| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·人工神经网络的特点及应用 | 第9-10页 |
| ·系统辨识的基本概念 | 第10页 |
| ·非线性系统辨识 | 第10-12页 |
| ·神经网络控制思想 | 第12页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的结构及内容安排 | 第13-14页 |
| 第二章 神经网络辨识 | 第14-36页 |
| ·人工神经网络的特点及发展回望 | 第14-16页 |
| ·人工神经网络的特点 | 第14-15页 |
| ·人工神经网络的发展 | 第15-16页 |
| ·人工神经网络的模型结构及分类 | 第16-17页 |
| ·人工神经元的模型结构 | 第16页 |
| ·人工神经网络的结构 | 第16-17页 |
| ·神经网络的学习算法和训练算法 | 第17-35页 |
| ·BP网络及其算法 | 第17-27页 |
| ·标准反向传播方法 | 第18-21页 |
| ·BP算法的改进算法 | 第21-23页 |
| ·BP算法仿真 | 第23-27页 |
| ·RBF网络及其算法 | 第27-31页 |
| ·径向基函数神经网络结构 | 第27页 |
| ·网络的学习算法 | 第27-29页 |
| ·RBF网络与BP网络的比较 | 第29页 |
| ·非线性系统RBF网络辨识仿真 | 第29-31页 |
| ·基于紧支集余弦函数的RBF神经网络(RCRBF) | 第31-35页 |
| ·RCRBF网络结构 | 第31-33页 |
| ·RCRBF神经网络的算法实现 | 第33-34页 |
| ·实例仿真 | 第34-35页 |
| ·结论 | 第35-36页 |
| 第三章 基于神经网络的非线性动态逆 | 第36-53页 |
| ·神经网络实现的控制结构 | 第36-38页 |
| ·动态逆理论 | 第38-43页 |
| ·动态逆原理 | 第38-40页 |
| ·动态逆控制器设计 | 第40-43页 |
| ·基于神经网络的动态逆系统 | 第43-52页 |
| ·基于神经网络的动态逆控制原理及设计 | 第43-46页 |
| ·伪线性系统的综合 | 第46-50页 |
| ·线性控制理论综合 | 第47页 |
| ·神经网络误差补偿自适应控制 | 第47-49页 |
| ·仿真 | 第49-50页 |
| ·基于非线性状态观测器的动态逆 | 第50-52页 |
| ·结论 | 第52-53页 |
| 第四章 非线性系统状态观测器设计 | 第53-74页 |
| ·非线性观测器概述 | 第53页 |
| ·预备知识 | 第53-60页 |
| ·Lyapunov稳定性理论 | 第53-55页 |
| ·非线性系统输入输出线性化理论 | 第55-60页 |
| ·几何理论的基本概念 | 第56-59页 |
| ·单变量非线性系统的精确线性化 | 第59-60页 |
| ·非线性系统观测器设计 | 第60-65页 |
| ·不含建模不确定性的非线性系统观测器设计 | 第60-64页 |
| ·含有建模不确定性的非线性系统观测器设计 | 第64-65页 |
| ·仿真研究 | 第65-73页 |
| ·结论 | 第73-74页 |
| 第五章 基于遗传算法的模糊神经网络控制 | 第74-80页 |
| ·引言 | 第74页 |
| ·遗传算法(GA) | 第74-75页 |
| ·间接自适应控制结构 | 第75-76页 |
| ·系统模型的辨识 | 第76-77页 |
| ·遗传算法对FNNC的参数进行调节 | 第77-79页 |
| ·实例验证 | 第79页 |
| ·结论 | 第79-80页 |
| 第六章 总结 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·几点说明 | 第81-82页 |
| 致谢 | 第82-83页 |
| 硕士期间发表的学术论文 | 第83-84页 |
| 附录 | 第84-90页 |
| 参考文献 | 第90-93页 |