| 第1章 绪论 | 第1-15页 |
| 1．1 引言 | 第8页 |
| 1．2 振动控制的概念与分类 | 第8-9页 |
| 1．2．1 振动控制的概念 | 第8页 |
| 1．2．2 振动控制的分类 | 第8-9页 |
| 1．3 振动主动控制的发展及现状 | 第9-11页 |
| 1．4 振动主动控制的基本方法 | 第11-12页 |
| 1．5 本文研究的意义及现状 | 第12-13页 |
| 1．6 本文主要研究内容 | 第13-14页 |
| 1．7 本章小结 | 第14-15页 |
| 第2章 神经网络基础理论 | 第15-24页 |
| 2．1 引言 | 第15页 |
| 2．2 神经网络的基本理论 | 第15-19页 |
| 2．2．1 神经元的基本模型 | 第15-17页 |
| 2．2．2 神经网络的构成 | 第17-18页 |
| 2．2．3 神经网络的学习算法 | 第18-19页 |
| 2．3 误差反向传播网络 | 第19-23页 |
| 2．3．1 多层前向网络的逼近能力 | 第19-20页 |
| 2．3．2 误差反向传播算法 | 第20-23页 |
| 2．4 本章小结 | 第23-24页 |
| 第3章 MATLAB神经网络辨识与控制工具箱 | 第24-40页 |
| 3．1 引言 | 第24页 |
| 3．2 MATLAB神经网络辨识与控制工具箱 | 第24-38页 |
| 3．2．1 NNSYSID工具箱 | 第25-33页 |
| 3．2．2 NNCTRL工具箱 | 第33-38页 |
| 3．3 本章小结 | 第38-40页 |
| 第4章 振动系统的神经网络辨识 | 第40-63页 |
| 4．1 引言 | 第40页 |
| 4．2 神经网络辨识基本原理 | 第40-43页 |
| 4．2．1 系统辨识概念 | 第40-41页 |
| 4．2．2 神经网络辨识内涵 | 第41-43页 |
| 4．3 基于动态BP神经网络的系统辨识方法 | 第43-50页 |
| 4．3．1 非线性系统的辨识模型 | 第43-44页 |
| 4．3．2 神经网络辨识模型的结构 | 第44-46页 |
| 4．3．3 网络训练 | 第46-50页 |
| 4．3．4 模型有效性检验 | 第50页 |
| 4．4 辨识实例 | 第50-62页 |
| 4．4．1 MISO非线性振动系统辨识 | 第51-57页 |
| 4．4．2 MIMO非线性振动系统辨识 | 第57-62页 |
| 4．5 本章小结 | 第62-63页 |
| 第5章 基于神经网络的振动预测控制 | 第63-77页 |
| 5．1 引言 | 第63页 |
| 5．2 神经网络控制基础 | 第63-65页 |
| 5．3 神经网络预测控制方法 | 第65-67页 |
| 5．3．1 振动神经网络预测控制结构 | 第65-66页 |
| 5．3．2 振动神经网络预测控制算法 | 第66页 |
| 5．3．3 NNCTR1工具箱中神经网络预测控制简介 | 第66-67页 |
| 5．4 仿真实例 | 第67-76页 |
| 5．5 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |