| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及研究意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 模型预测控制国内外研究现状 | 第12-16页 |
| 1.3 课题来源 | 第16-17页 |
| 1.4 研究内容及论文安排 | 第17-19页 |
| 第2章 MPC原理及特点分析 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 MPC原理分析 | 第19-21页 |
| 2.3 MPC特点分析 | 第21-26页 |
| 2.3.1 模型特点分析 | 第22-25页 |
| 2.3.2 优化特点分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 自组织模糊神经网络设计 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 模糊神经网络 | 第27-28页 |
| 3.3 自组织模糊神经网络 | 第28-32页 |
| 3.3.1 模糊规则潜能评价指标 | 第28-29页 |
| 3.3.2 基于模糊规则潜能的自组织机制 | 第29-30页 |
| 3.3.3 自适应梯度优化算法 | 第30-31页 |
| 3.3.4 基于自适应梯度算法的自组织模糊神经网络步骤 | 第31-32页 |
| 3.4 自组织模糊神经网络收敛性分析 | 第32-35页 |
| 3.5 实验结果及分析 | 第35-41页 |
| 3.5.1 非线性动态系统辨识 | 第35-38页 |
| 3.5.2 Mackey-Glass时间序列预测 | 第38-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 知识与数据驱动模型研究 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 知识与数据驱动模型结构分析 | 第43-44页 |
| 4.3 知识与数据驱动模型设计 | 第44-50页 |
| 4.3.1 数据与知识表达 | 第44-45页 |
| 4.3.2 统一规划型迁移学习 | 第45-47页 |
| 4.3.3 相互吸引策略 | 第47页 |
| 4.3.4 知识与数据驱动模型参数优化 | 第47-50页 |
| 4.3.5 知识与数据驱动模型算法步骤 | 第50页 |
| 4.4 实验结果及分析 | 第50-56页 |
| 4.4.1 高炉炼铁硅含量预测 | 第51-53页 |
| 4.4.2 总磷浓度预测 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于知识与数据的模型预测控制方法研究 | 第57-73页 |
| 5.1 引言 | 第57页 |
| 5.2 基于知识与数据的模型预测控制原理 | 第57-58页 |
| 5.3 基于知识与数据的模型预测控制 | 第58-60页 |
| 5.3.1 基于知识与数据的模型设计 | 第58-59页 |
| 5.3.2 基于知识与数据模型预测控制优化算法 | 第59-60页 |
| 5.3.3 基于知识与数据模型预测控制器算法步骤 | 第60页 |
| 5.4 实验结果与结果分析 | 第60-71页 |
| 5.4.1 非线性动态系统控制 | 第61-67页 |
| 5.4.2 污水处理溶解氧浓度控制 | 第67-71页 |
| 5.5 本章小结 | 第71-73页 |
| 结论与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间的成果 | 第81页 |
| 攻读硕士学位期间所获奖励 | 第81-83页 |
| 致谢 | 第83页 |