摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-40页 |
1.1 迭代学习控制综述 | 第12-24页 |
1.1.1 引言 | 第12页 |
1.1.2 迭代学习控制算法 | 第12-17页 |
1.1.3 迭代学习控制理论 | 第17-21页 |
1.1.4 存在的问题与研究方向 | 第21-23页 |
1.1.5 小结 | 第23-24页 |
1.2 迭代学习控制理论的数学预备 | 第24-37页 |
1.2.1 泛函分析基础 | 第24-28页 |
1.2.2 几个主要数学定理 | 第28-37页 |
1.3 论文内容及章节简介 | 第37-40页 |
1.3.1 论文工作及创新点 | 第37页 |
1.3.2 论文章节及主要内容 | 第37-40页 |
第2章 基于最小方差预测模型的迭代学习控制算法 | 第40-50页 |
2.1 引言 | 第40-41页 |
2.2 问题描述 | 第41页 |
2.3 基于预测模型的迭代学习控制算法 | 第41-43页 |
2.4 收敛性分析 | 第43-44页 |
2.5 仿真结果 | 第44-47页 |
2.6 小结 | 第47-50页 |
第3章 基于GPC的自适应迭代学习控制算法 | 第50-62页 |
3.1 引言 | 第50页 |
3.2 问题描述 | 第50-51页 |
3.3 自适应迭代学习控制算法 | 第51-53页 |
3.4 稳定性分析 | 第53-54页 |
3.5 仿真分析 | 第54-60页 |
3.5.1 非逆稳过程的仿真分析 | 第54-55页 |
3.5.2 逆稳过程的仿真分析 | 第55-58页 |
3.5.3 汽车悬挂系统的仿真分析 | 第58-60页 |
3.6 小结 | 第60-62页 |
第4章 针对干扰迭代学习补偿的预测控制算法 | 第62-80页 |
4.1 引言 | 第62页 |
4.2 问题描述 | 第62-63页 |
4.3 干扰迭代补偿的预测控制算法 | 第63-65页 |
4.3.1 预测控制器设计 | 第63-65页 |
4.3.2 学习算法的引入 | 第65页 |
4.4 算法的收敛性和鲁棒性分析 | 第65-70页 |
4.5 应用研究结果 | 第70-79页 |
4.5.1 间歇反应器温度控制 | 第70-74页 |
4.5.2 PH值中和反应控制 | 第74-79页 |
4.6 小结 | 第79-80页 |
第5章 模型参考迭代学习控制算法 | 第80-104页 |
5.1 引言 | 第80页 |
5.2 时滞积分过程的改进Smith预估模型参考控制算法 | 第80-87页 |
5.2.1 问题描述 | 第80-81页 |
5.2.2 控制器设计 | 第81-84页 |
5.2.3 仿真结果 | 第84-87页 |
5.3 一类线性系统模型参考迭代学习控制算法 | 第87-95页 |
5.3.1 问题描述 | 第87-88页 |
5.3.2 收敛性分析 | 第88-90页 |
5.3.3 仿真结果 | 第90-95页 |
5.4 一类非线性系统模型参考迭代学习控制算法 | 第95-103页 |
5.4.1 问题描述 | 第95页 |
5.4.2 收敛性分析 | 第95-98页 |
5.4.3 仿真结果 | 第98-103页 |
5.5 小结 | 第103-104页 |
第6章 基于Bernoulli随机变量模型的迭代学习控制算法 | 第104-120页 |
6.1 引言 | 第104-105页 |
6.2 问题描述 | 第105-107页 |
6.3 主要结果 | 第107-117页 |
6.4 数值仿真 | 第117-119页 |
6.5 小结 | 第119-120页 |
第7章 结束语 | 第120-124页 |
7.1 本文总结 | 第120-122页 |
7.1.1 本文研究工作的三个层面 | 第120页 |
7.1.2 主要研究内容 | 第120-121页 |
7.1.3 主要创新点 | 第121-122页 |
7.2 问题与展望 | 第122-124页 |
参考文献 | 第124-136页 |
致谢 | 第136-137页 |
个人简历 | 第137-138页 |
攻读博士学位期间发表论文、科研项目、教学活动 | 第138-140页 |
攻读博士学位期间发表的论文 | 第138-139页 |
科研项目 | 第139-140页 |
参编著作 | 第140页 |
主要教学活动 | 第140页 |