| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·神经网络控制技术的背景 | 第11-13页 |
| ·神经网络控制在控制领域中的地位 | 第11-12页 |
| ·神经网络控制与神经网络理论的关系 | 第12-13页 |
| ·神经网络控制技术的研究现状 | 第13-14页 |
| ·神经网络控制技术的研究内容 | 第13页 |
| ·神经网络控制技术的应用概况 | 第13-14页 |
| ·本课题的研究意义 | 第14-17页 |
| ·神经网络控制技术存在的问题 | 第14-15页 |
| ·神经网络的遗传算法优化 | 第15-16页 |
| ·神经网络控制在电液伺服系统中的应用 | 第16-17页 |
| ·论文主要研究内容 | 第17-18页 |
| 第2章 神经网络及其遗传寻优学习算法 | 第18-46页 |
| ·人工神经网络原理 | 第18-28页 |
| ·从生物神经元到人工神经元 | 第18-20页 |
| ·单层感知器及LMS 算法 | 第20-22页 |
| ·多层前向神经网络理论 | 第22-28页 |
| ·遗传算法对多层前向网络的优化 | 第28-36页 |
| ·遗传算法基本原理 | 第28-31页 |
| ·遗传算法要素简述 | 第31-34页 |
| ·遗传算法在BP 网络的应用 | 第34-36页 |
| ·基于MATLAB 的GA-ANN 的实现 | 第36-45页 |
| ·MATLAB 简介 | 第36页 |
| ·BP 神经网络结构设计 | 第36-38页 |
| ·神经网络学习样本设计 | 第38-39页 |
| ·Levenberg-Marquardt BP 学习算法 | 第39-40页 |
| ·遗传寻优学习算法 | 第40-44页 |
| ·两种学习算法测试对比 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 神经网络逆控制研究及其仿真 | 第46-72页 |
| ·逆系统理论 | 第46-50页 |
| ·逆系统定义 | 第46-47页 |
| ·系统可逆性概念 | 第47-48页 |
| ·伪线性复合系统原理 | 第48-49页 |
| ·SISO 系统可逆性判别 | 第49-50页 |
| ·神经网络逆控制 | 第50-55页 |
| ·神经网络逆控制基本思想 | 第50-51页 |
| ·逆系统的神经网络建模 | 第51-53页 |
| ·逆系统的BP 网络辨识建模 | 第53-54页 |
| ·神经网络逆控制系统 | 第54-55页 |
| ·神经网络复合逆控制系统 | 第55-57页 |
| ·神经网络复合并逆控制系统 | 第55-56页 |
| ·神经网络复合串逆控制系统 | 第56-57页 |
| ·电液位置伺服系统建模 | 第57-66页 |
| ·伺服阀建模 | 第57-58页 |
| ·伺服阀控缸建模 | 第58-61页 |
| ·建模对象参数确定 | 第61-63页 |
| ·闭环系统建模 | 第63-66页 |
| ·电液伺服位置控制系统的仿真 | 第66-71页 |
| ·基于PID 控制策略的仿真 | 第66-68页 |
| ·基于遗传寻优神经网络逆控制的仿真 | 第68-70页 |
| ·阶跃响应仿真对比 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 遗传神经控制策略的实验研究 | 第72-83页 |
| ·实验方案总体设计 | 第72-73页 |
| ·电液材料试验机 | 第73-75页 |
| ·计算机控制系统开发 | 第75-80页 |
| ·数据采集设备 | 第75-77页 |
| ·PID 控制器的开发 | 第77-78页 |
| ·GANN 复合逆控制器的开发 | 第78-80页 |
| ·实验结果分析 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 作者简介 | 第92页 |