| 一、 绪论 | 第1-18页 |
| ·引言 | 第10-11页 |
| ·神经网络技术的发展与现状 | 第11-14页 |
| ·神经网络的发展 | 第12-13页 |
| ·神经网络的特点及其用于控制的优越性 | 第13-14页 |
| ·预测控制的发展及研究动向 | 第14-16页 |
| ·预测控制的算法及其主要特点 | 第14-15页 |
| ·预测控制的研究动向 | 第15-16页 |
| ·神经网络预测控制的应用现状 | 第16-17页 |
| ·个人工作和论文简述 | 第17-18页 |
| 二、 RBF神经网络的模型结构及其算法 | 第18-28页 |
| ·引言 | 第18页 |
| ·RBF神经网络的基本结构及数学模型 | 第18-20页 |
| ·RBF神经网络的基本学习算法 | 第20-21页 |
| ·RBF神经网络的先进学习算法 | 第21-23页 |
| ·改进的RBF神经网络学习算法 | 第23-27页 |
| ·离线学习算法 | 第23-25页 |
| ·在线学习算法 | 第25-27页 |
| ·RBF网络的推广能力 | 第27-28页 |
| 三、 卫星姿态仿真系统结构分析 | 第28-35页 |
| ·两级图像定向控制系统实验 | 第28-29页 |
| ·卫星姿态仿真系统结构分析 | 第29-35页 |
| ·卫星姿态仿真系统的总体结构 | 第29-31页 |
| ·卫星姿态仿真系统的干扰源 | 第31页 |
| ·卫星姿态仿真系统的数学模型 | 第31-33页 |
| ·气浮台的状态空间表达式及能控能观性 | 第33-35页 |
| 四、 气浮台基于神经网络的系统辨识与建模 | 第35-50页 |
| ·引言 | 第35-36页 |
| ·传统辨识与神经网络辨识 | 第36-38页 |
| ·神经网络系统辨识 | 第38-43页 |
| ·神经网络辨识的基本结构 | 第39-41页 |
| ·非线性动态系统的神经网络辨识 | 第41-43页 |
| ·气浮台基于神经网络的在线自适应跟踪辨识 | 第43-50页 |
| ·神经网络的在线自适应跟踪辨识结构及方法 | 第43-44页 |
| ·辨识网络的构造及训练方法 | 第44-46页 |
| ·气浮台的神经网络模型 | 第46-50页 |
| 五、 神经网络内模控制在气浮台控制中的应用研究 | 第50-67页 |
| ·神经网络控制和预测控制存在的问题 | 第50-52页 |
| ·PID控制和神经网络PID控制存在的问题 | 第50-51页 |
| ·预测控制存在的问题 | 第51-52页 |
| ·内模控制 | 第52-55页 |
| ·内模控制及其性质 | 第52-53页 |
| ·内模控制器的设计 | 第53-55页 |
| ·基于神经网络的非线性内模控制 | 第55-63页 |
| ·非线性内模控制结构及其特性 | 第55页 |
| ·非线性系统的可逆性研究 | 第55-57页 |
| ·控制器的设计 | 第57-59页 |
| ·神经网络模型输入层神经元数的确定 | 第59-60页 |
| ·神经网络预测控制系统收敛性 | 第60-63页 |
| ·RBF型神经网络内模控制在卫星姿态仿真系统中的应用 | 第63-67页 |
| 六、 结束语 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |