| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题的背景及意义 | 第10-11页 |
| ·纯滞后产生的原因及特点 | 第11-13页 |
| ·系统产生滞后的原因 | 第11-12页 |
| ·纯滞后系统的特点 | 第12-13页 |
| ·大时滞系统控制的研究现状及方法 | 第13-17页 |
| ·经典控制方法 | 第13-14页 |
| ·现代控制方法 | 第14-15页 |
| ·智能控制方法 | 第15-17页 |
| ·论文的主要研究内容 | 第17页 |
| ·本文的内容安排 | 第17-19页 |
| 第2章 神经网络的理论 | 第19-25页 |
| ·神经网络的发展史 | 第19-20页 |
| ·人工神经元 | 第20-21页 |
| ·神经网络的模型 | 第21-22页 |
| ·神经网络的学习规则 | 第22-23页 |
| ·神经网络的特点 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于BPNN-PID控制器的大时滞系统的控制 | 第25-45页 |
| ·常规PID控制器 | 第25-26页 |
| ·BP神经网络 | 第26-30页 |
| ·BP网络的结构 | 第27页 |
| ·BP神经网络算法 | 第27-30页 |
| ·BP网络隐含层节点的确定 | 第30页 |
| ·BP神经网络的缺点及改进 | 第30-35页 |
| ·对BP网络易陷入局部极小点的改进 | 第30-32页 |
| ·对BP网络收敛速度慢的改进 | 第32-35页 |
| ·BPNN-PID控制系统 | 第35-44页 |
| ·BP-PID控制器的学习算法 | 第35-36页 |
| ·BPNN-PID控制器MATLAB算法 | 第36-37页 |
| ·基于BPNN-PID控制的大时滞系统仿真 | 第37-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于PID神经元网络的控制系统 | 第45-53页 |
| ·PID神经元 | 第45-46页 |
| ·PID神经元网络 | 第46-49页 |
| ·PID神经元网络的结构 | 第46-47页 |
| ·PID神经元网络的算法 | 第47-49页 |
| ·PID神经元网络初始权值的选取 | 第49-50页 |
| ·基于PID神经元网络的大时滞系统控制 | 第50-52页 |
| ·PID神经元网络控制系统结构 | 第50页 |
| ·基于Smith-PIDNN的控制系统 | 第50-51页 |
| ·Smith-PIDNN控制算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于Smith-PIDNN的温控系统仿真 | 第53-63页 |
| ·Smith预估算法 | 第53-55页 |
| ·Smith-PIDNN控制算法 | 第55-56页 |
| ·Smith-PIDNN阶跃响应分析 | 第56-59页 |
| ·Smith-PIDNN抗干扰能力分析 | 第59页 |
| ·基于Smith-PID神经元网络的鲁棒性分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69-70页 |
| 附录B 仿真程序 | 第70-80页 |