| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 迭代学习控制研究概述 | 第14-16页 |
| 1.3 自适应迭代学习控制理论研究概述 | 第16-19页 |
| 1.4 研究论文的主要内容 | 第19-21页 |
| 第二章 基于有限控制器参数集的自适应迭代去伪学习控制 | 第21-43页 |
| 2.1 迭代域去伪控制算法 | 第21-25页 |
| 2.1.1 时域去伪控制算法 | 第21-24页 |
| 2.1.2 迭代域去伪控制算法 | 第24-25页 |
| 2.2 基于有限控制器参数集合去伪控制策略的自适应ILC | 第25-27页 |
| 2.3 去伪迭代学习控制算法收敛性分析 | 第27-29页 |
| 2.4 自适应迭代学习控制在Chylla-Haase过程的应用 | 第29-41页 |
| 2.4.1 Chylla-Haase基准间歇聚合模型介绍 | 第29-31页 |
| 2.4.2 Chylla-Haase基准间歇聚合过程的控制要求与干扰分析 | 第31-33页 |
| 2.4.3 自适应迭代学习控制在Chylla-Hasse温度控制中的应用 | 第33-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 基于无限控制器参数集的自适应迭代去伪学习控制 | 第43-53页 |
| 3.1 基于共轭梯度法的去伪控制算法 | 第43-47页 |
| 3.1.1 基于梯度下降法的去伪控制算法 | 第43-44页 |
| 3.1.2 基于共轭梯度下降法的去伪控制算法 | 第44-45页 |
| 3.1.3 仿真讨论 | 第45-47页 |
| 3.2 基于共轭去伪策略的自适应迭代学习控制 | 第47-51页 |
| 3.2.1 基于共轭去伪策略的ILC | 第47-49页 |
| 3.2.2 基于共轭去伪策略的自适应迭代学习控制算法在间歇过程温度控制的应用 | 第49-51页 |
| 3.3 本章小结 | 第51-53页 |
| 第四章 数据与模型融合驱动的自适应迭代学习控制 | 第53-69页 |
| 4.1 数据与模型融合驱动的间歇过程双层迭代学习控制方案 | 第53-54页 |
| 4.2 基于Online-LSSVM回归模型的自适应终点质量迭代学习控制 | 第54-65页 |
| 4.2.1 基于Online-LSSVM回归算法的终点质量建模 | 第54-57页 |
| 4.2.2 基于Online-LSSVM回归模型的自适应终端迭代学习控制 | 第57-59页 |
| 4.2.3 自适应终端迭代学习控制算法的收敛性分析 | 第59-61页 |
| 4.2.4 仿真讨论 | 第61-65页 |
| 4.3 数据与模型融合驱动的双层迭代学习控制在间歇聚合过程的应用 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 面向间歇聚合过程微观质量的自适应迭代学习控制 | 第69-87页 |
| 5.1 基于递推多变量最小二乘支持向量机回归的分子量分布建模 | 第69-80页 |
| 5.1.1 递推多变量最小二乘支持向量机回归算法 | 第69-72页 |
| 5.1.2 间歇聚合过程分子量分布的迭代更新模型 | 第72-80页 |
| 5.2 基于递推多变量最小二乘支持向量机回归的分子量分布自适应迭代学习控制 | 第80-85页 |
| 5.2.1 算法推导 | 第80-81页 |
| 5.2.2 自适应终端迭代学习控制算法收敛性分析 | 第81-83页 |
| 5.2.3 仿真讨论 | 第83-85页 |
| 5.3 本章小结 | 第85-87页 |
| 第六章 结论与展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-95页 |
| 研究成果及发表的学术论文 | 第95-97页 |
| 作者及导师简介 | 第97-99页 |
| 附件 | 第99-100页 |
