| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 混沌理论概述 | 第13-17页 |
| 1.2.1 混沌理论的发展 | 第13-14页 |
| 1.2.2 混沌定义 | 第14-16页 |
| 1.2.3 混沌特征 | 第16-17页 |
| 1.3 非线性系统智能辨识技术 | 第17-21页 |
| 1.3.1 模糊辨识 | 第18页 |
| 1.3.2 神经网络 | 第18-19页 |
| 1.3.3 非线性模型辨识 | 第19-20页 |
| 1.3.4 支持向量机 | 第20页 |
| 1.3.5 智能优化算法 | 第20-21页 |
| 1.4 混沌系统辨识与控制研究现状 | 第21-23页 |
| 1.5 本文的主要研究内容及结构安排 | 第23-25页 |
| 第2章 基于区间Ⅱ型模糊模型的混沌系统辨识 | 第25-43页 |
| 2.1 引言 | 第25-26页 |
| 2.2 Ⅱ型T-S模糊系统描述 | 第26-30页 |
| 2.3 区间Ⅱ型T-S模糊系统设计 | 第30-32页 |
| 2.4 采用PSO和数据变换的区间Ⅱ型T-S模糊系统设计 | 第32-35页 |
| 2.4.1 Sigmoid数据变换 | 第32-33页 |
| 2.4.2 建模过程 | 第33页 |
| 2.4.3 PSO优化策略 | 第33-35页 |
| 2.5 仿真实验 | 第35-41页 |
| 2.5.1 基于区间Ⅱ型模糊模型的混沌系统辨识 | 第35-39页 |
| 2.5.2 采用PSO和数据变换的混沌系统模糊辨识 | 第39-41页 |
| 2.6 本章小结 | 第41-43页 |
| 第3章 基于Wiener-LSSVM模型的混沌系统辨识 | 第43-55页 |
| 3.1 引言 | 第43-44页 |
| 3.2 Wiener模型 | 第44-45页 |
| 3.3 最小二乘支持向量机 | 第45-47页 |
| 3.4 基于Wiener-LSSVM模型的混沌系统辨识 | 第47-49页 |
| 3.5 仿真实例 | 第49-53页 |
| 3.5.1 Hénon混沌系统 | 第49-51页 |
| 3.5.2 Lozi混沌系统 | 第51-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第4章 基于Hammerstein-ELM模型的混沌系统辨识 | 第55-75页 |
| 4.1 引言 | 第55-56页 |
| 4.2 极值学习机原理 | 第56-58页 |
| 4.3 基于Hammerstein-ELM模型的混沌系统辨识 | 第58-61页 |
| 4.3.1 辨识方案 | 第58-61页 |
| 4.3.2 M-P伪逆矩阵快速计算方法 | 第61页 |
| 4.4 仿真实例 | 第61-73页 |
| 4.4.1 Hénon混沌系统 | 第61-64页 |
| 4.4.2 Logistic混沌系统 | 第64-66页 |
| 4.4.3 Lozi混沌系统 | 第66-68页 |
| 4.4.4 连续时间混沌系统 | 第68-71页 |
| 4.4.5 性能分析 | 第71-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 基于模糊模型的混沌系统控制与同步 | 第75-94页 |
| 5.1 引言 | 第75页 |
| 5.2 Hénon混沌系统的模糊广义预测控制与同步 | 第75-87页 |
| 5.2.1 T-S模糊模型设计 | 第76-79页 |
| 5.2.2 控制器设计 | 第79-82页 |
| 5.2.3 仿真实例 | 第82-87页 |
| 5.3 基于模糊逆模型的Hénon混沌系统自适应逆控制 | 第87-93页 |
| 5.3.1 模糊逆模型辨识方法 | 第88页 |
| 5.3.2 模糊划分 | 第88-89页 |
| 5.3.3 模糊逆模型结论参数辨识 | 第89-90页 |
| 5.3.4 基于模糊逆模型的混沌系统在线自适应逆控制 | 第90-91页 |
| 5.3.5 Hénon混沌系统控制与同步 | 第91-93页 |
| 5.4 本章小结 | 第93-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-107页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第107-109页 |
| 致谢 | 第109-110页 |
| 作者简介 | 第110页 |
