| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 论文主要研究内容及结构安排 | 第11-13页 |
| 第二章 内模控制理论 | 第13-19页 |
| 2.1 内模控制原理结构 | 第13-14页 |
| 2.2 基于神经网络的内模控制 | 第14-18页 |
| 2.2.1 非线性系统可逆性分析 | 第14-15页 |
| 2.2.2 神经网络逆模型辨识 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 粒计算理论 | 第19-28页 |
| 3.1 粒计算基本概述 | 第19-20页 |
| 3.1.1 粒计算的基本概念 | 第19页 |
| 3.1.2 粒计算的基本模型 | 第19-20页 |
| 3.2 粗糙集粒计算理论 | 第20-25页 |
| 3.2.1 经典粗糙集理论 | 第20-22页 |
| 3.2.2 邻域粗糙集理论 | 第22-25页 |
| 3.3 模糊粗糙集粒计算理论 | 第25-27页 |
| 3.3.1 基本概念 | 第26-27页 |
| 3.3.2 关键内容 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于粗糙粒神经网络的内模控制 | 第28-48页 |
| 4.1 粗糙粒计算与神经网络的融合 | 第28-33页 |
| 4.1.1 基于粗糙粒计算的规则提取 | 第28-31页 |
| 4.1.2 粗糙粒神经网络 | 第31-33页 |
| 4.2 粗糙粒神经网络的非线性系统辨识 | 第33-38页 |
| 4.2.1 非线性系统正模型辨识 | 第34-36页 |
| 4.2.2 非线性系统逆模型辨识 | 第36-38页 |
| 4.3 粗糙粒神经网络内模控制 | 第38-40页 |
| 4.3.1 粗糙粒神经网络内模控制结构 | 第38-39页 |
| 4.3.2 粗糙粒神经网络内模控制方法 | 第39-40页 |
| 4.4 系统实例仿真 | 第40-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于模糊粗糙粒神经网络的内模控制 | 第48-60页 |
| 5.1 模糊粗糙粒神经网络 | 第48-52页 |
| 5.1.1 模糊粗糙粒神经网络结构 | 第48-51页 |
| 5.1.2 基于模糊粗糙粒计算的网络初始权值获取 | 第51-52页 |
| 5.2 模糊粗糙粒神经网络内模控制 | 第52-55页 |
| 5.2.1 模糊粗糙粒神经网络正模型和逆模型的辨识 | 第52-54页 |
| 5.2.2 模糊粗糙粒神经网络内模控制的设计 | 第54-55页 |
| 5.3 系统实例仿真 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |