基于误差预估的神经网络控制器容错控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究的目的和意义 | 第9页 |
| ·控制理论概述 | 第9-11页 |
| ·控制系统的一般组成 | 第9-10页 |
| ·控制系统的一般类型 | 第10-11页 |
| ·控制系统的性能要求 | 第11页 |
| ·本论文的主要内容与结构安排 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第二章 智能控制理论 | 第12-18页 |
| ·智能控制的研究对象和特点 | 第12-13页 |
| ·智能控制系统的功能 | 第13页 |
| ·智能控制的主要类型 | 第13-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 控制系统的故障检测、容错控制、干扰对抗 | 第18-24页 |
| ·控制系统常见故障 | 第18-19页 |
| ·容错控制的概念及主要方法 | 第19-21页 |
| ·被动容错控制 | 第19-20页 |
| ·主动容错控制 | 第20页 |
| ·两种容错控制方案的比较 | 第20-21页 |
| ·故障诊断与容错控制的研究状况 | 第21-22页 |
| ·干扰抑制与基于神经网络的干扰抑制 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 神经网络理论与神经网络控制 | 第24-34页 |
| ·神经网络理论 | 第24-30页 |
| ·神经网络的基本模型 | 第24-27页 |
| ·神经网络的结构 | 第27页 |
| ·神经网络的分类、学习和工作 | 第27-30页 |
| ·神经网络控制 | 第30-33页 |
| ·神经网络直接控制 | 第31-32页 |
| ·神经网络间接控制 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第五章 基于误差预估的神经网络控制器设计 | 第34-56页 |
| ·L-GEM（局部泛化误差）模型介绍 | 第34-35页 |
| ·基于误差预估的神经网络控制器 | 第35-36页 |
| ·神经网络添加训练噪音的意义 | 第35-36页 |
| ·基于误差预估的神经网络控制器 | 第36页 |
| ·基于误差预估的神经网络控制器基本结构 | 第36-39页 |
| ·实验的参数与控制效果评价方式 | 第39-43页 |
| ·实验用控制模型的选取 | 第40-41页 |
| ·基于误差预估的神经网络控制器参数设置 | 第41页 |
| ·控制效果的评价方法 | 第41-42页 |
| ·均方根误差方法介绍 | 第42页 |
| ·控制器输出的误差边界 | 第42页 |
| ·对比实验方法描述 | 第42-43页 |
| ·实验设计与解释 | 第43-55页 |
| ·基于误差预估的神经网络控制器有效性验证 | 第43-50页 |
| ·Q-size 对于控制器容错控制效果的影响 | 第50-51页 |
| ·预估误差点数目对于控制器容错控制效果的影响 | 第51-53页 |
| ·与基于干扰抑制的神经网络控制器对比实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 基于多分类器理论的神经网络集群控制器设计 | 第56-68页 |
| ·多分类器理论简介 | 第56-57页 |
| ·神经网络集群控制器设计 | 第57-59页 |
| ·实验及实验效果分析 | 第59-67页 |
| ·神经网络集群控制器有效性验证 | 第59-61页 |
| ·神经网络集群控制器容错能力验证 | 第61-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
