基于智能计算的预测控制及应用
| 摘要 | 第1-5页 |
| abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景与研究意义 | 第9页 |
| ·预测控制研究现状 | 第9-10页 |
| ·先进预测控制现状 | 第9-10页 |
| ·基于智能计算的预测控制现状 | 第10页 |
| ·传统预测控制存在的问题 | 第10-11页 |
| ·本文研究内容及结构 | 第11-13页 |
| 2 预测控制理论基础 | 第13-31页 |
| ·预测控制的基本原理 | 第13页 |
| ·预测控制的基本结构 | 第13-15页 |
| ·参考轨迹 | 第14页 |
| ·预测模型 | 第14页 |
| ·滚动优化 | 第14页 |
| ·反馈校正 | 第14-15页 |
| ·预测控制的类型 | 第15-16页 |
| ·基于非参数模型的预测控制 | 第15页 |
| ·基于参数模型的预测控制 | 第15页 |
| ·其他类型的预测控制 | 第15-16页 |
| ·典型预测控制算法 | 第16-27页 |
| ·动态矩阵控制 | 第16-20页 |
| ·广义预测控制 | 第20-25页 |
| ·隐式广义预测控制 | 第25-27页 |
| ·预测控制相关参数分析 | 第27-30页 |
| ·本章小节 | 第30-31页 |
| 3 神经网络系统辨识 | 第31-44页 |
| ·系统辨识 | 第31-33页 |
| ·系统辨识概念 | 第31页 |
| ·系统辨识过程 | 第31-32页 |
| ·系统辨识方法 | 第32-33页 |
| ·神经网络基本原理 | 第33-36页 |
| ·神经网络发展概况 | 第33页 |
| ·人工神经元模型 | 第33-35页 |
| ·神经网络结构 | 第35-36页 |
| ·神经网络学习方式及规则 | 第36页 |
| ·神经网络辨识 | 第36-37页 |
| ·神经网络辨识原理 | 第36-37页 |
| ·神经网络辨识特点 | 第37页 |
| ·BP神经网络辨识 | 第37-41页 |
| ·BP神经网络结构 | 第37-38页 |
| ·BP算法思想 | 第38页 |
| ·BP算法推导及改进 | 第38-41页 |
| ·神经网络辨识效果分析 | 第41-43页 |
| ·神经网络辨识参数选择 | 第41页 |
| ·神经网络辨识仿真 | 第41-43页 |
| ·本章小节 | 第43-44页 |
| 4 基于遗传算法的滚动优化 | 第44-56页 |
| ·遗传算法原理 | 第44-45页 |
| ·基本思想 | 第44页 |
| ·主要特点 | 第44页 |
| ·基本操作 | 第44-45页 |
| ·遗传算法优化设计 | 第45-48页 |
| ·遗传算法构成要素 | 第45-47页 |
| ·遗传算法优化流程 | 第47-48页 |
| ·遗传算法应用步骤 | 第48页 |
| ·基于遗传算法的滚动优化实现 | 第48-55页 |
| ·优化实现神经网络学习参数 | 第48-53页 |
| ·优化实现预测控制参数 | 第53-55页 |
| ·本章小节 | 第55-56页 |
| 5 加热炉预测控制系统仿真应用 | 第56-69页 |
| ·加热炉炉温影响因素 | 第56页 |
| ·加热炉预测控制方案 | 第56-58页 |
| ·加热炉预测控制模型 | 第58-61页 |
| ·模型的建立 | 第58-61页 |
| ·模型的反馈校正 | 第61页 |
| ·加热炉炉温优化控制器 | 第61-63页 |
| ·加热炉预测控制系统仿真 | 第63-67页 |
| ·本章小节 | 第67-69页 |
| 6 总结与展望 | 第69-71页 |
| ·全文总结 | 第69页 |
| ·下一步展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74页 |
