基于神经网络的非线性GPC算法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 概述 | 第6-9页 |
| ·引言 | 第6页 |
| ·预测控制研究现状 | 第6-8页 |
| ·本文研究内容 | 第8-9页 |
| 第一章 广义预测控制 | 第9-19页 |
| ·引言 | 第9页 |
| ·广义预测控制算法原理 | 第9-15页 |
| ·广义预测控制对象模型 | 第10-11页 |
| ·广义预测控制预测模型 | 第11-12页 |
| ·广义预测控制算法和控制律 | 第12-14页 |
| ·单值广义预测控制 | 第14-15页 |
| ·GPc算法步骤 | 第15页 |
| ·改进的广义预测控制算法 | 第15-17页 |
| ·仿真实例 | 第17-19页 |
| 第二章 神经网络对非线性系统的辨识 | 第19-26页 |
| ·引言 | 第19页 |
| ·神经网络辨识与建模 | 第19-22页 |
| ·神经网络辨识的理论依据 | 第19-20页 |
| ·非线性系统模型的表示 | 第20-21页 |
| ·神经网络辨识的内容和步骤 | 第21-22页 |
| ·神经网络辨识的几个问题 | 第22-23页 |
| ·稳定性理论 | 第22页 |
| ·泛化性能与辨识精度 | 第22-23页 |
| ·神经网络的选择 | 第23页 |
| ·仿真示例 | 第23-26页 |
| ·线性模型的辨识 | 第23-24页 |
| ·非线性模型的辨识 | 第24-26页 |
| 第三章 基于神经网络的非线性广义预测控制 | 第26-38页 |
| ·引言 | 第26页 |
| ·反向传播学习算法原理 | 第26-30页 |
| ·基于BP网络的非线性广义预测控制 | 第30-36页 |
| ·非线性广义预测控制模型 | 第30-32页 |
| ·基于BP网络的非线性广义预测控制 | 第32-36页 |
| ·仿真实例 | 第36-38页 |
| 第四章 GPC的控制参数选取及系统分析 | 第38-47页 |
| ·引言 | 第38页 |
| ·控制参数 N、P、M、Q和μ的选取 | 第38-42页 |
| ·最小预测时域 N_1 | 第38页 |
| ·预测时域 P | 第38-39页 |
| ·控制时域长度M | 第39-40页 |
| ·误差加权矩阵Q | 第40页 |
| ·控制加权矩阵μ | 第40-42页 |
| ·系统分析 | 第42-43页 |
| ·稳定性分析 | 第42页 |
| ·鲁棒性分析 | 第42-43页 |
| ·仿真实例 | 第43-47页 |
| 结论和展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 附录 硕士期间发表和录用的论文 | 第52页 |
