| 中文摘要 | 第1-7页 |
| 第一章 绪论 | 第7-20页 |
| 1．1 混沌学的发展概述 | 第7-9页 |
| 1．2 混沌的定义及特征 | 第9-17页 |
| 1．2．1 初值敏感 | 第10-13页 |
| 1．2．2 系统参数对动力学性态的影响 | 第13-17页 |
| 1．3 混沌控制策略 | 第17-19页 |
| 1．3．1 混沌控制的OGY法及其推广形式 | 第17-18页 |
| 1．3．2 传递和转移控制混沌运动 | 第18页 |
| 1．3．3 自适应控制 | 第18-19页 |
| 1．3．4 模糊控制 | 第19页 |
| 1．3．5 神经网络法 | 第19页 |
| 1．4 本论文的主要研究工作 | 第19-20页 |
| 第二章 基于标准BP及其改进算法的ANN网络在混沌控制领域中的应用 | 第20-40页 |
| 2．1 引言 | 第20页 |
| 2．2 神经网络理论基础 | 第20-23页 |
| 2．2．1 神经元模型 | 第21-23页 |
| 2．2．2 神经网络的连接形式 | 第23页 |
| 2．3 神经网络的学习算法 | 第23-25页 |
| 2．4 BP算法 | 第25-27页 |
| 2．5 用BP神经网络控制Henon映射混沌运动 | 第27-34页 |
| 2．5．1 控制混沌 | 第27-29页 |
| 2．5．2 神经网络结构及算法 | 第29-31页 |
| 2．5．3 数值仿真 | 第31-33页 |
| 2．5．4 小结 | 第33-34页 |
| 2．6 用改进BP算法控制Henon映射混沌运动 | 第34-39页 |
| 2．6．1 控制器结构及算法 | 第35-36页 |
| 2．6．2 仿真实验 | 第36-38页 |
| 2．6．3 数值结果对比 | 第38-39页 |
| 2．6．4 小结 | 第39页 |
| 2．7 本章结论 | 第39-40页 |
| 第三章 RBF神经网络在非线性混沌控制系统中的应用 | 第40-58页 |
| 3．1 径向基函数网络 | 第40-41页 |
| 3．2 RBF网络参数的选择 | 第41页 |
| 3．3 RBF神经网络在非线性混沌控制系统中的应用 | 第41-47页 |
| 3．3．1 控制原理 | 第42页 |
| 3．3．2 控制器结构及算法 | 第42-45页 |
| 3．3．2．1 RBF中心位置确定 | 第43-44页 |
| 3．3．2．2 RBF隐元宽度的确定 | 第44页 |
| 3．3．2．3 输出层权值的确定 | 第44-45页 |
| 3．3．3 仿真实例 | 第45-46页 |
| 3．3．4 结论 | 第46-47页 |
| 3．4 混沌系统的RBF神经网络非线性补偿控制 | 第47-58页 |
| 3．4．1 问题描述 | 第48页 |
| 3．4．2 非线性补偿与线性控制 | 第48-52页 |
| 3．4．3 仿真实例 | 第52-57页 |
| 3．4．4 小结 | 第57-58页 |
| 第四章 不确定混沌系统的模糊自适应控制 | 第58-67页 |
| 4．1 模糊建模 | 第58-61页 |
| 4．2 模糊自适应控制器设计 | 第61-65页 |
| 4．2．1 函数的傅里叶级数描述 | 第61-62页 |
| 4．2．2 控制器设计 | 第62-65页 |
| 4．3 数值仿真 | 第65-66页 |
| 4．4 结论 | 第66-67页 |
| 第五章 模糊神经网络在混沌时间序列预测中的应用 | 第67-82页 |
| 5．1 引言 | 第67页 |
| 5．2 模型结构 | 第67-69页 |
| 5．3 混合学习算法 | 第69-75页 |
| 5．3．1 结构学习阶段 | 第69-71页 |
| 5．3．2 参数学习阶段 | 第71-75页 |
| 5．4 在非线性动力系统中的应用—混沌动力系统的预测 | 第75-81页 |
| 5．4．1 仿真实验 | 第78-79页 |
| 5．4．2 在线自适应学习的仿真结果 | 第79-81页 |
| 5．5 结论 | 第81-82页 |
| 结束语 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86页 |
