| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·研究目的和意义 | 第10-11页 |
| ·解耦控制的研究现状 | 第11-13页 |
| ·本文主要工作及章节安排 | 第13-16页 |
| ·本文主要的研究内容 | 第13-15页 |
| ·后续章节安排 | 第15-16页 |
| 2 TC控制器与观测器 | 第16-24页 |
| ·PID控制器及其优缺点 | 第16页 |
| ·TC控制器简介及其参数整定 | 第16-18页 |
| ·TC控制器简介 | 第16-17页 |
| ·TC控制器参数整定 | 第17-18页 |
| ·串级TC控制器的设计 | 第18-20页 |
| ·状态观测器 | 第20-23页 |
| ·状态观测器简介 | 第20页 |
| ·干扰观测器 | 第20-21页 |
| ·扩张状态观测器 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于TC控制器与扰动观测器的Smith预估控制 | 第24-32页 |
| ·Smith预估控制 | 第24页 |
| ·SISO大时滞系统Smith预估控制 | 第24-27页 |
| ·仿真研究 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于TC-ESO的多变量时滞系统先进控制算法研究 | 第32-40页 |
| ·一种新型多变量耦合时滞过程控制 | 第32-33页 |
| ·多变量TC控制器设计 | 第33-34页 |
| ·二阶扩张状态观测器设计 | 第34页 |
| ·仿真研究 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 5 基于RBF神经网络的多变量时滞系统先进控制算法研究 | 第40-50页 |
| ·RBF神经网络 | 第40-42页 |
| ·RBF网络结构 | 第40-41页 |
| ·RBF网络的逼近 | 第41-42页 |
| ·RBF神经网络优化ESO | 第42-49页 |
| ·ESO参数优化 | 第42-43页 |
| ·RBF神经网络优化ESO原理 | 第43-46页 |
| ·仿真研究 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·全文工作总结 | 第50-51页 |
| ·未来工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文目录 | 第57页 |
| 攻读学位期间参与的项目 | 第57-58页 |
