| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题的研究背景及意义 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·论文的主要研究内容和创新点 | 第11-12页 |
| ·论文组织结构 | 第12-14页 |
| 第2章 理论基础 | 第14-27页 |
| ·神经网络理论基础 | 第14-18页 |
| ·人工神经元模型 | 第14-15页 |
| ·神经网络模型 | 第15-16页 |
| ·神经网络的学习方法 | 第16-18页 |
| ·几种基本的神经网络 | 第18-21页 |
| ·BP网络 | 第18页 |
| ·CMAC小脑模型神经网络 | 第18-21页 |
| ·遗传算法理论基础 | 第21-23页 |
| ·遗传算法的基本原理 | 第21-23页 |
| ·遗传算法的应用步骤 | 第23页 |
| ·模糊理论基础 | 第23-27页 |
| ·模糊集 | 第23-24页 |
| ·模糊集上的运算 | 第24页 |
| ·模糊语言模型 | 第24-25页 |
| ·模糊函数模型 | 第25-27页 |
| 第3章 滞后系统的辨识研究及PID参数整定 | 第27-38页 |
| ·系统辨识过程简介 | 第27页 |
| ·基于BP神经网络的系统滞后常数辨识 | 第27-29页 |
| ·辨识原理 | 第27-28页 |
| ·仿真实例 | 第28-29页 |
| ·递归最小方差算法和投影算法系统参数辨识仿真研究 | 第29-33页 |
| ·递推最小方差算法 | 第29-30页 |
| ·递推最小方差算法系统仿真辨识 | 第30-31页 |
| ·投影算法 | 第31页 |
| ·投影算法系统仿真辨识 | 第31-33页 |
| ·基于遗传算法优化整定的PA算法 | 第33-34页 |
| ·基于Ziegler－Nichols方法的PID参数整定 | 第34-35页 |
| ·基于遗传算法的PID参数进一步寻优 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 模糊神经网络 | 第38-48页 |
| ·模糊推理和神经网络结合的背景 | 第38-39页 |
| ·传统模糊神经网络的结构 | 第39-40页 |
| ·基于RBF的模糊神经网络 | 第40-44页 |
| ·模糊RBF神经网络的结构 | 第40-42页 |
| ·仿真试验 | 第42-44页 |
| ·基于RBF的模糊神经网络PID型控制器设计 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 模糊小脑神经网络及其控制 | 第48-65页 |
| ·一种基于模糊推理的推广小脑神经网络 | 第48-53页 |
| ·推广的模糊CMAC网络之特征 | 第48-52页 |
| ·仿真试验 | 第52-53页 |
| ·推广的小脑神经网络与PID的复合控制 | 第53-56页 |
| ·一种基于现代系统稳定理论的模糊小脑模型神经网络PD型控制器 | 第56-63页 |
| ·控制器设计 | 第56-59页 |
| ·系统仿真研究 | 第59-61页 |
| ·工程应用 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第6章 总结 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 个人简历和在学期间的研究成果 | 第72页 |