| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 非线性自适应逆控制的研究背景、目的和意义 | 第10-11页 |
| 1.2 自适应逆控制概述 | 第11-16页 |
| 1.2.1 自适应逆控制的基本原理 | 第11-13页 |
| 1.2.2 线性系统的自适应逆控制 | 第13页 |
| 1.2.3 非线性系统的自适应逆控制 | 第13-14页 |
| 1.2.4 自适应逆控制的对象扰动消除环节 | 第14-16页 |
| 1.3 自适应逆控制的研究现状及其发展动态 | 第16-18页 |
| 1.4 本文的主要研究内容 | 第18-20页 |
| 第2章 基于BP网络的非线性对象建模研究 | 第20-40页 |
| 2.1 引言 | 第20页 |
| 2.2 BP神经网络 | 第20-24页 |
| 2.2.1 BP神经网络的拓扑结构 | 第20-21页 |
| 2.2.2 BP神经网络的参数选择 | 第21-24页 |
| 2.3 基于BP网络的非线性自适应滤波 | 第24-27页 |
| 2.3.1 神经网络滤波的原理 | 第24-25页 |
| 2.3.2 BP神经网络滤波器 | 第25-27页 |
| 2.4 非线性对象建模 | 第27-31页 |
| 2.4.1 非线性对象建模的机理 | 第27页 |
| 2.4.2 基于BP神经网络滤波器的非线性对象建模 | 第27-31页 |
| 2.4.3 基于BP神经网络滤波器的建模算法步骤 | 第31页 |
| 2.5 仿真研究 | 第31-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第3章 基于正交神经网络的非线性对象逆建模研究 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 正交神经网络模型 | 第40-42页 |
| 3.3 逆建模方法 | 第42-44页 |
| 3.4 基于正交神经网络的逆建模 | 第44-49页 |
| 3.4.1 正交神经网络逆建模的机理 | 第44-45页 |
| 3.4.2 正交神经网络逆控制器的学习算法 | 第45-49页 |
| 3.5 仿真研究 | 第49-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 非线性自适应逆控制系统设计研究 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 非线性自适应逆控制系统的结构设计 | 第54-57页 |
| 4.3 非线性自适应逆控制的算法步骤 | 第57页 |
| 4.4 仿真研究 | 第57-65页 |
| 4.4.1 仿真示例Ⅰ | 第57-61页 |
| 4.4.2 仿真示例Ⅱ | 第61-65页 |
| 4.5 本章小结 | 第65-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |