非线性系统的神经网络预测控制研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·选题的目的和意义 | 第8-9页 |
| ·预测控制的国内外研究现状与发展趋势 | 第9-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 2 预测控制原理 | 第13-27页 |
| ·预测控制的基本理论 | 第13-19页 |
| ·预测控制提出的背景 | 第13-14页 |
| ·预测控制的基本原理与结构 | 第14-16页 |
| ·预测控制中预测模型的数学描述 | 第16-19页 |
| ·动态矩阵控制(DMC) | 第19-25页 |
| ·动态矩阵控制算法 | 第19-23页 |
| ·相关参数分析 | 第23-24页 |
| ·DMC的稳定性和鲁棒性 | 第24-25页 |
| ·动态矩阵控制算法的实现步骤 | 第25页 |
| ·本章小节 | 第25-27页 |
| 3 神经网络原理及其辨识中的应用 | 第27-47页 |
| ·神经网络的基本原理 | 第27-32页 |
| ·神经元及其网络构成 | 第27-28页 |
| ·神经网络的类型 | 第28-29页 |
| ·神经网络的学习方式 | 第29-31页 |
| ·神经网络的特点 | 第31页 |
| ·常用的神经网络 | 第31-32页 |
| ·多层前向神经网络及误差反向传播(BP)算法 | 第32-39页 |
| ·误差反向传播(BP)算法 | 第32-35页 |
| ·BP学习算法注意事项 | 第35-36页 |
| ·带动量项的自适应调整学习率的BP算法 | 第36-37页 |
| ·BP神经网络辨识仿真 | 第37-39页 |
| ·RBF神经网络 | 第39-46页 |
| ·RBF神经网络概述 | 第39页 |
| ·网络模型 | 第39-40页 |
| ·基于人工免疫的RBF网络的训练 | 第40-45页 |
| ·RBF神经网络辨识仿真 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于BP神经网络的预测控制研究 | 第47-56页 |
| ·神经网络预测控制的一般结构 | 第47-48页 |
| ·BP神经网络动态矩阵预测控制 | 第48-53页 |
| ·BP神经网络动态矩阵预测控制的结构 | 第48-49页 |
| ·BP神经网络动态矩阵预测模型的建立 | 第49-52页 |
| ·BP神经网络动态矩阵预测控制律的计算 | 第52-53页 |
| ·基于BP神经网络的动态矩阵预测控制的仿真研究 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 基于RBF神经网络的预测控制研究 | 第56-67页 |
| ·RBF神经网络预测控制 | 第56-58页 |
| ·RBF网络预测控制建模 | 第56-57页 |
| ·RBF网络预测控制的优化计算 | 第57-58页 |
| ·一种基于RBF网络的动态矩阵预测控制 | 第58-64页 |
| ·非线性动态矩阵预测模型 | 第59-60页 |
| ·非线性方程组迭代算法 | 第60-62页 |
| ·RBF网络预测模型与动态系数矩阵的确定 | 第62-64页 |
| ·基于RBF网络的动态矩阵预测控制的仿真研究 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 结论 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |
