| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 非线性动力学理论及应用研究现状 | 第15-23页 |
| 1.2.1 非线性动力学理论 | 第15-16页 |
| 1.2.2 非线性动力学应用研究 | 第16-20页 |
| 1.2.3 分岔与混沌动力学 | 第20-21页 |
| 1.2.4 分岔与混沌预测 | 第21-23页 |
| 1.3 非线性系统辨识 | 第23-24页 |
| 1.4 本章小结及本文主要内容 | 第24-27页 |
| 1.4.1 本章小结 | 第24-25页 |
| 1.4.2 本文主要内容 | 第25-27页 |
| 第二章 确定学习理论 | 第27-41页 |
| 2.1 引言 | 第27-28页 |
| 2.2 预备知识 | 第28-33页 |
| 2.2.1 径向基函数神经网络(RBFN) | 第28-30页 |
| 2.2.2 持续激励条件(PE) | 第30-33页 |
| 2.3 确定学习理论 | 第33-39页 |
| 2.3.1 确定学习机制 | 第33-35页 |
| 2.3.2 动态模式识别 | 第35-37页 |
| 2.3.3 微小故障快速检测 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 基于确定学习和结构稳定理论的非线性动力学建模及度量 | 第41-59页 |
| 3.1 引言 | 第41-42页 |
| 3.2 非线性系统的动力学建模 | 第42-49页 |
| 3.2.1 结构稳定性 | 第42-44页 |
| 3.2.2 偏导部分动力学建模 | 第44-49页 |
| 3.3 基于C~1范数的动力学度量 | 第49-50页 |
| 3.4 实例仿真-混沌振子的动力学建模及度量 | 第50-56页 |
| 3.4.1 Duffing振子的动力学建模及度量 | 第50-53页 |
| 3.4.2 Rossler系统的动力学建模及度量 | 第53-56页 |
| 3.5 本章小结 | 第56-59页 |
| 第四章 基于确定学习理论的Hopf分岔分析 | 第59-87页 |
| 4.1 引言 | 第59-60页 |
| 4.2 Hopf分岔的代数判据 | 第60-64页 |
| 4.2.1 Hopf分岔理论 | 第60-61页 |
| 4.2.2 Hopf分岔的代数判据 | 第61-64页 |
| 4.3 基于确定学习的Hopf分岔分析 | 第64-69页 |
| 4.3.1 动力学建模 | 第65页 |
| 4.3.2 偏导部分动力学建模 | 第65-67页 |
| 4.3.3 动力学指标的构造 | 第67-69页 |
| 4.4 实例仿真-HH模型的Hopf分岔分析及动力学建模 | 第69-86页 |
| 4.4.1 HH模型的Hopf分岔研究意义及现状 | 第69-70页 |
| 4.4.2 Hodgkin-Huxley(HH)模型 | 第70-73页 |
| 4.4.3 HH模型的Hopf分岔分析 | 第73-76页 |
| 4.4.4 Hopf分岔的动力学分析及建模 | 第76-84页 |
| 4.4.5 动力学指标下的稳定性分析 | 第84-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第五章 基于动态模式识别的倍周期分岔预测 | 第87-101页 |
| 5.1 引言 | 第87-89页 |
| 5.2 倍周期分岔的性质 | 第89页 |
| 5.3 构建动态模式库 | 第89-92页 |
| 5.3.1 系统动力学建模 | 第90页 |
| 5.3.2 训练模式选取 | 第90-92页 |
| 5.4 倍周期分岔预测 | 第92-94页 |
| 5.4.1 动态模式相似定义 | 第92-93页 |
| 5.4.2 倍周期分岔预测 | 第93-94页 |
| 5.5 实例仿真-二阶单机无穷大电力系统的倍周期分岔预测 | 第94-98页 |
| 5.5.1 倍周期分岔分析 | 第94-95页 |
| 5.5.2 动态模式库构建 | 第95-97页 |
| 5.5.3 倍周期分岔预测 | 第97-98页 |
| 5.6 本章小结 | 第98-101页 |
| 第六章 总结与展望 | 第101-104页 |
| 6.1 工作总结 | 第101-102页 |
| 6.2 工作展望 | 第102-104页 |
| 参考文献 | 第104-124页 |
| 攻读博士学位期间的研究成果 | 第124-126页 |
| 致谢 | 第126-127页 |
| 附件 | 第127页 |
