| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-11页 |
| 1-1 大延迟系统 | 第7-8页 |
| 1-1-1 研究背景及意义 | 第7页 |
| 1-1-2 时滞系统控制发展历史及现状 | 第7-8页 |
| 1-2 非线性系统辨识 | 第8-10页 |
| 1-2-1 系统辨识的定义 | 第8页 |
| 1-2-2 非线性系统辨识理论的发展状况及主要的辨别方法 | 第8-9页 |
| 1-2-3 非线性系统辨识的研究意义 | 第9-10页 |
| 1-3 本文的主要内容及章节安排 | 第10-11页 |
| 第二章 延迟系统控制 | 第11-20页 |
| 2-1 引言 | 第11页 |
| 2-2 常规PID控制 | 第11-14页 |
| 2-3 史密斯预估控制 | 第14-19页 |
| 2-3-1 史密斯预估算法 | 第14-16页 |
| 2-3-2 史密斯预估控制仿真 | 第16-17页 |
| 2-3-3 史密斯预估控制的缺陷 | 第17页 |
| 2-3-4 改进的史密斯预估控制 | 第17-19页 |
| 2-4 本章小结 | 第19-20页 |
| 第三章 神经网络在非线性系统辨识中的应用 | 第20-42页 |
| 3-1 引言 | 第20-22页 |
| 3-2 基于神经网络理论的NARMA模型参数辨识原理 | 第22-23页 |
| 3-3 常用神经网络学习算法简介 | 第23-30页 |
| 3-3-1 反向传播(BP)学习算法 | 第23-25页 |
| 3-3-2 径向基函数(RBF)网络 | 第25-29页 |
| 3-3-3 改进的BP网络结构 | 第29-30页 |
| 3-4 非线性系统神经网络辨识仿真 | 第30-41页 |
| 3-4-1 使用三层BP网络进行辨识 | 第30-36页 |
| 3-4-2 用径向基函数网络辨识(3.13)所表示的系统 | 第36-41页 |
| 3-5 本章小结 | 第41-42页 |
| 第四章 模糊逻辑系统在非线性系统辨识中的应用 | 第42-55页 |
| 4-1 引言 | 第42页 |
| 4-2 模糊辨识器的设计 | 第42-47页 |
| 4-3 程序仿真 | 第47-54页 |
| 4-3-1 考察第一种初始参数选择方法的性能(无自学习过程) | 第47-50页 |
| 4-3-2 非线性系统辨识仿真(有自学习过程) | 第50-54页 |
| 4-4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5-1 总结 | 第55-56页 |
| 5-2 以后的研究方向 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
