| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 研究方向及发展现状 | 第12-15页 |
| 1.2.1 单元机组协调控制系统的研究及发展现状 | 第12-14页 |
| 1.2.2 非线性预测控制的研究及发展现状 | 第14-15页 |
| 1.3 本文的主要内容 | 第15-16页 |
| 第2章 统计学习理论与支持向量机 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 统计学习理论基础 | 第16-19页 |
| 2.2.1 经验风险最小化 | 第17页 |
| 2.2.2 VC维与结构风险最小化 | 第17-19页 |
| 2.3 支持向量机 | 第19-25页 |
| 2.3.1 支持向量分类机 | 第19-22页 |
| 2.3.2 支持向量回归机 | 第22-24页 |
| 2.3.3 支持向量机的特点与局限性 | 第24-25页 |
| 2.4 最小二乘支持向量回归机 | 第25-28页 |
| 2.4.1 最小二乘支持向量回归机基本原理 | 第25-27页 |
| 2.4.2 最小二乘支持向量机模型选择 | 第27页 |
| 2.4.3 最小二乘支持向量机存在的问题 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 广义预测控制 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 预测控制基本原理 | 第29-30页 |
| 3.3 广义预测控制基本原理 | 第30-34页 |
| 3.3.1 预测模型 | 第30-31页 |
| 3.3.2 滚动优化 | 第31-34页 |
| 3.3.3 反馈校正 | 第34页 |
| 3.3.4 广义预测控制自适应控制 | 第34页 |
| 3.4 隐式广义预测自校正控制 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于改进LS-SVM的非线性系统模型辨识 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优 | 第37-39页 |
| 4.2.1 粒子群算法 | 第37-38页 |
| 4.2.2 基于PSO和网格搜索的最小二乘支持向量机参数寻优 | 第38-39页 |
| 4.3 自适应加权最小二乘支持向量机 | 第39-45页 |
| 4.3.1 自适应加权最小二乘支持向量机基本原理 | 第39-42页 |
| 4.3.2 仿真实验分析 | 第42-45页 |
| 4.4 基于自适应加权的在线最小二乘支持向量机回归 | 第45-52页 |
| 4.4.1 基于滚动时间窗的在线最小二乘支持向量机 | 第45页 |
| 4.4.2 仿真实验分析 | 第45-49页 |
| 4.4.3 协调控制系统的非线性系统辨识 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于OAW-LS-SVM逆系统的广义预测控制 | 第53-69页 |
| 5.1 引言 | 第53页 |
| 5.2 逆系统方法 | 第53-58页 |
| 5.2.1 逆系统方法基本原理 | 第53-54页 |
| 5.2.2 基于OAW-LS-SVM的α阶逆系统方法 | 第54-56页 |
| 5.2.3 仿真实验分析 | 第56-58页 |
| 5.3 基于OAW-LS-SVMα阶逆系统的广义预测控制 | 第58-64页 |
| 5.3.1 SISO系统α阶逆系统广义预测控制 | 第58-59页 |
| 5.3.2 MIMO系统α阶逆系统广义预测控制 | 第59-60页 |
| 5.3.3 SISO系统仿真实验分析 | 第60-61页 |
| 5.3.4 MIMO系统仿真实验分析 | 第61-64页 |
| 5.4 基于OAW-LS-SVM逆系统的GPC方法在协调系统中的应用 | 第64-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文及科研情况 | 第74-75页 |
| 致谢 | 第75页 |
