| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 非线性系统辨识主要方法 | 第9-11页 |
| 1.3 模糊神经网络研究现状与发展趋势 | 第11-14页 |
| 1.4 本文主要工作 | 第14-15页 |
| 2 二型模糊神经网络辨识原理与框架 | 第15-22页 |
| 2.1 模糊集合与二型模糊集合 | 第15-17页 |
| 2.2 模糊系统与神经网络的融合 | 第17-19页 |
| 2.3 基于模糊神经网络系统辨识一般框架 | 第19-21页 |
| 2.3.1 辨识原理 | 第19-21页 |
| 2.3.2 性能评价指标 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 一种带补偿因子和最优学习率的二型模糊神经网络 | 第22-39页 |
| 3.1 网络结构设计 | 第22-25页 |
| 3.2 系统结构辨识 | 第25-28页 |
| 3.2.1 模糊C均值聚类 | 第25-26页 |
| 3.2.2 结构辨识 | 第26-28页 |
| 3.3 系统参数辨识 | 第28-30页 |
| 3.4 最优学习速率 | 第30-33页 |
| 3.5 仿真实验 | 第33-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 基于混合优化方法的二型模糊神经网络算法 | 第39-48页 |
| 4.1 带遗忘因子的最小二乘递推算法 | 第39-41页 |
| 4.1.1 最小二乘递推算法 | 第39-41页 |
| 4.1.2 带遗忘因子的最小二乘递推算法 | 第41页 |
| 4.2 最小二乘递推算法在二型模糊神经网络中的应用 | 第41-43页 |
| 4.3 混合优化算法 | 第43-45页 |
| 4.4 仿真实验 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 二型模糊神经网络在TE过程辨识中的应用 | 第48-58页 |
| 5.1 TE过程简介 | 第48-50页 |
| 5.2 TE过程辨识仿真实验 | 第50-57页 |
| 5.2.1 输入输出变量 | 第50-52页 |
| 5.2.2 TE过程辨识分析 | 第52-54页 |
| 5.2.3 一步预测实验 | 第54-57页 |
| 5.3 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |