基于Rough推理的自适应控制及其鲁棒性研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 粗糙集简介 | 第9-10页 |
| 1.2 自适应控制鲁棒性简介 | 第10-11页 |
| 1.2.1 自适应控制系统的特征 | 第10页 |
| 1.2.2 鲁棒自适应控制 | 第10-11页 |
| 1.3 本文研究问题现状 | 第11页 |
| 1.4 本文的研究内容 | 第11-13页 |
| 第2章 鲁棒自适应控制算法研究 | 第13-27页 |
| 2.1 鲁棒自适应控制 | 第13-17页 |
| 2.1.1 一阶系统的鲁棒自适应控制 | 第13-14页 |
| 2.1.2 仿真结果及比较 | 第14-17页 |
| 2.2 鲁棒自适应神经网络控制算法 | 第17-19页 |
| 2.2.1 自适应神经网络控制器设计 | 第17-18页 |
| 2.2.2 鲁棒自适应神经网络控制算法 | 第18-19页 |
| 2.3 实例仿真研究 | 第19-26页 |
| 2.3.1 实例仿真一 | 第19-20页 |
| 2.3.2 实例仿真二 | 第20-24页 |
| 2.3.3 实例仿真三 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 粗糙集理论与 Rough 推理 | 第27-35页 |
| 3.1 粗糙集属性约简 | 第27-29页 |
| 3.1.1 粗糙近似 | 第27-28页 |
| 3.1.2 约简与核 | 第28页 |
| 3.1.3 粗糙集理论对不确定性的处理能力 | 第28-29页 |
| 3.2 Rough 推理 | 第29-31页 |
| 3.2.1 不确定性推理的基本概念 | 第29页 |
| 3.2.2 Rough 推理 | 第29-31页 |
| 3.3 实例仿真研究 | 第31-33页 |
| 3.3.1 实例分析一 | 第31-32页 |
| 3.3.2 实例分析二 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于 Rough 推理的自适应控制算法 | 第35-55页 |
| 4.1 基于 Rough 推理的自适应控制算法 | 第35-37页 |
| 4.1.1 自适应控制规则提取 | 第35页 |
| 4.1.2 数据处理与训练 | 第35-37页 |
| 4.2 模式识别仿真模拟 | 第37-41页 |
| 4.2.1 问题的提出 | 第37-38页 |
| 4.2.2 模型建立 | 第38-39页 |
| 4.2.3 仿真结果 | 第39-41页 |
| 4.3 基于粗糙集的鲁棒自适应神经网络控制 | 第41-48页 |
| 4.3.1 网络设计 | 第41-42页 |
| 4.3.2 实例仿真 | 第42-48页 |
| 4.4 基于粗糙集的模糊自适应神经网络算法 | 第48-54页 |
| 4.4.1 算法描述 | 第48-49页 |
| 4.4.2 实例仿真 | 第49-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 A 程序 | 第62-76页 |
| 致谢 | 第76-77页 |
| 导师简介 | 第77-78页 |
| 作者简介 | 第78-79页 |
| 学位论文数据集 | 第79页 |
