| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-25页 |
| ·研究背景及意义 | 第12-14页 |
| ·课题的研究背景 | 第12-13页 |
| ·课题的研究意义 | 第13-14页 |
| ·生物发酵过程控制综述 | 第14-15页 |
| ·非线性系统控制方法综述 | 第15-22页 |
| ·逆系统方法 | 第17-19页 |
| ·神经网络逆控制方法 | 第19-20页 |
| ·自适应控制方法 | 第20-22页 |
| ·主要工作及内容安排 | 第22-25页 |
| 第二章 神经网络逆系统方法理论基础 | 第25-35页 |
| ·引言 | 第25-26页 |
| ·逆系统基本概念 | 第26-28页 |
| ·系统的左逆系统与右逆系统 | 第28-29页 |
| ·逆系统的构造方法 | 第29-31页 |
| ·逆系统方法解耦的基本原理 | 第31-32页 |
| ·神经网络逆系统的实现 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 在线学习的神经网络逆控制方法 | 第35-65页 |
| ·引言 | 第35-36页 |
| ·MIMO非线性系统的可逆性分析 | 第36-40页 |
| ·Interactor算法 | 第36-39页 |
| ·MIMO非线性系统的可逆性条件 | 第39-40页 |
| ·神经网络逆控制方法存在的问题分析 | 第40-41页 |
| ·在线学习的神经网络逆控制方法 | 第41-48页 |
| ·Levenberg-Marquardt算法 | 第43-44页 |
| ·神经网络逆系统的LM在线学习算法设计 | 第44-46页 |
| ·在线学习神经网络逆系统的收敛性分析 | 第46-48页 |
| ·神经网络逆系统在线学习的实现步骤 | 第48页 |
| ·生物发酵过程中的在线学习神经网络逆控制方法 | 第48-53页 |
| ·生物发酵过程的动力学模型 | 第48-50页 |
| ·生物发酵系统的可逆性分析 | 第50-51页 |
| ·生物发酵过程的在线学习神经网络逆控制方法 | 第51-53页 |
| ·仿真研究 | 第53-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于神经网络逆的自适应反馈补偿控制方法 | 第65-88页 |
| ·引言 | 第65-66页 |
| ·非线性系统的反馈补偿控制方法 | 第66-68页 |
| ·基于神经网络逆的自适应反馈补偿控制方法 | 第68-77页 |
| ·MIMO系统的神经网络逆系统解耦 | 第68-69页 |
| ·伪线性复合系统的自适应反馈补偿控制方法 | 第69-70页 |
| ·神经网络逆系统建模误差估计 | 第70-72页 |
| ·自适应反馈补偿控制器参数自适应律设计 | 第72-74页 |
| ·自适应反馈补偿控制器参数收敛性及系统稳定性分析 | 第74-77页 |
| ·生物发酵过程中基于神经网络逆的自适应反馈补偿控制方法 | 第77-78页 |
| ·仿真研究 | 第78-84页 |
| ·两种改进神经网络逆控制方法的对比 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第五章 基于神经网络逆的无模型自适应控制方法 | 第88-114页 |
| ·引言 | 第88-89页 |
| ·无模型自适应控制方法 | 第89-92页 |
| ·SISO非线性系统的紧格式线性化 | 第89-91页 |
| ·无模型自适应控制算法的设计 | 第91页 |
| ·控制律的参数估计算法 | 第91-92页 |
| ·MIMO非线性系统的无模型自适应控制方法 | 第92-94页 |
| ·MIMO系统的神经网络逆解耦及无模型自适应控制方法 | 第94-104页 |
| ·MIMO系统的神经网络逆解耦 | 第94-96页 |
| ·伪线性复合系统的无模型自适应控制方法 | 第96-97页 |
| ·自适应控制算法及参数估计算法 | 第97页 |
| ·闭环控制系统的稳定性分析 | 第97-100页 |
| ·实例分析 | 第100-104页 |
| ·生物发酵过程中基于神经网络逆的无模型自适应控制方法 | 第104-106页 |
| ·仿真研究 | 第106-110页 |
| ·神经网络逆控制方法与三种改进方法分析 | 第110-113页 |
| ·本章小结 | 第113-114页 |
| 第六章 总结与展望 | 第114-116页 |
| ·总结 | 第114-115页 |
| ·进一步工作展望 | 第115-116页 |
| 参考文献 | 第116-126页 |
| 致谢 | 第126-127页 |
| 攻读博士期间取得的成果 | 第127-128页 |
| 附录 | 第128-129页 |
