| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| 1．1 引言 | 第10-11页 |
| 1．2 预测控制的发展和现状 | 第11-13页 |
| 1．2．1 预测控制算法的研究 | 第12-13页 |
| 1．2．2 预测控制的展望 | 第13页 |
| 1．3 神经网络 | 第13-15页 |
| 1．3．1 神经网络的结构及学习算法 | 第14-15页 |
| 1．3．2 神经网络的辨识与控制 | 第15页 |
| 1．4 基于神经网络的非线性预测控制研究 | 第15-17页 |
| 1．5 本文的研究动机及目的 | 第17-18页 |
| 1．6 本文的研究工作及内容安排 | 第18-19页 |
| 2 预测控制与神经网络 | 第19-28页 |
| 2．1 预测控制 | 第19-24页 |
| 2．1．1 预测控制的产生 | 第19-20页 |
| 2．1．2 预测控制的基本原理 | 第20-21页 |
| 2．1．3 神经网络预测控制 | 第21-24页 |
| 2．2 神经网络 | 第24-25页 |
| 2．2．1 神经网络基本结构 | 第24-25页 |
| 2．2．2 神经网络基本模型 | 第25页 |
| 2．3 动态神经网络模型 | 第25-28页 |
| 3 基于递归神经网络的非线性预测控制研究 | 第28-38页 |
| 3．1 引言 | 第28页 |
| 3．2 动态递归神经网络 | 第28-30页 |
| 3．3 基于神经网络的多步预测 | 第30-32页 |
| 3．3．1 系统描述 | 第30-31页 |
| 3．3．2 递推多步预测器 | 第31-32页 |
| 3．3．3 直接多步预测器 | 第32页 |
| 3．4 基于神经网络的去误差直接多步预测器 | 第32-33页 |
| 3．5 非线性系统多步预测控制 | 第33-35页 |
| 3．5．1 基于去误差直接多步预测的控制 | 第33-34页 |
| 3．5．2 基于递推多步预测的控制 | 第34-35页 |
| 3．6 仿真研究 | 第35-36页 |
| 3．7 本章小结 | 第36-38页 |
| 4 基于神经网络的非线性PID自整定预测控制研究 | 第38-48页 |
| 4．1 引言 | 第38页 |
| 4．2 基于前馈神经网络的预测PID控制 | 第38-41页 |
| 4．2．1 动态系统的神经网络模型 | 第38-39页 |
| 4．2．2 线性预测自整定PID控制算法 | 第39-40页 |
| 4．2．3 仿真研究 | 第40-41页 |
| 4．3 基于递归神经网络的预测PID控制 | 第41-43页 |
| 4．3．1 局部递归神经网络 | 第41页 |
| 4．3．2 基于多步预测的神经网络PID控制算法实现 | 第41-42页 |
| 4．3．3 仿真研究 | 第42-43页 |
| 4．4 基于梯度算法的预测PID控制 | 第43-47页 |
| 4．4．1 基于复合神经网络的系统辨识 | 第43-44页 |
| 4．4．2 非线性系统多步预测控制器 | 第44-46页 |
| 4．4．3 仿真研究 | 第46-47页 |
| 4．5 本章小结 | 第47-48页 |
| 5 基于递归神经网络的多变量非线性预测控制研究 | 第48-56页 |
| 5．1 引言 | 第48页 |
| 5．2 多变量系统解耦控制器 | 第48-51页 |
| 5．2．1 系统描述 | 第48-49页 |
| 5．2．2 非线性PID控制器 | 第49-50页 |
| 5．2．3 仿真研究 | 第50-51页 |
| 5．3 多变量非线性系统预测控制 | 第51-55页 |
| 5．3．1 背景描述 | 第51页 |
| 5．3．2 方案1：基于递归多步预测的控制 | 第51-52页 |
| 5．3．3 方案2：多步预测目标函数下的控制 | 第52-54页 |
| 5．3．4 仿真研究 | 第54-55页 |
| 5．4 本章小结 | 第55-56页 |
| 总结 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
| 大连理工大学学位论文版权使用授权书 | 第63页 |