基于神经网络的复杂系统模型辨识技术及其应用研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 1 绪论 | 第7-10页 |
| ·引言 | 第7-8页 |
| ·系统辨识的基本概念 | 第8页 |
| ·系统辨识方法 | 第8-9页 |
| ·系统辨识的内容和步骤 | 第9-10页 |
| ·本文的选题意义和主要研究内容 | 第10页 |
| 2 神经网络辨识原理 | 第10-18页 |
| ·人工神经网络的概述 | 第10-14页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·人工神经网络产生和发展的历史 | 第12-13页 |
| ·神经网络当前研究和存在的问题 | 第13-14页 |
| ·基于神经网络辨识非线性系统的理论基础 | 第14页 |
| ·神经网络辨识模型结构 | 第14-17页 |
| ·非线性系统神经网络辨识的优点 | 第17-18页 |
| 3 神经网络的典型结构及其学习算法 | 第18-45页 |
| ·BP网络及其算法 | 第18-31页 |
| ·标准BP方法 | 第19-21页 |
| ·BP网络的函数逼近理论 | 第21-22页 |
| ·BP算法的不足及改进措施 | 第22-24页 |
| ·BP算法的改进方法 | 第24-30页 |
| ·神经网络的泛化能力研究 | 第30-31页 |
| ·前馈神经网络及其改进的学习算法 | 第31-34页 |
| ·快速学习算法 | 第31-34页 |
| ·快速算法存在的问题 | 第34页 |
| ·RBF网络的结构及其算法 | 第34-45页 |
| ·RBF网络的基本结构 | 第34-36页 |
| ·RBF网络的分类 | 第36页 |
| ·RBF网络的函数逼近理论 | 第36-38页 |
| ·RBF网络的学习算法分析 | 第38-43页 |
| ·径向基神经网络辨识器的结构分析 | 第43-44页 |
| ·RBF神经网络存在的问题 | 第44-45页 |
| 4 非线性系统模型辨识研究 | 第45-64页 |
| ·BP网络的结构与应用分析 | 第45-59页 |
| ·函数逼近性能分析 | 第45-46页 |
| ·网络结构分析 | 第46-47页 |
| ·算法的改进与比较 | 第47-49页 |
| ·系统模型辨识性能分析 | 第49-59页 |
| ·RBF网络结构与应用分析 | 第59-64页 |
| ·函数逼近功能分析 | 第59页 |
| ·非线性滤波功能分析 | 第59-60页 |
| ·系统模型辨识功能分析 | 第60-64页 |
| 5 神经网络在故障诊断中的应用 | 第64-73页 |
| ·故障诊断概述 | 第65-66页 |
| ·故障诊断任务 | 第65页 |
| ·故障诊断技术的研究现状 | 第65-66页 |
| ·故障诊断中常用的模式识别方法 | 第66页 |
| ·神经网络在故障诊断中的应用研究 | 第66-68页 |
| ·故障诊断技术中于神经网络的应用特点 | 第66-67页 |
| ·神经网络故障诊断应用分析 | 第67-68页 |
| ·故障诊断实例分析 | 第68-73页 |
| ·基于BP网络的齿轮箱故障诊断 | 第68-70页 |
| ·基于RBF网络的船用柴油机故障诊断 | 第70-73页 |
| 6 结束语 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 攻读学位期间发表的论文目录 | 第78页 |
