| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究目的与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文主要的研究工作及论文结构 | 第10-12页 |
| 第二章 多变量时间序列模型辨识分析 | 第12-22页 |
| 2.1 数据特性分析 | 第12-17页 |
| 2.1.1 数据平稳性检验 | 第12-13页 |
| 2.1.2 数据非线性检验 | 第13-14页 |
| 2.1.3 数据混沌特性判断 | 第14-16页 |
| 2.1.4 基于K-近邻互信息值的多变量相关性分析 | 第16-17页 |
| 2.2 多变量时间序列模型选择分析 | 第17-19页 |
| 2.3 多变量时间序列模型参数辨识分析 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 多变量输入输出模型的辨识 | 第22-30页 |
| 3.1 多变量非线性输入输出模型的辨识 | 第22-29页 |
| 3.1.1 多变量时间序列相空间重构 | 第22页 |
| 3.1.2 多变量局域多步预测模型 | 第22-23页 |
| 3.1.3 多变量局域最优邻近相点的辨识 | 第23-24页 |
| 3.1.4 多变量局域Volterra多步预测模型性能的辨识 | 第24-25页 |
| 3.1.5 仿真及实验分析 | 第25-29页 |
| 3.2 本章小结 | 第29-30页 |
| 第四章 多变量状态空间模型的辨识 | 第30-48页 |
| 4.1 多变量状态空间模型 | 第30-33页 |
| 4.1.1 多变量状态空间模型的分类 | 第30-31页 |
| 4.1.2 多变量状态空间模型的转化 | 第31-33页 |
| 4.2 多变量状态空间子模型辨识分析 | 第33-37页 |
| 4.3 基于状态未知的多变量状态空间模型辨识 | 第37-47页 |
| 4.3.1 基于最小二乘的多变量状态空间模型辨识 | 第37-41页 |
| 4.3.2 基于子模型的多变量状态空间模型辨识 | 第41-44页 |
| 4.3.3 仿真及实验分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于递归神经网络的非线性控制模型的辨识 | 第48-58页 |
| 5.1 基于微分技术的递归神经网络模型 | 第48-52页 |
| 5.2 基于CSTR-RNN的非线性动态控制模型的辨识 | 第52-54页 |
| 5.3 仿真及实验分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 6.1 本文总结 | 第58页 |
| 6.2 本文展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
