文摘
英文文摘
声明
第一章绪论
1.1选题背景和研究意义
1.2大时滞系统控制的难点
1.3大时滞系统控制方法的研究现状
1.3.1自整定PID控制
1.3.2 Smith预估控制
1.3.3大林算法
1.3.4模糊控制
1.3.5神经网络控制
1.3.6预测控制
1.3.7其它控制方法
1.3.8大时滞系统控制的研究方向
1.4本文的主要工作
第二章RBF神经网络
2.1引言
2.2 RBF神经网络理论基础
2.3 RBF神经网络学习算法
2.3.1传统学习算法
2.3.2基于FCM的学习算法
2.4网络结构的确定
2.5仿真研究
2.6小结
第三章基于RBF神经网络的多步预测模型
3.1时滞辨识方法
3.1.1传统的时滞辨识方法
3.1.2基于RBF神经网络的时滞辨识方法
3.1.3仿真研究
3.2非线性系统建模
3.3基于RBF神经网络的多步预测模型
3.3.1递推多步预测模型
3.3.2非递推多步预测模型
3.3.3两种预测模型的比较
3.3.4仿真研究
3.4小结
第四章基于RBF神经网络的预测控制
4.1神经网络控制与预测控制的结合
4.2预测控制简介
4.3预测控制的基本原理
4.3.1预测模型
4.3.2滚动优化
4.3.3反馈校正
4.4基于RBF神经网络的最优预测控制
4.4.1预测模型
4.4.2参考轨迹
4.4.3反馈校正
4.4.4滚动优化
4.5基于RBF神经网络的神经元自适应PID预测控制
4.5.1 RBF神经网络预测模型
4.5.2神经元自适应PID算法
4.6仿真研究
4.7小结
第五章结论与展望
5.1结论
5.2展望
参考文献
致谢
东北大学;