基于粒子群优化的神经网络智能控制
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·国内外研究现状及发展动态 | 第9-11页 |
| ·神经网络控制的研究现状 | 第9页 |
| ·粒子群算法的研究现状 | 第9-10页 |
| ·传统PID控制器参数整定的现状与发展 | 第10-11页 |
| ·本文主要工作 | 第11-13页 |
| 第二章 神经网络智能控制 | 第13-23页 |
| ·传统PID控制器参数整定 | 第13-14页 |
| ·传统PID控制理论 | 第13-14页 |
| ·智能控制理论 | 第14-17页 |
| ·智能控制的定义和发展 | 第15页 |
| ·智能控制系统的基本结构 | 第15-17页 |
| ·神经网络控制 | 第17-22页 |
| ·人工神经网络基本理论 | 第17-18页 |
| ·神经网络控制结构和基本原理 | 第18-19页 |
| ·基于BP神经网络的PID控制研究与仿真 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 PID神经网络及其控制 | 第23-38页 |
| ·传统PID控制与神经网络控制比较分析 | 第23-26页 |
| ·PIE神经网络结构 | 第26-28页 |
| ·PID神经网络单变量控制系统 | 第28-33页 |
| ·SPIDNN控制器的正向传播算法 | 第28-29页 |
| ·SPIDNN控制器的反向传播算法 | 第29-31页 |
| ·仿真实例 | 第31-33页 |
| ·PID神经网络多变量控制系统 | 第33-37页 |
| ·MPIDNN多变量控制系统的正向传播算法 | 第33-35页 |
| ·MPIDNN多变量控制系统的反向传播算法 | 第35-36页 |
| ·MPIDNN解耦控制系统结构 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 粒子群算法及其改进 | 第38-52页 |
| ·粒子群算法概要 | 第38-42页 |
| ·粒子群算法的基本原理 | 第38-41页 |
| ·与其他群体算法的比较 | 第41-42页 |
| ·粒子群算法的研究与应用 | 第42-44页 |
| ·粒子群算法的改进方法 | 第42-43页 |
| ·粒子群算法应用领域 | 第43-44页 |
| ·改进的粒子群算法(MPSO) | 第44-51页 |
| ·粒子群算法的改进 | 第44-46页 |
| ·改进的粒子群算法(MPSO)的仿真试验 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于粒子群优化的神经网络智能控制 | 第52-64页 |
| ·基于PSO算法的PIDNN控制器设计 | 第52-55页 |
| ·问题描述 | 第52页 |
| ·基于标准PSO算法的MPIDNN控制 | 第52-55页 |
| ·仿真分析 | 第55-63页 |
| ·MPIDNN控制仿真 | 第55-59页 |
| ·基于标准PSO算法的MPIDNN控制仿真 | 第59-61页 |
| ·基于MPSO算法的MPIDNN控制仿真 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |
