| 第一章 绪 论 | 第1-14页 |
| ·选题背景及意义 | 第8-9页 |
| ·人工神经网络技术的发展 | 第9-12页 |
| ·人工神经网络技术的发展 | 第9页 |
| ·基于人工神经网络的控制技术 | 第9-11页 |
| ·RBF神经网络的发展及在过程建模和控制中的应用 | 第11-12页 |
| ·本文主要工作 | 第12-14页 |
| 第二章 径向基函数神经网络概述 | 第14-27页 |
| ·径向基函数神经网络的提出 | 第14-19页 |
| ·φ可分性 | 第14-15页 |
| ·精确插值与函数逼近 | 第15页 |
| ·径向基函数神经网络基本结构 | 第15-17页 |
| ·正则化方法 | 第17-19页 |
| ·径向基函数神经网络的构建和学习 | 第19-24页 |
| ·基于梯度下降法的监督学习方法 | 第20页 |
| ·RBF神经网络的混合学习方法 | 第20-22页 |
| ·RBF神经网络的正交最小二乘算法 | 第22-24页 |
| ·应用算例 | 第24-26页 |
| ·模式分类问题 | 第24-25页 |
| ·函数逼近问题 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 静态RBF神经网络及热工过程离线建模 | 第27-38页 |
| ·非线性系统的神经网络辨识 | 第27-31页 |
| ·系统辨识概述 | 第27-28页 |
| ·过程的数学描述 | 第28页 |
| ·神经网络中动态信号与系统的处理 | 第28-29页 |
| ·RBF神经网络用于非线性系统离线辨识的一般步骤: | 第29页 |
| ·神经网络用于非线性系统辨识算例 | 第29-31页 |
| ·基于神经网络的热工过程系统辨识 | 第31-37页 |
| ·常熟电厂#2机组动态数学模型 | 第31-32页 |
| ·热工过程对象的离散化 | 第32-33页 |
| ·基于神经网络的热工过程系统辨识 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 动态RBF神经网络及热工过程在线建模 | 第38-57页 |
| ·资源分配网络及其历次改进算法 | 第38-41页 |
| ·资源分配网络 | 第38-39页 |
| ·扩展卡尔曼滤波器算法改进 | 第39-40页 |
| ·最小资源分配网络 | 第40-41页 |
| ·近似相关性网络 | 第41-47页 |
| ·基于近似相关性准则的网络自适应构造算法 | 第41-42页 |
| ·阶层补偿式网络结构 | 第42-43页 |
| ·自适应建模算法的计算实例及与其他算法的比较 | 第43-45页 |
| ·ACN算法和HCN结构在实际热工对象中的计算实例 | 第45-47页 |
| ·局部投影网络 | 第47-56页 |
| ·基于局部投影概念的序贯学习网络构造算法 | 第48-51页 |
| ·LPN的算例讨论 | 第51-54页 |
| ·LPN在非线性热工过程建模中的应用 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于RBF神经网络的热工过程动态矩阵控制 | 第57-74页 |
| ·引言 | 第57页 |
| ·动态矩阵控制基本原理 | 第57-62页 |
| ·预测模型及预测输出 | 第59-60页 |
| ·参考轨迹 | 第60页 |
| ·控制算法 | 第60-61页 |
| ·多输入多输出系统的DMC算法 | 第61-62页 |
| ·基于神经网络模型的受限动态矩阵控制 | 第62-64页 |
| ·基于神经网络模型的动态矩阵控制基本原理 | 第62页 |
| ·受限控制算法 | 第62-64页 |
| ·动态矩阵控制仿真实例 | 第64-71页 |
| ·基于自适应神经网络的动态矩阵控制 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 结束语 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-84页 |
| 作者在硕士研究生期间撰写和发表的论文 | 第84页 |