基于改进粒子群算法的小波神经网络控制器设计与研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 小波神经网络简述 | 第10-13页 |
| 1.1.1 小波神经网络的研究现状 | 第10-11页 |
| 1.1.2 小波神经网络的特性 | 第11-13页 |
| 1.1.3 小波神经网络的优点和有待改进的不足 | 第13页 |
| 1.2 课题研究的目的及意义 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 第2章 小波神经网络 | 第16-27页 |
| 2.1 小波分析 | 第16-18页 |
| 2.1.1 小波概述 | 第16-17页 |
| 2.1.2 小波研究的发展趋势 | 第17-18页 |
| 2.2 常见的几种小波 | 第18-21页 |
| 2.2.1 Morlet 小波 | 第18-19页 |
| 2.2.2 Mexihat 小波 | 第19页 |
| 2.2.3 Shannon 小波 | 第19-20页 |
| 2.2.4 DOG 小波 | 第20-21页 |
| 2.3 小波神经网络结构的研究 | 第21-24页 |
| 2.3.1 小波神经网络的分类 | 第21-23页 |
| 2.3.2 小波神经网络的结构 | 第23-24页 |
| 2.4 小波神经网络优化方法的研究 | 第24-26页 |
| 2.4.1 粒子群优化算法 | 第24-25页 |
| 2.4.2 遗传算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 小波神经网络控制器的研究 | 第27-35页 |
| 3.1 小波神经网络控制器的初始参数优化 | 第27页 |
| 3.2 小波神经网络控制器的算法研究 | 第27-30页 |
| 3.2.1 粒子群算法研究背景 | 第27-28页 |
| 3.2.2 粒子群算法基本原理 | 第28-30页 |
| 3.2.3 粒子群算法的特点 | 第30页 |
| 3.3 基于改进粒子群的小波神经网络的算法研究 | 第30-33页 |
| 3.3.1 改进粒子群算法 | 第30-32页 |
| 3.3.2 改进粒子群算法优化小波神经网络 | 第32-33页 |
| 3.4 小波神经网络的函数逼近仿真研究 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 小波神经网络控制器的控制研究 | 第35-50页 |
| 4.1 二级倒立摆的系统描述 | 第35-36页 |
| 4.2 小波神经网络的网络训练 | 第36-39页 |
| 4.2.1 网络结构的确定 | 第36-37页 |
| 4.2.2 网络训练的结果 | 第37-39页 |
| 4.3 小波神经网络控制器控制倒立摆的仿真研究 | 第39-46页 |
| 4.3.1 控制器的仿真研究 | 第39-42页 |
| 4.3.2 控制器的最优值研究 | 第42-43页 |
| 4.3.3 控制器抗干扰能力的研究 | 第43-46页 |
| 4.4 小波神经网络控制器控制倒立摆的实验研究 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
