| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-11页 |
| 1 小波分析与小波网络 | 第11-17页 |
| 1．1 小波分析 | 第11-13页 |
| 1．1．1 小波分析的发展及应用 | 第11-12页 |
| 1．1．2 小波及小波变换理论 | 第12-13页 |
| 1．2 小波网络 | 第13-16页 |
| 1．2．1 小波网络的产生与发展 | 第13-14页 |
| 1．2．2 小波网络的分类 | 第14-15页 |
| 1．2．3 小波网络和神经网络比较 | 第15-16页 |
| 1．3 小波网络在控制系统中的应用 | 第16-17页 |
| 1．3．1 系统辨识和建模 | 第16页 |
| 1．3．2 系统控制 | 第16-17页 |
| 2 小波网络的结构及其学习算法 | 第17-46页 |
| 2．1 引言 | 第17-19页 |
| 2．2 连续参数小波网络 | 第19-32页 |
| 2．2．1 连续小波网络的结构 | 第19页 |
| 2．2．2 小波网络参数的梯度下降训练算法 | 第19-21页 |
| 2．2．3 小波网络参数的BFGS+LS算法 | 第21-24页 |
| 2．2．4 学习增益可调的带动量项的PIDBP训练算法 | 第24-26页 |
| 2．2．5 基于Levenberg—Marquardt算法和LS的混合学习方法 | 第26-29页 |
| 2．2．6 基于结合AIC的MGS算法 | 第29-30页 |
| 2．2．7 连续小波网络权值的初始化 | 第30-32页 |
| 2．3 离散正交小波网络 | 第32-39页 |
| 2．3．1 小波神经元的优化 | 第34-37页 |
| 2．3．2 基于滤波思想的网络学习过程 | 第37页 |
| 2．3．3 基于预报误差法(RPE)的训练算法 | 第37-39页 |
| 2．4 仿真试验 | 第39-45页 |
| 2．5 总结 | 第45-46页 |
| 3 小波网络系统辨识 | 第46-52页 |
| 3．1 引言 | 第46页 |
| 3．2 小波网络的非线性系统的辨识 | 第46-51页 |
| 3．3 小结 | 第51-52页 |
| 4 小波网络在控制系统中的应用 | 第52-70页 |
| 4．1 小波网络自适应控制 | 第52-59页 |
| 4．1．1 小波网络直接模型自适应控制 | 第52-54页 |
| 4．1．2 间接模型参考自适应控制 | 第54-57页 |
| 4．1．3 基于小波网络的自校正控制 | 第57-59页 |
| 4．2 内模控制 | 第59页 |
| 4．3仿真试验 | 第59-69页 |
| 4．4 总结 | 第69-70页 |
| 5 典型工业过程CSTR及其控制 | 第70-81页 |
| 5．1 引言 | 第70-72页 |
| 5．2 小波网络对CSTR系统建模 | 第72-75页 |
| 5．2．1 辨识数据的选取 | 第72页 |
| 5．2．2 辨识器结构和辨识网络模型的选择 | 第72-75页 |
| 5．3 基于小波网络的MRAC在CSTR中的应用 | 第75-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 附录A CSTR模型仿真图 | 第85-86页 |
| 攻读硕士学位期间发表学术论文情况 | 第86-87页 |
| 致谢 | 第87-88页 |
| 大连理工大学学位论文版权使用授权书 | 第88页 |