中文摘要 | 第1-5页 |
英文摘要 | 第5-9页 |
1 绪论 | 第9-19页 |
1. 1 国内外的研究现状 | 第10-13页 |
1. 1. 1 主动调谐质量阻尼器A-TMD | 第11-12页 |
1. 1. 2 结构振动的神经网络控制 | 第12-13页 |
1. 1. 3 其它结构主动控制方法 | 第13页 |
1. 2 课题的提出及研究意义 | 第13-17页 |
1. 2. 1 课题的提出 | 第13-15页 |
1. 2. 2 研究的意义 | 第15-17页 |
1. 3 课题研究的目的和内容 | 第17-19页 |
1. 3. 1 课题研究的目的 | 第17页 |
1. 3. 2 课题研究的主要内容 | 第17-19页 |
2 人工神经网络基本原理及算法 | 第19-28页 |
2. 1 人工神经网络基本形式 | 第19-20页 |
2. 2 BP神经网络的算法描述 | 第20-24页 |
2. 2. 1 BP神经网络的结构 | 第20页 |
2. 2. 2 BP神经网络的学习算法 | 第20-24页 |
2. 3 BP神经网络的设计 | 第24-26页 |
2. 3. 1 BP神经网络的层数 | 第24-25页 |
2. 3. 2 隐含层神经元的数目 | 第25页 |
2. 3. 3 初始联结权值的选取 | 第25-26页 |
2. 3. 4 学习速率的选取 | 第26页 |
2. 3. 5 期望误差的设置 | 第26页 |
2. 4 BP神经网络的限制和不足 | 第26-28页 |
3 模糊逻辑控制基本原理 | 第28-37页 |
3. 1 模糊控制系统的基本原理 | 第28页 |
3. 2 模糊控制器的基本功能 | 第28-31页 |
3. 2. 1 模糊化接口功能 | 第28-29页 |
3. 2. 2 存储知识库 | 第29页 |
3. 2. 3 决策功能 | 第29页 |
3. 2. 4 反模糊化接口 | 第29-31页 |
3. 3 模糊化方法 | 第31-33页 |
3. 3. 1 论域的量化 | 第31-32页 |
3. 3. 2 模糊划分 | 第32页 |
3. 3. 3 模糊表达 | 第32-33页 |
3. 4 模糊控制规则及其生成 | 第33-34页 |
3. 4. 1 根据专家经验生成控制规则 | 第33页 |
3. 4. 2 对系统执行手工控制生成控制规则 | 第33-34页 |
3. 4. 3 根据被控对象的模糊模型生成控制规则 | 第34页 |
3. 4. 4 根据学习算法生成控制规则 | 第34页 |
3. 5 反模糊化方法 | 第34-35页 |
3. 5. 1 最大隶属度法 | 第34-35页 |
3. 5. 2 中位数法 | 第35页 |
3. 5. 3 重心法 | 第35页 |
3. 6 模糊控制算法 | 第35-36页 |
3. 7 神经网络模糊控制系统 | 第36-37页 |
4 结构模糊控制算法的设计及仿真实验 | 第37-63页 |
4. 1 常用的结构控制算法简述 | 第37-43页 |
4. 1. 1 线性最优控制算法 | 第38页 |
4. 1. 2 瞬时最优控制算法 | 第38-39页 |
4. 1. 3 独立模态空间控制算法 | 第39-40页 |
4. 1. 4 界限控制算法 | 第40-41页 |
4. 1. 5 预测控制算法 | 第41页 |
4. 1. 6 非线性优化控制算法 | 第41-42页 |
4. 1. 7 其它结构控制算法 | 第42页 |
4. 1. 8 常用结构控制算法的评价 | 第42-43页 |
4. 2 控制算法的设计 | 第43-56页 |
4. 2. 1 输入和输出量的选择 | 第43-44页 |
4. 2. 2 精确量的离散化和模糊化 | 第44-45页 |
4. 2. 3 语言变量模糊子集的隶属函数的确定 | 第45-49页 |
4. 2. 4 建立模糊控制规则和模糊关系 | 第49-55页 |
4. 2. 5 输出信息的去模糊化处理(模糊判决) | 第55-56页 |
4. 3 模糊控制算法的改进 | 第56-58页 |
4. 3. 1 改进控制规则的解析表达式 | 第56页 |
4. 3. 2 对建立控制规则表的方法的改进 | 第56-58页 |
4. 4 控制算法的仿真 | 第58-63页 |
4. 4. 1 仿真模型及其参数 | 第58-60页 |
4. 4. 2 仿真结果及分析 | 第60-63页 |
5 全文结论 | 第63-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-68页 |