| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 前言 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 模糊控制理论的发展 | 第11-12页 |
| 1.3 智能算法的发展状况 | 第12-14页 |
| 1.3.1 人工神经网络 | 第12-13页 |
| 1.3.2 遗传算法 | 第13页 |
| 1.3.3 粒子群算法 | 第13-14页 |
| 1.4 模糊控制系统的优化算法的发展 | 第14-15页 |
| 1.5 课题的主要工作及结构安排 | 第15-17页 |
| 第二章 模糊控制相关知识 | 第17-25页 |
| 2.1 模糊控制的相关基础知识 | 第17-19页 |
| 2.1.1 模糊集合与隶属度函数 | 第17-18页 |
| 2.1.2 模糊关系及其合成 | 第18-19页 |
| 2.2 模糊逻辑与模糊推理 | 第19-20页 |
| 2.2.1 模糊逻辑 | 第19-20页 |
| 2.2.2 模糊推理 | 第20页 |
| 2.3 模糊控制系统的相关知识 | 第20-23页 |
| 2.3.1 模糊控制系统 | 第20页 |
| 2.3.2 模糊控制器的基本结构 | 第20-22页 |
| 2.3.3 模糊控制器的设计步骤 | 第22-23页 |
| 2.4 模糊控制器需优化问题 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于改进遗传算法设计的模糊控制器 | 第25-36页 |
| 3.1 遗传算法的基本原理 | 第25页 |
| 3.2 遗传算法的基本步骤 | 第25-27页 |
| 3.3 本文的遗传算法及相应改进 | 第27-29页 |
| 3.4 基于改进遗传算法的性能测试 | 第29-31页 |
| 3.5 基于改进遗传算法设计模糊控制器 | 第31-33页 |
| 3.5.1 模糊控制器的优化设计 | 第31-33页 |
| 3.5.2 适应度函数的确定 | 第33页 |
| 3.5.3 改进遗传算法的优化步骤 | 第33页 |
| 3.6 模糊控制器仿真研究 | 第33-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 基于改进粒子群算法设计的模糊控制器 | 第36-45页 |
| 4.1 粒子群算法的相关知识 | 第36-38页 |
| 4.1.1 粒子群算法的简介 | 第36页 |
| 4.1.2 标准PSO算法 | 第36-37页 |
| 4.1.3 标准PSO算法的基本流程 | 第37-38页 |
| 4.2 改进粒子群优化算法 | 第38-40页 |
| 4.3 基准性能测试 | 第40-42页 |
| 4.4 基于改进粒子群算法设计模糊控制器 | 第42-43页 |
| 4.4.1 模糊控制器的优化设计与适应度函数的选择 | 第42页 |
| 4.4.2 改进粒子群算法的优化步骤 | 第42-43页 |
| 4.5 模糊控制器的仿真研究 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 基于自适应学习率的模糊神经网络控制器 | 第45-62页 |
| 5.1 神经网络基础理论 | 第45-48页 |
| 5.1.1 神经网络的结构 | 第45-46页 |
| 5.1.2 神经网络的学习 | 第46-48页 |
| 5.2 模糊神经网络理论 | 第48-53页 |
| 5.2.1 反向传播网络 | 第48-49页 |
| 5.2.2 模糊神经网络的结构及算法 | 第49-53页 |
| 5.3 模糊神经网络的改进方法 | 第53-58页 |
| 5.4 模糊控制器仿真研究 | 第58-59页 |
| 5.5 直流电动机模型仿真结果对比 | 第59-61页 |
| 5.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简介、发表文章及研究成果目录 | 第67-68页 |
| 致谢 | 第68-69页 |