制 | 第12-14页 |
| ·神经网络控制 | 第14-16页 |
| ·模糊神经网络控制 | 第16页 |
| ·滑模变结构控制 | 第16-18页 |
| ·遗传算法控制 | 第18-19页 |
| ·论文的主要工作与结构安排 | 第19-20页 |
| 第二章 神经网络理论与遗传算法理论 | 第20-29页 |
| ·神经网络理论 | 第20-24页 |
| ·人工神经元模型 | 第20-21页 |
| ·神经网络 | 第21-22页 |
| ·前向神经网络结构 | 第22-24页 |
| ·遗传算法理论 | 第24-29页 |
| ·遗传算法的基本概念 | 第24-25页 |
| ·遗传算法的设计 | 第25-27页 |
| ·遗传算法与神经网络的结合 | 第27-29页 |
| 第三章 一类多输入多输出非线性系统神经网络自适应控制 | 第29-41页 |
| ·引言 | 第29页 |
| ·非线性跟踪控制问题描述 | 第29-30页 |
| ·自适应 RBF 神经网络控制器（A-RBFNNC） | 第30-37页 |
| ·GP-RBF 算法 | 第30-33页 |
| ·自适应控制规则的设计 | 第33-35页 |
| ·自适应RBF 神经网络控制器设计步骤 | 第35-37页 |
| ·仿真实验 | 第37-40页 |
| ·结论 | 第40-41页 |
| 第四章 基于混合遗传算法的一类非线性系统的神经网络跟踪控制 | 第41-49页 |
| ·引言 | 第41页 |
| ·非线性跟踪控制问题描述 | 第41-42页 |
| ·基于混合遗传算法的自适应 RBF 神经网络控制器 | 第42-46页 |
| ·遗传算法设计 | 第42-44页 |
| ·基于梯度算法和遗传算法的混合算法 | 第44-45页 |
| ·自适应控制规则的设计 | 第45-46页 |
| ·仿真实验 | 第46-48页 |
| ·结论 | 第48-49页 |
| 第五章 锅炉水温的神经网络控制 | 第49-54页 |
| ·对象的描述 | 第49页 |
| ·锅炉水温的神经网络自适应控制 | 第49-51页 |
| ·锅炉水温控制实验 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A (攻读学位期间发表的学术论文) | 第61页 |
