| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-14页 |
| 第一章 绪论 | 第14-20页 |
| ·选题的背景及意义 | 第14-15页 |
| ·广义预测发展及研究现状 | 第15-17页 |
| ·国内外研究状况 | 第15-16页 |
| ·非线性系统的广义预测控制研究状况 | 第16-17页 |
| ·广义预测控制的应用 | 第17页 |
| ·本文研究的主要内容 | 第17-20页 |
| 第二章 广义预测控制理论 | 第20-28页 |
| ·预测模型 | 第20-21页 |
| ·在线辨识与校正 | 第21-22页 |
| ·滚动优化 | 第22-24页 |
| ·广义预测控制的参数选择 | 第24-25页 |
| ·广义预测控制系统的稳定性分析 | 第25-26页 |
| ·广义预测控制系统的鲁棒性分析 | 第26页 |
| ·仿真实例 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于模糊神经递归网络的模型辨识 | 第28-44页 |
| ·神经网络的基本原理 | 第28-34页 |
| ·神经网络的发展历史 | 第28-29页 |
| ·神经网络的优点 | 第29-30页 |
| ·人工神经网络模型 | 第30-32页 |
| ·人工神经网络的训练 | 第32-33页 |
| ·梯度下降法 | 第33页 |
| ·调整人工神经网络的规模 | 第33-34页 |
| ·模糊控制系统 | 第34-36页 |
| ·模糊系统的Mamdani模型 | 第34-35页 |
| ·模糊系统的Takagi-Sugenom模型 | 第35页 |
| ·推理补偿 | 第35-36页 |
| ·线性回归模型 | 第36页 |
| ·模糊神经递归网络 | 第36-42页 |
| ·模糊神经递归网络的结构 | 第36-37页 |
| ·模糊神经递归网络的训练 | 第37-39页 |
| ·仿真实例 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于模糊神经递归网络的广义预测控制 | 第44-64页 |
| ·模糊预测模型的建立 | 第44-45页 |
| ·模糊预测控制律的推导 | 第45-47页 |
| ·鲁棒性考虑 | 第47页 |
| ·仿真实例 | 第47-52页 |
| ·预测模型的建立 | 第47-49页 |
| ·系统跟踪特性 | 第49页 |
| ·与PID控制器对系统控制的跟踪特性的比较 | 第49-50页 |
| ·系统的鲁棒性 | 第50-51页 |
| ·系统的抗干扰特性 | 第51-52页 |
| ·加入向量调节层的模糊神经递归网络 | 第52-60页 |
| ·加入向量调节层的模糊神经递归网络的结构 | 第53-55页 |
| ·加入向量调节层的模糊神经递归网络的训练 | 第55页 |
| ·仿真实例 | 第55-60页 |
| ·改进广义预测控制算法中性能指标函数的控制加权系数项 | 第60-63页 |
| ·利用增强和衰减因子改变控制加权系数 | 第60-62页 |
| ·控制加权系数λ的退火方案 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| ·本文总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录一 | 第70-76页 |
| 附录二 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表待发表学术论文目录 | 第82页 |