| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·逆系统方法简介 | 第10-11页 |
| ·本文的研究思路及主要内容 | 第11-12页 |
| 第二章 神经网络逆系统 | 第12-24页 |
| ·非线性离散系统的逆 | 第12-13页 |
| ·伪线性复合系统 | 第13-16页 |
| ·伪线性复合系统的定义与分析 | 第13-15页 |
| ·伪线性系统的“物理特性”及隐动态 | 第15-16页 |
| ·神经网络逆系统 | 第16-22页 |
| ·正则化RBF 网络 | 第16-19页 |
| ·神经网络逆系统的提出 | 第19-21页 |
| ·神经网络α阶逆系统方法及其工程实现 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于RBFN 的改进最近邻聚类学习算法研究 | 第24-40页 |
| ·非线性系统的RBF 神经网络辨识模型及结构 | 第24-27页 |
| ·RBF 神经网络常用的算法 | 第27-29页 |
| ·改进最近邻聚类学习算法 | 第29-39页 |
| ·函数拟合精度 | 第32页 |
| ·仿真实验及分析 | 第32-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 一种带前馈的RBFN 逆控制系统设计 | 第40-59页 |
| ·引言 | 第40页 |
| ·神经网络逆控制方法概述 | 第40-41页 |
| ·神经网络逆建模 | 第41-42页 |
| ·系统的可逆性 | 第42-44页 |
| ·一种带前馈的RBFN 逆控制策略研究 | 第44-52页 |
| ·问题描述 | 第44-45页 |
| ·RBF 网络控制器直接逆动态的存在性 | 第45-47页 |
| ·神经网络逆控制器的结构 | 第47页 |
| ·仿真研究 | 第47-52页 |
| ·基于RBFN 逆控制策略的多变量耦合系统的解耦控制 | 第52-58页 |
| ·非线性MIMO 离散耦合系统的可逆性分析 | 第52-54页 |
| ·多变量离散非线性逆系统伪线性化解耦的实现 | 第54页 |
| ·多变量神经网络逆控制策略 | 第54-56页 |
| ·系统仿真实验及其分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于非最小相位系统的RBFN 逆控制策略研究 | 第59-67页 |
| ·非最小相位系统 | 第59-64页 |
| ·最小相位系统和非最小相位系统的定义与分析 | 第59-60页 |
| ·构造非最小相位系统的伪系统 | 第60-61页 |
| ·仿真研究 | 第61-64页 |
| ·RBFN 逆控制策略研究的通用性 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录A 插图清单 | 第72-74页 |
| 附录B 表格清单 | 第74-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |
