| 摘要 | 第1-4页 |
| abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·智能PID控制 | 第8-9页 |
| ·专家 PID控制 | 第8页 |
| ·模糊 PID控制 | 第8-9页 |
| ·神经网络 PID控制 | 第9页 |
| ·神经网络控制 | 第9-11页 |
| ·神经网络的发展状况 | 第9-10页 |
| ·神经网络的特性及应用概况 | 第10-11页 |
| ·本文主要研究内容 | 第11-13页 |
| 第二章 常规 PID控制 | 第13-18页 |
| ·基本 PID控制原理 | 第13-15页 |
| ·数字 PID控制 | 第15-17页 |
| ·位置式数字 PID控制 | 第15-16页 |
| ·增量式数字 PID控制 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 BP神经网络原理及其应用 | 第18-32页 |
| ·单神经元模型 | 第18-19页 |
| ·典型的网络学习规则 | 第19页 |
| ·多层前馈神经网络 | 第19-20页 |
| ·感知器 | 第20-23页 |
| ·单层感知器 | 第21-22页 |
| ·多层感知器 | 第22-23页 |
| ·BP神经网络 | 第23-30页 |
| ·BP算法基本原理 | 第23-24页 |
| ·BP神经网络的结构 | 第24-25页 |
| ·BP算法推导以及学习步骤 | 第25-30页 |
| ·BP神经网络存在的问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于改进 BP神经网络的 PID控制 | 第32-66页 |
| ·基于BP神经网络 PID控制器的设计 | 第32-35页 |
| ·BP算法的改进 | 第35-39页 |
| ·添加动量项 | 第36-39页 |
| ·BP神经网络结构的确定 | 第39-41页 |
| ·输入与输出层的神经元数目确定 | 第40页 |
| ·隐含层数以及神经元数目确定 | 第40-41页 |
| ·权值初值的选择 | 第41-52页 |
| ·权值初值选取的经验 | 第41-46页 |
| ·两次确定权值初值法 | 第46-52页 |
| ·激活函数的选择 | 第52-58页 |
| ·非线性误差函数的选择 | 第58页 |
| ·泛化能力分析 | 第58-59页 |
| ·仿真分析 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 基于改进BP神经网络 PID的摩擦力补偿研究 | 第66-79页 |
| ·摩擦及补偿问题研究的发展现状 | 第66-67页 |
| ·摩擦的基本原理 | 第67-70页 |
| ·摩擦力模型研究 | 第70-71页 |
| ·摩擦补偿办法 | 第71-72页 |
| ·基于 BP神经网络 PID控制的补偿方法 | 第72-75页 |
| ·仿真结果 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 发表或已录用学术文章 | 第83-84页 |
| 致谢 | 第84页 |