| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 选题背景与依据 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 结构振动控制分类及其研究现状 | 第11-17页 |
| 1.2.2 时滞控制系统研究现状 | 第17-18页 |
| 1.3 本文的主要工作 | 第18-19页 |
| 参考文献 | 第19-23页 |
| 第二章 神经网络基础 | 第23-38页 |
| 2.1 引言 | 第23页 |
| 2.2 神经网络的发展 | 第23-26页 |
| 2.3 神经网络原理 | 第26-32页 |
| 2.3.1 神经网络的特点 | 第26-27页 |
| 2.3.2 神经元模型 | 第27-29页 |
| 2.3.3 神经网络结构 | 第29-31页 |
| 2.3.4 神经网络学习 | 第31-32页 |
| 2.3.5 多层前馈网络 | 第32页 |
| 2.4 神经网络的改进研究现状 | 第32-36页 |
| 2.4.1 神经网络结构优化 | 第33页 |
| 2.4.2 神经网络学习算法改进 | 第33-36页 |
| 2.5 本章小结 | 第36页 |
| 参考文献 | 第36-38页 |
| 第三章 大跨空间网格结构风致振动的神经网络控制 | 第38-53页 |
| 3.1 引言 | 第38页 |
| 3.2 大跨空间结构风致振动及其控制 | 第38-39页 |
| 3.3 风荷载及其模拟技术 | 第39-41页 |
| 3.3.1 作用在结构上的风荷载 | 第39-40页 |
| 3.3.2 风荷载数值模拟技术 | 第40-41页 |
| 3.4 网壳结构风振的改进神经网络控制研究及算例分析 | 第41-50页 |
| 3.4.1 神经网络结构确定 | 第42-43页 |
| 3.4.2 神经网络学习算法的改进及建立 | 第43-45页 |
| 3.4.3 结构模型、风荷载条件及训练样本 | 第45-46页 |
| 3.4.4 数值仿真计算结果及分析 | 第46-50页 |
| 3.5 本章小结 | 第50页 |
| 参考文献 | 第50-53页 |
| 第四章 控制系统中时滞问题的神经网络解决方法 | 第53-65页 |
| 4.1 引言 | 第53页 |
| 4.2 系统时滞的产生和辨识 | 第53-54页 |
| 4.3 时滞控制系统方程 | 第54-55页 |
| 4.4 现有的时滞解决方法 | 第55-57页 |
| 4.5 基于神经网络的时滞补偿方法的建立 | 第57-59页 |
| 4.5.1 神经网络控制系统的简化 | 第57-58页 |
| 4.5.2 神经网络多步预测补偿时滞策略设计 | 第58-59页 |
| 4.6 网壳结构控制系统中时滞的神经网络补偿数值分析 | 第59-63页 |
| 4.6.1 神经网络结构、学习算法 | 第59页 |
| 4.6.2 结构模型、风荷载条件及训练样本 | 第59-60页 |
| 4.6.3 数值仿真计算及分析 | 第60-63页 |
| 4.7 本章小结 | 第63-64页 |
| 参考文献 | 第64-65页 |
| 第五章 神经网络控制系统的主要问题简析 | 第65-69页 |
| 5.1 引言 | 第65页 |
| 5.2 神经网络控制系统的稳定性 | 第65-66页 |
| 5.3 神经网络控制系统的鲁棒性 | 第66页 |
| 5.4 神经网络控制系统的收敛性 | 第66-67页 |
| 5.5 本章小结 | 第67页 |
| 参考文献 | 第67-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 主要结论 | 第69-70页 |
| 6.2 下一步研究 | 第70-71页 |
| 致谢 | 第71-72页 |
| 硕士期间发表的论文 | 第72-73页 |
| 本项目组历届研究生学位论文及相关情况一览表 | 第73-74页 |