| 1 绪论 | 第1-12页 |
| 1．1 选题背景和研究意义 | 第7-8页 |
| 1．2 pH中和过程的辨识及控制问题的研究现状 | 第8-10页 |
| 1．3 论文主要内容及安排 | 第10-12页 |
| 2 神经网络概述及通用学习网络的介绍 | 第12-21页 |
| 2．1 神经网络概述 | 第12-14页 |
| 2．2 通用学习网络（Universal Learning Network，ULN） | 第14-20页 |
| 2．2．1 通用学习网络的结构及算法介绍 | 第14-16页 |
| 2．2．2 基于通用学习网络的非线性动态系统辨识 | 第16-20页 |
| 2．3 小结 | 第20-21页 |
| 3 pH中和过程的辨识 | 第21-34页 |
| 3．1 无大滞后的pH中和过程的辨识 | 第21-25页 |
| 3．2 包含大滞后的pH中和过程的辨识 | 第25-33页 |
| 3．2．1 用通用学习网络辨识 | 第27-28页 |
| 3．2．2 用BP网络辨识 | 第28-29页 |
| 3．2．3 用RBF网络辨识 | 第29-32页 |
| 3．2．4 各种方法的误差综合比较 | 第32-33页 |
| 3．3 小结 | 第33-34页 |
| 4 基于神经网络的控制器设计 | 第34-48页 |
| 4．1 引言 | 第34-38页 |
| 4．2 pH中和过程的控制系统设计及仿真 | 第38-47页 |
| 4．2．1 PID+ULN预估器的方法 | 第38-39页 |
| 4．2．2 模型预报控制方法 | 第39-41页 |
| 4．2．3 神经网络PID控制方法 | 第41-43页 |
| 4．2．4 单神经元PID控制方法 | 第43-45页 |
| 4．2．5 四种方法的综合比较 | 第45-47页 |
| 4．3 小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5．1 全文总结 | 第48页 |
| 5．2 研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 作者在硕士期间参加课题和完成论文 | 第53-54页 |
| 致谢 | 第54-55页 |