| 第一章 引言 | 第1-9页 |
| 1-1 论文的选题背景及意义 | 第6-8页 |
| 1-2 本文研究的主要问题 | 第8-9页 |
| 第二章 人工神经元网络综述 | 第9-20页 |
| 2-1 人工神经元网络的基本概念和特征 | 第9-10页 |
| 2-2 神经元网络结构及常用算法 | 第10-14页 |
| 2-2-1 人工神经元模型 | 第10-11页 |
| 2-2-2 网络结构及工作方式 | 第11-13页 |
| 2-2-3 网络学习算法 | 第13-14页 |
| 2-3 B-P网络结构及学习算法 | 第14-20页 |
| 2-3-1 网络的结构和数学描述 | 第14-15页 |
| 2-3-2 B-P网络的学习算法 | 第15-18页 |
| 2-3-3 B-P网络的学习过程及步骤 | 第18-20页 |
| 第三章 神经网络系统辨识进一步研究 | 第20-29页 |
| 3-1 神经网络输入数据的归一化处理 | 第21-24页 |
| 3-2 神经网络系统辨识的结构 | 第24-25页 |
| 3-3 应用神经网络辨识对象时对输入信号的要求 | 第25-26页 |
| 3-4 CAE2000中的神经网络系统辨识模块 | 第26-27页 |
| 3-5 结论 | 第27-29页 |
| 第四章 基于神经网络辨识模型的PID参数优化 | 第29-36页 |
| 4-1 目标函数的选择 | 第29-30页 |
| 4-2 优化策略的选择 | 第30-32页 |
| 4-3 基于神经网络辨识模型的PID参数优化 | 第32-35页 |
| 4-4 结论 | 第35-36页 |
| 第五章 神经网络智能PID控制器 | 第36-52页 |
| 5-1 神经网络辨识器 | 第36-41页 |
| 5-2 神经网络智能PID控制器的设计 | 第41-48页 |
| 5-2-1 神经网络智能PID控制器的基本算法 | 第41-43页 |
| 5-2-2 对神经网络智能PID控制器基本算法的一些改进 | 第43-48页 |
| 5-3 神经网络智能PID控制器应用于热工对象的仿真研究 | 第48-50页 |
| 5-4 神经网络智能PID控制器存在的问题 | 第50-51页 |
| 5-5 结论 | 第51-52页 |
| 第六章 基于神经网络的PID参数优化的新思路 | 第52-55页 |
| 6-1 Hopfield网络的简单介绍 | 第52-53页 |
| 6-2 网络计算能量函数与PID控制器参数的优化 | 第53-55页 |
| 第七章 结束语 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 发表论文 | 第60页 |