| 第一章 绪论 | 第1-24页 |
| ·选题背景及其意义 | 第17-18页 |
| ·课题研究现状 | 第18-19页 |
| ·立论依据 | 第19-21页 |
| ·本文所做的主要工作 | 第21-22页 |
| ·本论文的章节安排 | 第22-24页 |
| 第二章 神经网络的基本理论 | 第24-41页 |
| ·神经网络的基础知识 | 第24-31页 |
| ·人工神经元模型 | 第24-26页 |
| ·神经网络的类型 | 第26-28页 |
| ·神经网络的学习方式和学习规则 | 第28-30页 |
| ·神经网络的特点及应用 | 第30-31页 |
| ·BP神经网络 | 第31-38页 |
| ·BP网络 | 第31-32页 |
| ·BP算法的数学描述及实现步骤 | 第32-35页 |
| ·BP算法的缺点及其改进措施 | 第35-38页 |
| ·仿真分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 遗传算法的基本理论及应用 | 第41-59页 |
| ·遗传算法的生物学原理及特点 | 第41-43页 |
| ·遗传算法的工作原理 | 第43-44页 |
| ·遗传算法的基本实现方法 | 第44-49页 |
| ·编码与解码 | 第44-45页 |
| ·适应度函数 | 第45-46页 |
| ·选择操作 | 第46-47页 |
| ·遗传算子 | 第47-49页 |
| ·改进的遗传算法 | 第49-52页 |
| ·改进的选择算子 | 第49-51页 |
| ·改进的交叉算子 | 第51页 |
| ·改进的变异算子 | 第51-52页 |
| ·应用遗传算法的几个要点 | 第52-53页 |
| ·仿真分析 | 第53-58页 |
| ·改进的遗传算法求函数的极大值的仿真分析 | 第53-55页 |
| ·基于改进的遗传算法的PID控制系统仿真分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 神经网络的建模与优化 | 第59-75页 |
| ·神经网络辨识 | 第59-63页 |
| ·神经网络辨识的内涵 | 第59-60页 |
| ·神经网络辨识的特点 | 第60-61页 |
| ·神经网络辨识的精度 | 第61-62页 |
| ·神经网络辨识的结构 | 第62-63页 |
| ·神经网络建模 | 第63-65页 |
| ·系统正向建模 | 第63-64页 |
| ·逆向建模 | 第64-65页 |
| ·神经网络对非线性对象的辨识 | 第65-68页 |
| ·NARMA模型的参数辨识 | 第65-66页 |
| ·神经网络辨识及其动态BP算法 | 第66-68页 |
| ·神经网络的训练优化 | 第68-71页 |
| ·GA优化神经网络概述 | 第68-70页 |
| ·神经网络结构 | 第70-71页 |
| ·利用遗传算法优化BP神经网络 | 第71-74页 |
| ·GA优化方案 | 第71-72页 |
| ·GA设计 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 基于遗传算法的BP神经网络在主汽温控制系统中的应用 | 第75-101页 |
| ·锅炉主蒸汽温度控制系统的特点 | 第75-79页 |
| ·锅炉主蒸汽温度对象的一般特性 | 第75-76页 |
| ·主蒸汽的动态特性 | 第76-77页 |
| ·主蒸汽温度的常见控制策略 | 第77-79页 |
| ·改进的主汽温控制策略 | 第79页 |
| ·主汽温控制系统的数学模型 | 第79-81页 |
| ·主汽温对象辨识系统 | 第81-87页 |
| ·神经网络动态建模 | 第82-83页 |
| ·神经网络的学习算法 | 第83-85页 |
| ·GA优化BP神经网络的参数设置 | 第85-87页 |
| ·PID控制器的结构 | 第87页 |
| ·仿真分析 | 第87-99页 |
| ·结论 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 结论与展望 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 附录 论文使用的缩写 | 第106-107页 |
| 致谢 | 第107-108页 |
| 攻读硕士学位期间发表的学术论文目录 | 第108页 |