论文目录 | |
| 中文摘要 | 第1-4
页 |
| 英文摘要 | 第4-6
页 |
| 目录 | 第6-10
页 |
| 第一章 绪论 | 第10-21
页 |
| 本章概要 | 第10
页 |
| · 自动控制理论与过程控制 | 第10-13
页 |
| · 自动控制理论的发展与现状 | 第10-12
页 |
| · 过程控制的发展历史与现状 | 第12-13
页 |
| · 非线性过程控制的发展历史与现状 | 第13-18
页 |
| · 一般非线性过程控制 | 第13-15
页 |
| · 预测控制与非线性控制 | 第15-16
页 |
| · 人工神经网络与非线性控制 | 第16-18
页 |
| · 本课题的提出、现状与意义 | 第18-19
页 |
| · 本文的主要内容及安排 | 第19-21
页 |
| 第二章 基础知识简介 | 第21-30
页 |
| 本章概要 | 第21
页 |
| · 线性预测控制简介 | 第21-23
页 |
| · 常用的人工神经网络 | 第23-26
页 |
| · 多层前向人工神经网络(BP网络) | 第23-24
页 |
| · 多层前向神经网络的优化灵敏度 | 第24-25
页 |
| · DLF神经网络 | 第25-26
页 |
| · 连续搅拌釜式反应器(CSTR)过程简述 | 第26-30
页 |
| · 单级CSTR之工艺过程及描述 | 第26-27
页 |
| · 二级CSTR之工艺过程及描述 | 第27-30
页 |
| 第三章 基于神经网络直接优化非线性预测控制的进一步研究 | 第30-48
页 |
| 本章概要 | 第30
页 |
| · 概述 | 第30
页 |
| · 具有纯滞后非线性过程的神经网络预测控制 | 第30-32
页 |
| · 基于神经网络模型的过程预测输出在线校正方法的研究 | 第32-35
页 |
| · 过程预测输出的简单校正 | 第32-34
页 |
| · 自补偿校正方法 | 第34-35
页 |
| · 非线性串联过程的双反馈多步预测控制 | 第35-36
页 |
| · 仿真研究(Ⅰ) | 第36-39
页 |
| · 几个校正方法的比较 | 第37-38
页 |
| · 非线性串联过程的双环多步预测控制仿真研究 | 第38-39
页 |
| · 基于神经网络的多变量非线性预测控制 | 第39-43
页 |
| · 基于神经网络的多变量非线性预测控制算法推导 | 第39-42
页 |
| · 仿真研究(Ⅱ) | 第42-43
页 |
| · 带中间状态反馈的多变量非线性预测控制 | 第43-47
页 |
| · 带中间状态反馈的在线校正函数设计及算法推导 | 第43-46
页 |
| · 仿真研究(Ⅲ) | 第46-47
页 |
| · 本章小结 | 第47-48
页 |
| 第四章 多变量非线性系统的逆系统线性化方法研究 | 第48-64
页 |
| · 概述 | 第48-49
页 |
| · 有关逆系统的几个基本定义 | 第49-50
页 |
| · 多变量动态非线性系统的静态逆模型概念 | 第50-52
页 |
| · 离散动态非线性系统的一种集成模型 | 第52-53
页 |
| · 集成模型的结构 | 第52-53
页 |
| · 集成模型的辩识方法 | 第53
页 |
| · 动态非线性系统的静态逆系统线性化方法 | 第53-54
页 |
| · 多变量静态非线性对象逆模型的求取方法 | 第54-63
页 |
| · 策略1：基于BP网络的直接逆向训练的静态逆模型 | 第54-57
页 |
| · 策略2：基于BP网络的一阶近似静态逆模型 | 第57-58
页 |
| · 策略3：基于DLF网络的静态逆模型(零阶近似) | 第58-61
页 |
| · 策略4：基于DLF网络的静态逆模型(一阶近似) | 第61-63
页 |
| · 本章小结 | 第63-64
页 |
| 第五章 基于集成模型的多变量非线性预测控制 | 第64-80
页 |
| · 概述 | 第64-65
页 |
| · 基于广义Hammerstein模型的多变量非线性预测控制 | 第65-74
页 |
| · 广义Hammerstein模型 | 第65-67
页 |
| · 基于广义Hammerstein模型的多变量预测控制策略 | 第67-71
页 |
| · 在CSTR反应器上的仿真研究 | 第71-74
页 |
| · 基于一种集成模型的多变量非线性预测控制 | 第74-79
页 |
| · 一种集成模型的结构及辨识训练方法 | 第74-75
页 |
| · 基于集成模型的多变量非线性预测控制策略 | 第75-77
页 |
| · 在CSTR反应器上的仿真研究 | 第77-79
页 |
| · 本章小结 | 第79-80
页 |
| 第六章 一种自适应预测优化解耦补偿器的研究设计 | 第80-93
页 |
| · 概述 | 第80-81
页 |
| · 传统解耦控制方法及存在的问题 | 第81-83
页 |
| · 传统对角解耦控制方法简述 | 第81-82
页 |
| · 传统解耦控制方法存在的几个问题 | 第82-83
页 |
| · 自适应预测优化解耦补偿器的设计 | 第83-87
页 |
| · 对象模型描述 | 第83
页 |
| · 解耦器的数学模型 | 第83-84
页 |
| · 解耦补偿器优化系数的设计 | 第84-87
页 |
| · 预测优化解耦补偿器的特点分析及有关参数的选取 | 第87
页 |
| · 仿真研究(Ⅰ) | 第87-89
页 |
| · 非线性自适应预测优化解耦补偿器的设计 | 第89-91
页 |
| · 仿真研究(Ⅱ) | 第91-92
页 |
| · 本章小结 | 第92-93
页 |
| 第七章 自适应神经元非模型多变量优化补偿控制 | 第93-102
页 |
| · 概述 | 第93-94
页 |
| · 神经元非模型控制 | 第94-95
页 |
| · 多变量系统的自适应神经元非模型优化补偿控制 | 第95-97
页 |
| · 自适应神经元非模型优化补偿器的机理分析 | 第97-98
页 |
| · 仿真研究 | 第98-101
页 |
| · 多侧线精馏塔的自适应神经元非模型优化补偿控制仿真 | 第98-100
页 |
| · CSTR的自适应神经元非模型优化补偿控制仿真 | 第100-101
页 |
| · 本章小结 | 第101-102
页 |
| 第八章 结束语 | 第102-104
页 |
| 参考文献 | 第104-110
页 |
| 作者在攻读博士学位期间已发表和待发表的论文 | 第110-112
页 |
| 致谢 | 第112页 |
