基于RBF神经网络的PID整定
| 第1章 绪论 | 第1-13页 |
| ·引言 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第2章 PID控制器参数整定方法 | 第13-19页 |
| ·引言 | 第13页 |
| ·典型PID控制器 | 第13-15页 |
| ·PID参数自整定方法 | 第15-19页 |
| 第3章 神经网络PID控制器参数自整定 | 第19-41页 |
| ·引言 | 第19-20页 |
| ·神经网络原理 | 第20-26页 |
| ·MP模型 | 第20-21页 |
| ·感知器 | 第21-23页 |
| ·多层前馈网络与BP学习算法 | 第23-25页 |
| ·径向基函数神经网络RBF | 第25页 |
| ·神经网络学习规则 | 第25-26页 |
| ·神经网络控制 | 第26-27页 |
| ·单神元自适应PID控制 | 第27-32页 |
| ·基于BP网络的PID整定原理 | 第32-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于RBFNN辨识的PID控制器整定 | 第41-58页 |
| ·前言 | 第41页 |
| ·RBF神经网络结构及其学习算法 | 第41-44页 |
| ·RBF神经网络隐层节点函数的选择 | 第41-42页 |
| ·RBF神经网络学习算法 | 第42-44页 |
| ·基于RBFNN辨识的一种PID控制器参数整定 | 第44-48页 |
| ·PID参数整定原理 | 第44-45页 |
| ·仿真实例 | 第45-48页 |
| ·基于RBF神经网络辨识的单个神经元的PID整定 | 第48-52页 |
| ·神经网络模型参考自适应原理 | 第48-49页 |
| ·仿真实例及分析 | 第49-52页 |
| ·基于RBFNN辨识的BPNN的PID整定 | 第52-57页 |
| ·整定原理 | 第52-53页 |
| ·仿真实例 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 递阶遗传算法优化RBF神经网络 | 第58-76页 |
| ·遗传算法的基本原理 | 第58-68页 |
| ·遗传算法的描述 | 第58-60页 |
| ·遗传算法的理论基础 | 第60-62页 |
| ·编码及适应度函数 | 第62-63页 |
| ·遗传算法的操作 | 第63-68页 |
| ·混合递阶遗传算法优化RBF神经网络 | 第68-72页 |
| ·递阶遗传算法 | 第68-71页 |
| ·算法设计 | 第71-72页 |
| ·仿真实例 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85页 |
