| 1 概述 | 第1-16页 |
| 1．1 基于神经网络的自适应控制系统的研究现状 | 第8-12页 |
| 1．1．1 控制中采用的神经网络结构与学习算法 | 第9页 |
| 1．1．2 神经网络自适应控制系统 | 第9-12页 |
| 1．2 神经网络自适应控制研究存在的主要问题 | 第12-14页 |
| 1．2．1 稳定性问题 | 第12-13页 |
| 1．2．2 鲁棒性问题 | 第13-14页 |
| 1．2．3 收敛性问题 | 第14页 |
| 1．3 本课题的背景和本文的主要研究成果 | 第14-16页 |
| 2 基于神经网络的非线性系统辨识 | 第16-53页 |
| 2．1 非线性动态系统辨识模型 | 第16-21页 |
| 2．1．1 状态输出模型 | 第16-17页 |
| 2．1．2 非线性ARMA模型（NARMA） | 第17-18页 |
| 2．1．3 回归状态模型 | 第18-21页 |
| 2．2 神经网络辨识算法 | 第21-36页 |
| 2．2．1 多层前向神经网络训练算法及其改进 | 第21-30页 |
| 2．2．2 回归神经网络（RNN）的训练算法 | 第30-36页 |
| 2．3 内回归状态模型的神经网络训练算法 | 第36-52页 |
| 2．3．1 内回归状态神经网络的方程描述 | 第36-38页 |
| 2．3．2 基于梯度误差反传的训练算法 | 第38-40页 |
| 2．3．3 基于线性最小二乘法的全局最优训练算法 | 第40-42页 |
| 2．3．4 仿真实例 | 第42-52页 |
| 2．4 本章小结 | 第52-53页 |
| 3 基于神经网络的一类非线性系统的自适应控制 | 第53-83页 |
| 3．1 非线性系统的自适应模型跟随控制概述 | 第53-54页 |
| 3．2 系统的描述 | 第54-56页 |
| 3．3 非线性系统模型跟随控制的条件 | 第56-57页 |
| 3．4 自适应控制律的设计 | 第57-60页 |
| 3．4．1 前馈矩阵的设计 | 第57页 |
| 3．4．2 反馈矩阵的迭代修正算法 | 第57-60页 |
| 3．5 基于神经网络辨识的非线性自适应控制系统 | 第60-62页 |
| 3．5．1 参考模型的确定 | 第60-61页 |
| 3．5．2 非线性系统的在线神经网络辨识 | 第61-62页 |
| 3．6 仿真实例 | 第62-82页 |
| 3．6．1 电弧炉系统描述 | 第62-65页 |
| 3．6．2 传统的电弧炉电极调节控制系统 | 第65-66页 |
| 3．6．3 基于神经网络的电弧炉的自适应跟随控制系统 | 第66-82页 |
| 3．7 本章小结 | 第82-83页 |
| 结语 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 论文发表情况 | 第91页 |