基于神经网络的多变量解耦控制方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·引言 | 第8-9页 |
| ·解耦控制技术的研究现状 | 第9-10页 |
| ·传统的解耦方法 | 第9页 |
| ·基于现代控制理论的解耦方法 | 第9页 |
| ·自适应解耦方法 | 第9页 |
| ·智能解耦方法 | 第9-10页 |
| ·选题背景及意义 | 第10-11页 |
| ·本文所作的研究工作及内容安排 | 第11-12页 |
| 2 神经元网络基本理论 | 第12-27页 |
| ·神经元和神经网络 | 第12-15页 |
| ·神经元的数学模型 | 第12-14页 |
| ·神经网络的结构 | 第14-15页 |
| ·多层前向网络及其逼近能力(前向算法计算过程) | 第15-18页 |
| ·多层前向人工神经网络的基本组成 | 第15-16页 |
| ·具体前向计算过程 | 第16-17页 |
| ·多层前向网络的非线性逼近能力 | 第17-18页 |
| ·多层前向网络的学习过程(反向计算过程) | 第18-22页 |
| ·网络学习方式 | 第18-19页 |
| ·学习样本的收集 | 第19页 |
| ·学习样本的整理 | 第19-21页 |
| ·网络学习方法(反向计算过程) | 第21-22页 |
| ·反向传播算法中存在的一些问题及改进措施 | 第22-25页 |
| ·反向传播算法过程中存在的一些问题 | 第22页 |
| ·改进算法的优化计算方法 | 第22-25页 |
| ·多输出情况下反向传播算法的计算原理和过程 | 第25-26页 |
| ·对神经网络学习方法的一些说明 | 第26-27页 |
| 3 遗传算法基本理论 | 第27-47页 |
| ·引言 | 第27-30页 |
| ·GA的基本特点 | 第27-28页 |
| ·GA的基本操作 | 第28-30页 |
| ·随机过程简介 | 第30-33页 |
| ·随机过程的主要数字特征 | 第30-32页 |
| ·随机信号通过线性系统的分析 | 第32-33页 |
| ·相关理论的证明 | 第33-44页 |
| ·相关算法 | 第44-46页 |
| ·小结 | 第46-47页 |
| 4 解耦控制系统方案 | 第47-57页 |
| ·PID神经元网络解耦控制方案 | 第47-52页 |
| ·引言 | 第47-48页 |
| ·神经元网络的计算方法 | 第48-51页 |
| ·PID神经元网络权重初值的确定及控制机理 | 第51-52页 |
| ·基于改进遗传算法的PID神经元网络解耦控制 | 第52-57页 |
| ·引言 | 第52页 |
| ·基于遗传算法的PID神经网络解耦控制器的设计 | 第52-57页 |
| 5 典型工业多变量过程解耦控制仿真 | 第57-66页 |
| ·解耦控制在精馏塔温度控制中的应用 | 第57-60页 |
| ·精馏塔温度系统控制任务与对象特性 | 第57-58页 |
| ·神经网络的选择与训练 | 第58页 |
| ·仿真结果分析 | 第58-60页 |
| ·解耦控制在湿热室控制中的应用 | 第60-63页 |
| ·人工交变湿热室控制任务与对象特性 | 第60-62页 |
| ·仿真结果分析 | 第62-63页 |
| ·非线性对象神经网络解耦控制 | 第63-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |
