| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 课题背景及研究的目的和意义 | 第15-16页 |
| 1.2 预测控制的基本原理 | 第16-19页 |
| 1.2.1 预测模型 | 第17-18页 |
| 1.2.2 滚动优化 | 第18页 |
| 1.2.3 反馈校正 | 第18-19页 |
| 1.3 监督预测控制算法国内外研究现状 | 第19-25页 |
| 1.3.1 预测控制算法研究现状 | 第20-24页 |
| 1.3.2 监督预测控制算法研究现状 | 第24-25页 |
| 1.4 论文的主要内容 | 第25-27页 |
| 第2章 监督预测控制算法的基本理论 | 第27-36页 |
| 2.1 引言 | 第27页 |
| 2.2 监督预测控制算法 | 第27-36页 |
| 2.2.1 单变量监督预测控制算法 | 第27-31页 |
| 2.2.2 多变量监督预测控制算法 | 第31-36页 |
| 第3章 基于多模型结构的监督预测控制算法 | 第36-47页 |
| 3.1 引言 | 第36页 |
| 3.2 多模型结构的监督预测控制算法 | 第36-37页 |
| 3.2.1 多模型结构 | 第36-37页 |
| 3.2.2 多模型结构的权值设定 | 第37页 |
| 3.3 仿真研究 | 第37-46页 |
| 3.3.1 蒸馏塔温度控制的仿真 | 第37-40页 |
| 3.3.2 青霉素发酵过程的仿真 | 第40-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于T-S模型的监督预测控制算法 | 第47-64页 |
| 4.1 引言 | 第47-48页 |
| 4.2 基于T-S模糊模型的监督预测控制算法 | 第48-55页 |
| 4.2.1 过程对象模型 | 第48-50页 |
| 4.2.2 调节层模型 | 第50页 |
| 4.2.3 优化算法 | 第50-51页 |
| 4.2.4 仿真研究 | 第51-55页 |
| 4.3 基于遗传算法(GA)的模糊监督预测控制算法研究 | 第55-62页 |
| 4.3.1 基于遗传算法(GA)的模糊监督预测控制算法 | 第55-57页 |
| 4.3.2 数值仿真 | 第57-61页 |
| 4.3.3 实例仿真 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 基于最小二乘支持向量机的监督预测控制算法 | 第64-86页 |
| 5.1 引言 | 第64-65页 |
| 5.2 SVM原理 | 第65-69页 |
| 5.2.1 SVM回归算法 | 第67-68页 |
| 5.2.2 核函数的选取 | 第68-69页 |
| 5.3 LS-SVM介绍 | 第69-72页 |
| 5.3.1 加权LS-SVM | 第70-71页 |
| 5.3.2 基于柯西分布加权的LS-SVM | 第71-72页 |
| 5.4 多变量输出LS-SVM | 第72-74页 |
| 5.5 仿真研究 | 第74-85页 |
| 5.5.1 基于单变量的LS-SVM的监督预测控制算法 | 第74-78页 |
| 5.5.2 基于柯西分布加权的LS-SVM的监督预测控制算法 | 第78-82页 |
| 5.5.3 基于多变量的LS-SVM的监督预测控制算法 | 第82-85页 |
| 5.6 本章小结 | 第85-86页 |
| 第6章 基于LS-SVM及粒子群改进算法的监督预测控制算法 | 第86-98页 |
| 6.1 引言 | 第86页 |
| 6.2 PSO算法 | 第86-91页 |
| 6.2.1 PSO原理 | 第86-88页 |
| 6.2.2 PSO改进算法 | 第88-90页 |
| 6.2.3 基于PSO的监督预测控制算法 | 第90-91页 |
| 6.3 仿真研究 | 第91-97页 |
| 6.3.1 针对一般线性系统仿真 | 第92-93页 |
| 6.3.2 实例仿真 | 第93-97页 |
| 6.4 本章小结 | 第97-98页 |
| 第7章 改进的监督预测控制算法 | 第98-107页 |
| 7.1 阶梯式监督预测控制算法 | 第98-103页 |
| 7.2 单步预测输出阶梯式监督预测控制算法 | 第103-106页 |
| 7.3 本章小结 | 第106-107页 |
| 第8章 结论及展望 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 攻读博士学位期间发表的论文 | 第119-120页 |
| 致谢 | 第120-121页 |
| 作者简介 | 第121页 |
