非线性系统的模糊广义预测控制算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·模糊控制理论的研究进展 | 第10-11页 |
| ·模糊模型的辨识研究 | 第10-11页 |
| ·模糊控制研究 | 第11页 |
| ·预测控制机理 | 第11-13页 |
| ·预测模型 | 第12页 |
| ·滚动优化 | 第12-13页 |
| ·反馈校正 | 第13页 |
| ·预测控制的研究现状 | 第13-14页 |
| ·自适应预测控制 | 第13-14页 |
| ·约束预测控制 | 第14页 |
| ·智能预测控制 | 第14页 |
| ·模糊预测控制的机理与实现形式 | 第14-15页 |
| ·基于预测模型的模糊控制 | 第15页 |
| ·基于模糊模型的预测控制 | 第15页 |
| ·基于模糊决策优化的模糊预测控制 | 第15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 T-S模糊模型的建模方法 | 第17-37页 |
| ·引言 | 第17-18页 |
| ·T-S模糊模型的结构形式 | 第18-19页 |
| ·基于模糊聚类技术的T-S模糊模型辨识 | 第19-25页 |
| ·模糊聚类算法 | 第20-23页 |
| ·基于模糊聚类的T-S模糊建模 | 第23-25页 |
| ·基于模糊神经网络的T-S模型参数优化 | 第25-36页 |
| ·神经网络的结构与原理 | 第25-29页 |
| ·T-S模糊神经网络拓扑结构 | 第29-31页 |
| ·基于蚁群算法的模糊神经网络参数粗调 | 第31-34页 |
| ·基于混合学习算法的T-S模糊神经网络参数细调 | 第34-35页 |
| ·仿真实例 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 广义预测控制的基本形式 | 第37-46页 |
| ·引言 | 第37页 |
| ·广义预测控制基本算法 | 第37-41页 |
| ·预测模型 | 第37-39页 |
| ·滚动优化 | 第39-40页 |
| ·反馈校正与在线辨识 | 第40-41页 |
| ·引入观测多项式的广义预测控制 | 第41-44页 |
| ·广义预测控制参数选择原则 | 第44-45页 |
| ·采样周期T | 第44页 |
| ·最大预测时域长度P | 第44页 |
| ·最小预测时域长度N_1 | 第44页 |
| ·控制时域长度M | 第44-45页 |
| ·控制加权系数λ | 第45页 |
| ·柔化系数α | 第45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于T-S模型的模糊广义预测控制 | 第46-51页 |
| ·引言 | 第46页 |
| ·模糊广义预测控制的一般形式 | 第46-47页 |
| ·模糊预测控制实质和自适应模糊预测控制 | 第47-50页 |
| ·模糊预测控制的实质 | 第47-49页 |
| ·自适应模糊广义预测控制 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 PH中和过程的模糊预测控制 | 第51-59页 |
| ·引言 | 第51页 |
| ·PH中和过程的数学模型描述 | 第51-52页 |
| ·PH中和过程训练数据的获取与建模 | 第52-54页 |
| ·控制器设计 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 结束语 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第66页 |
