| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-14页 |
| ·人工神经网络概述及其发展史 | 第7-10页 |
| ·PID 控制器的研究现状 | 第10-11页 |
| ·人工神经网络在自动控制中的应用 | 第11-12页 |
| ·本课题研究工作及内容安排 | 第12-14页 |
| ·本课题研究内容 | 第12页 |
| ·本文工作与章节安排 | 第12-14页 |
| 2 神经网络的基本原理及模型 | 第14-23页 |
| ·神经网络构成的基本原理 | 第14-15页 |
| ·人工神经元模型 | 第14页 |
| ·连接权值 | 第14-15页 |
| ·神经网络状态 | 第15页 |
| ·神经网络的输出 | 第15页 |
| ·神经网络的结构及工作方式 | 第15-17页 |
| ·神经网络的运行机制 | 第17-18页 |
| ·几种典型的神经网络 | 第18-19页 |
| ·神经网络的基本特征 | 第19-20页 |
| ·神经网络的发展趋势 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 BP 算法的改进及其在 PID 控制中的应用 | 第23-42页 |
| ·BP 神经网络模型 | 第23-29页 |
| ·BP 神经网络的结构 | 第23-25页 |
| ·BP 算法及其实现 | 第25-26页 |
| ·BP 算法的局限性分析 | 第26-27页 |
| ·BP 网络的设计基础 | 第27-29页 |
| ·BP 神经网络算法的改进及仿真 | 第29-32页 |
| ·BP 神经网络算法的改进 | 第29-30页 |
| ·改进 BP 算法的仿真验证 | 第30-32页 |
| ·基于 EFBP 神经网络整定的 PID 控制原理 | 第32-40页 |
| ·PID 控制器原理及其参数自整定 | 第32-38页 |
| ·EFBP 神经网络优化 PID 控制参数的仿真和分析 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 4 基于自适应遗传算法优化 EFBP 神经网络的 PID 控制方法研究 | 第42-52页 |
| ·遗传算法的结构与特点 | 第42-43页 |
| ·自适应遗传算法的特点 | 第43-44页 |
| ·自适应遗传算法优化 EFBP 网络算法的 PID 整定 | 第44-50页 |
| ·基于自适应遗传算法优化 EFBP 网络算法的模型 | 第44-47页 |
| ·实例仿真及分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| ·本文的主要研究工作 | 第52-53页 |
| ·主要创新点 | 第53页 |
| ·不足之处及展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
