首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

基于改进型模糊神经网络的智能控制研究

摘要第1-6页
Abstract第6-11页
第1章 绪论第11-23页
   ·研究背景第11-12页
   ·模糊神经网络的起源和发展第12-14页
     ·神经网络的历史第12-13页
     ·模糊理论技术的发展第13-14页
     ·模糊神经网络的研究历程第14页
   ·模糊神经网络的发展现状第14-15页
   ·模糊神经网络的分类研究第15-18页
     ·传统的分类方法第16页
     ·新型分类研究第16-18页
   ·模糊神经网络的算法解析第18-19页
   ·模糊神经网络的结构优化研究第19-20页
     ·网络规模的简化第19-20页
     ·网络功能的增强第20页
   ·模糊神经网络的研究途径第20-21页
   ·本文研究内容与结构第21-23页
第2章 理论基础第23-37页
   ·模糊系统的基本理论第23-30页
     ·模糊集合第23-25页
     ·模糊关系第25-26页
     ·模糊语言变量第26-27页
     ·模糊推理理论第27-29页
     ·工程控制常用的模糊推理方法第29-30页
     ·模糊控制的基本结构和组成第30页
   ·神经网络的基本知识第30-35页
     ·模糊逻辑神经元第30-32页
     ·模糊神经网络类型第32-33页
     ·神经网络学习算法第33-34页
     ·误差反传(BP)训练算法第34-35页
   ·神经网络与模糊推理系统的等效性第35页
   ·神经网络实现的模糊推理系统第35-36页
   ·本章小结第36-37页
第3章 正则化模糊神经网络分析第37-49页
   ·正则化模糊神经网络结构第37-38页
   ·网络信号的前向传输第38-39页
   ·学习算法第39-41页
   ·收敛性证明第41-45页
     ·最佳逼近器与模糊基函数第41-42页
     ·模糊系统的通用逼近性第42-45页
   ·基于正则化模糊神经网络的系统辨识第45-48页
     ·系统辨识的基本知识第45页
     ·仿真研究第45-48页
   ·本章小结第48-49页
第4章 基于RBF 辨识的模糊神经网络控制器的设计与实现第49-62页
   ·自学习模糊神经网络控制系统第49-50页
   ·自调整量化因子和比例因子模糊神经网络控制器第50-54页
     ·优化方案思路第50页
     ·新型模糊神经网络结构第50-52页
     ·网络输入信息的处理第52页
     ·学习算法第52-54页
   ·RBF 辨识网络第54-57页
     ·径向基函数神经网络(RBF)第55页
     ·辨识算法第55-57页
   ·仿真研究第57-61页
     ·控制器性能验证第57-59页
     ·输入变量的有效处理第59页
     ·系统Jacobian 信息的精确辨识第59-61页
   ·本章小结第61-62页
第5章 带有自调整因子的模糊RBF 神经网络第62-71页
   ·基于模糊RBF 神经网络整定的PID 控制第62-65页
     ·模糊RBF 神经网络第62-63页
     ·基于模糊RBF 神经网络整定的PID 控制第63-64页
     ·学习算法第64-65页
   ·带有自调整因子的模糊神经网络第65页
   ·基于PSO 算法的滚动优化第65-67页
     ·微粒群算法第65-66页
     ·算法原理第66-67页
     ·算法实现第67页
   ·仿真研究第67-70页
   ·本章小结第70-71页
结 论第71-73页
参考文献第73-78页
攻读硕士学位期间承担的科研任务与主要成果第78-79页
致 谢第79-80页
作者简介第80页

论文共80页,点击 下载论文
上一篇:新财经报纸特色研究
下一篇:英语语篇模式在大学英语阅读教学中的应用:一项实验研究