基于粒子群算法的二级倒立摆小波神经网络控制
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.1.1 课题历史背景及现状 | 第10-11页 |
| 1.1.2 课题研究目的及意义 | 第11-12页 |
| 1.2 小波神经网络概况 | 第12-14页 |
| 1.2.1 小波神经网络的特征 | 第12-14页 |
| 1.2.2 小波神经网络的优点与不足 | 第14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 第2章 小波神经网络分析 | 第16-28页 |
| 2.1 小波分析理论 | 第16-18页 |
| 2.1.1 小波函数定义 | 第16-17页 |
| 2.1.2 小波研究的发展进程和趋势 | 第17-18页 |
| 2.2 常见的几种小波函数 | 第18-23页 |
| 2.2.1 Morlet 小波 | 第18-19页 |
| 2.2.2 Mexihat 小波 | 第19-21页 |
| 2.2.3 Shannon 小波 | 第21-22页 |
| 2.2.4 DOG 小波 | 第22-23页 |
| 2.3 小波神经网络的结构 | 第23-26页 |
| 2.3.1 小波神经网络的分类 | 第23-25页 |
| 2.3.2 小波神经网络的结构 | 第25-26页 |
| 2.4 小波神经网络进化算法的产生 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 小波神经网络控制器研究 | 第28-38页 |
| 3.1 小波神经网络初始参数优化研究 | 第28页 |
| 3.2 小波神经网络控制器的算法研究 | 第28-32页 |
| 3.2.1 粒子群算法研究背景 | 第28-29页 |
| 3.2.2 基本 PSO 算法更新过程 | 第29-32页 |
| 3.3 优化粒子群算法与小波神经网络训练 | 第32-34页 |
| 3.3.1 优化 PSO 算法 | 第32-33页 |
| 3.3.2 PSO 算法优化小波神经网络 | 第33-34页 |
| 3.4 小波神经网络函数逼近仿真研究 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 二级倒立摆系统小波神经网络控制仿真研究 | 第38-52页 |
| 4.1 二级倒立摆系统结构与建模 | 第38-40页 |
| 4.2 小波神经网络的训练 | 第40-43页 |
| 4.2.1 网络结构的确定 | 第40页 |
| 4.2.2 小波神经网络训练的结果 | 第40-43页 |
| 4.3 小波神经网络二级倒立摆控制器仿真研究 | 第43-51页 |
| 4.3.1 控制器的仿真研究 | 第43-46页 |
| 4.3.2 小波神经网络控制器抗干扰能力研究 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
