| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义及国内外现状的研究 | 第10-11页 |
| 1.1.1 研究多容水箱系统的背景与概况 | 第10页 |
| 1.1.2 国内外多容水箱控制系统的现状研究 | 第10-11页 |
| 1.2 神经网络的概述 | 第11-13页 |
| 1.2.1 神经网络模型分类 | 第11-13页 |
| 1.2.2 在控制系统中的神经网络研究现状 | 第13页 |
| 1.3 智能预测控制的发展与研究方向 | 第13-14页 |
| 1.4 论文的主要内容 | 第14-16页 |
| 第2章 小波理论及小波神经网络建模原理与研究 | 第16-23页 |
| 2.1 小波理论 | 第16-17页 |
| 2.1.1 小波分析的发展过程 | 第16-17页 |
| 2.2 神经网络建模基本理论 | 第17-20页 |
| 2.2.1 基于神经网络的系统辨识含义 | 第17页 |
| 2.2.2 辨识非线性系统的模型与辨识结构 | 第17-19页 |
| 2.2.3 小波神经网络的原理 | 第19-20页 |
| 2.3 小波神经网络的优化 | 第20-22页 |
| 2.3.1 小波神经网络相关参数的优化 | 第20-21页 |
| 2.3.2 克隆遗传算法优化小波神经网络(CG-WNN)的主要流程 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于小波神经网络的动态矩阵控制 | 第23-38页 |
| 3.1 动态矩阵控制算法 | 第23-27页 |
| 3.1.1 预测模型 | 第23-25页 |
| 3.1.2 滚动优化 | 第25-26页 |
| 3.1.3 反馈校正 | 第26-27页 |
| 3.2 基于小波神经网络的动态矩阵预测控制研究 | 第27-32页 |
| 3.2.1 基于CG-WNN预测控制的基本结构 | 第27-29页 |
| 3.2.2 基于CG-WNN预测模型的建立 | 第29-31页 |
| 3.2.3 基于小波神经网络动态矩阵预测控制率的计算 | 第31-32页 |
| 3.3 基于CG-WNN的动态矩阵预测控制仿真实验 | 第32-37页 |
| 3.3.1 二容水箱的数学模型 | 第32-33页 |
| 3.3.2 基于CG-WNN的二容水箱预测模型 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于神经网络解耦的小波神经网络动态矩阵控制在四容水箱中的研究 | 第38-51页 |
| 4.1 神经网络解耦技术 | 第38页 |
| 4.2 四容水箱液位系统的神经网络解耦控制 | 第38-41页 |
| 4.3 四容水箱神经网络模型辨识与仿真研究 | 第41-50页 |
| 4.3.1 四容水箱的数学耦合模型 | 第41-42页 |
| 4.3.2 CG-WNN用于四容水箱模型辨识的仿真研究、 | 第42-44页 |
| 4.3.3 四容水箱液位控制仿真 | 第44-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 非线性二容水箱系统设计及应用 | 第51-58页 |
| 5.1 非线性二容水箱系统的硬件设计 | 第51页 |
| 5.2 非线性二容水箱系统的软件设计 | 第51-56页 |
| 5.2.1 监控软件的开发 | 第52-54页 |
| 5.2.2 监控软件与VB主控软件的DDE通讯 | 第54-56页 |
| 5.3 非线性二容水箱系统的实验运行 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64-71页 |
