基于智能方法的预测控制研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·论文研究背景 | 第10页 |
| ·本文研究的目的及意义 | 第10-16页 |
| ·预测控制的研究进展 | 第11-13页 |
| ·预测控制的研究展望 | 第13-16页 |
| ·本文研究的内容 | 第16-18页 |
| 第2章 预测控制理论基础 | 第18-28页 |
| ·预测控制的基本原理 | 第18-21页 |
| ·预测控制的基本框架 | 第18-19页 |
| ·预测控制的基本特征 | 第19-21页 |
| ·典型的预测控制算法 | 第21-26页 |
| ·模型算法控制 | 第21-23页 |
| ·动态矩阵控制 | 第23-25页 |
| ·广义预测控制 | 第25-26页 |
| ·小结 | 第26-28页 |
| 第3章 智能算法研究及改进 | 第28-38页 |
| ·差分演化算法 | 第28-31页 |
| ·标准差分演化算法 | 第29-30页 |
| ·标准差分演化算法的基本框架 | 第30-31页 |
| ·其他的差分演化算法 | 第31-32页 |
| ·改进的差分演化化算法 | 第32-34页 |
| ·改进的差分演化算法的算法框架 | 第32-33页 |
| ·改进的差分演化算法特征分析 | 第33-34页 |
| ·数值试验 | 第34-35页 |
| ·遗传算法简介 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第4章 基于改进差分算法的神经网络 | 第38-54页 |
| ·神经网络的发展概况 | 第38-39页 |
| ·人工神经元模型 | 第39-40页 |
| ·人工神经网络的结构 | 第40-41页 |
| ·神经网络的学习 | 第41-43页 |
| ·学习方式 | 第41-42页 |
| ·学习规则 | 第42-43页 |
| ·基于改进DE算法的BP神经网络 | 第43-48页 |
| ·基本的BP神经网络 | 第43-45页 |
| ·基于改进差分算法的BP神经网络 | 第45-46页 |
| ·仿真研究 | 第46-48页 |
| ·基于改进DE的RBF神经网络 | 第48-52页 |
| ·基本的RBF神经网络 | 第48-49页 |
| ·基于改进DE的RBF神经网络 | 第49页 |
| ·仿真研究 | 第49-52页 |
| ·小结 | 第52-54页 |
| 第5章 基于智能方法的预测控制及仿真 | 第54-68页 |
| ·神经网络非线性多步预测模型 | 第54-57页 |
| ·多步预测模型的类型 | 第55页 |
| ·三层前向神经网络预测模型 | 第55-57页 |
| ·神经网络预测控制结构 | 第57页 |
| ·BP神经网络非线性预测控制 | 第57-58页 |
| ·预测控制器 | 第57-58页 |
| ·控制算法步骤 | 第58页 |
| ·基于径向基函数神经网络的预测控制 | 第58-60页 |
| ·RBF网络预测控制建模 | 第59-60页 |
| ·RBF网络预测控制的优化计算 | 第60页 |
| ·仿真研究 | 第60-65页 |
| ·基于智能方法非线性时滞对象的预测控制仿真 | 第61页 |
| ·基于智能方法的非线性有约束预测控制仿真 | 第61-63页 |
| ·基于智能方法的非线性参数时变对象预测控制仿真 | 第63-65页 |
| ·小结 | 第65-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
