| 第一章 绪论 | 第1-17页 |
| 1．1 模糊控制理论的产生、发展及现状 | 第7-11页 |
| 1．1．1 模糊控制理论的产生 | 第7-8页 |
| 1．1．2 模糊控制理论发展概况 | 第8-10页 |
| 1．1．3 模糊控制应用概况 | 第10-11页 |
| 1．1．4 目前模糊控制所面临的主要任务 | 第11页 |
| 1．2 神经网络的发展及应用 | 第11-15页 |
| 1．2．1 神经网络的发展概况 | 第12-14页 |
| 1．2．2 神经网络在控制中的应用 | 第14-15页 |
| 1．3 神经模糊集成技术 | 第15-16页 |
| 1．4 论文的主要内容 | 第16-17页 |
| 第二章 模糊控制与神经网络理论基础 | 第17-41页 |
| 2．1 模糊控制理论基础 | 第17-28页 |
| 2．1．1 模糊集合、模糊数及其模型的建立 | 第17-26页 |
| 2．1．2 带优化修正函数的模糊控制器 | 第26-28页 |
| 2．2 神经网络理论基础 | 第28-40页 |
| 2．2．1 人工神经元及其网络 | 第28-31页 |
| 2．2．2 典型的多层前向网络——BP网络的结构及算法 | 第31-40页 |
| 2．3 本章小结 | 第40-41页 |
| 第三章 改进的神经网络控制器设计 | 第41-56页 |
| 3．1 单神经元的自适应控制 | 第41-47页 |
| 3．1．1 自适应神经元及其学习策略 | 第41-42页 |
| 3．1．2 控制器设计 | 第42-44页 |
| 3．1．3 学习算法的改进 | 第44-46页 |
| 3．1．4 仿真研究 | 第46-47页 |
| 3．2 基于BP神经网络的PID控制 | 第47-55页 |
| 3．2．1 基于BP神经网络的PID串行控制器 | 第48-49页 |
| 3．2．2 基于BP神经网络K_P、K_I、K_D参数自学习的PID控制器 | 第49-55页 |
| 3．3 本章小结 | 第55-56页 |
| 第四章 两种神经模糊集成控制方案的探讨 | 第56-74页 |
| 4．1 问题的提出 | 第56-57页 |
| 4．2 滞后系统的史密斯神经模糊集成控制 | 第57-66页 |
| 4．2．1 史密斯预估补偿原理 | 第57-59页 |
| 4．2．2 神经模糊控制器 | 第59-62页 |
| 4．2．3 仿真研究 | 第62-66页 |
| 4．3 基于神经网络的预测模糊集成控制 | 第66-73页 |
| 4．3．1 引言 | 第66页 |
| 4．3．2 预测控制的结构与原理 | 第66-70页 |
| 4．3．3 基于神经网络的预测模糊集成控制方法 | 第70-71页 |
| 4．3．4 仿真研究 | 第71-73页 |
| 4．4 本章小结 | 第73-74页 |
| 第五章 结束语 | 第74-75页 |
| 参考文献 | 第75-76页 |
| 致 谢 | 第76页 |