| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·引言 | 第11页 |
| ·国内外研究现状及研究意义 | 第11-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 RBF神经网络系统辨识 | 第16-24页 |
| ·RBF神经网络系统辨识的基本原理 | 第16-19页 |
| ·RBF神经网络的结构 | 第16-18页 |
| ·RBF神经网络的辨识算法 | 第18-19页 |
| ·RBF神经网络非线性系统辨识仿真 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于遗传算法的RBF神经网络PID控制 | 第24-37页 |
| ·遗传算法的基本操作 | 第24-27页 |
| ·基于遗传算法的PID控制原理 | 第27-30页 |
| ·PID控制算法 | 第27-29页 |
| ·基于遗传的PID控制算法 | 第29-30页 |
| ·基于遗传的RBF神经网络PID控制原理 | 第30-32页 |
| ·仿真实验 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于DE算法的RBF神经网络PID控制 | 第37-47页 |
| ·DE算法的基本原理 | 第37-40页 |
| ·DE算法的基本描述 | 第37-40页 |
| ·DE算法的特点 | 第40页 |
| ·基于DE算法的RBF神经网络PID控制方法 | 第40-41页 |
| ·基于差分进化算法的实验仿真 | 第41-45页 |
| ·几种控制方法对比仿真 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第5章 基于ISA-DE联合算法的RBF网络PID控制 | 第47-63页 |
| ·SA算法原理及改进 | 第47-52页 |
| ·SA算法原理 | 第47-48页 |
| ·SA算法的改进 | 第48-52页 |
| ·ISA-DE联合算法优化RBF神经网络 | 第52-53页 |
| ·基于ISA-DE算法的实验仿真 | 第53-58页 |
| ·非线性时变系统控制仿真 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |