| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 神经网络研究 | 第11-13页 |
| 1.2.2 状态估计 | 第13-14页 |
| 1.2.3 非脆弱性 | 第14-15页 |
| 1.2.4 时滞系统 | 第15页 |
| 1.3 论文研究的主要内容 | 第15-16页 |
| 1.4 论文的安排 | 第16-18页 |
| 第二章 基础知识及预备引理 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 符号说明 | 第18-19页 |
| 2.3 神经网络 | 第19-22页 |
| 2.3.1 神经网络的简要概述 | 第19页 |
| 2.3.2 神经元模型 | 第19-22页 |
| 2.4 系统稳定性理论 | 第22页 |
| 2.4.1 Lyapunov稳定性概念 | 第22页 |
| 2.4.2 Lyapunov意义下的渐近稳定 | 第22页 |
| 2.5 线性矩阵不等式 | 第22-25页 |
| 2.5.1 线性矩阵不等式的一般表示 | 第22-23页 |
| 2.5.2 标准线性矩阵不等式可行性问题 | 第23页 |
| 2.5.3 S-procedure引理 | 第23-24页 |
| 2.5.4 矩阵Schur complement性质 | 第24-25页 |
| 2.6 Lipschitz条件 | 第25页 |
| 2.7 相关引理 | 第25-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第三章 时变时滞神经网络系统非脆弱性状态估计 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 具有时变时滞神经网络系统非脆弱性状态估计 | 第27-38页 |
| 3.2.1 问题描述 | 第27-29页 |
| 3.2.2 连续时滞系统非脆弱性估计器设计 | 第29-38页 |
| 3.3 数值仿真 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 具有加性增益变化神经网络非脆弱性状态估计 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 问题描述 | 第42-44页 |
| 4.3 系统稳定性分析 | 第44-48页 |
| 4.4 非脆弱性状态估计器设计 | 第48-51页 |
| 4.5 数值仿真 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 乘性增益变化和噪声神经网络非脆弱性状态估计 | 第55-71页 |
| 5.1 引言 | 第55页 |
| 5.2 具有乘性增益变化神经网络非脆弱性状态估计 | 第55-66页 |
| 5.2.1 问题描述 | 第55-57页 |
| 5.2.2 系统稳定性分析 | 第57-61页 |
| 5.2.3 非脆弱性估计器设计方法 | 第61-64页 |
| 5.2.4 数值仿真 | 第64-66页 |
| 5.3 具有噪声的神经网络非脆弱性状态估计器设计 | 第66-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 非脆弱性状态估计在捷联惯导系统中的应用 | 第71-79页 |
| 6.1 引言 | 第71-72页 |
| 6.2 捷联式惯导系统的初始对准理论 | 第72-75页 |
| 6.3 建立模型 | 第75-76页 |
| 6.4 实例仿真 | 第76-78页 |
| 6.5 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 发表文章目录 | 第87-88页 |
| 致谢 | 第88-89页 |