文摘
英文文摘
声明
第一章 绪论
1.1引言
1.2粗糙集理论及应用
1.2.1粗糙集理论的发展及现状
1.2.2粗糙集在电力系统中的应用
1.3粗糙集与神经网络的集成
1.4粗糙控制
1.5船舶电力系统综述
1.6本文的研究内容与结构安排
第二章 粗糙集基本理论
2.1不精确信息的描述
2.2知识与不可分辨关系
2.3决策表、约简与核
2.4区分矩阵与区分函数
2.5决策规则与规则约简
2.6粗糙集的信息论观点
2.7不完备信息系统及粗糙集扩展模型
2.8本章小结
第三章 径向基函数神经网络
3.1神经网络简介
3.2 RBF神经网络理论
3.2.1径向基函数
3.2.2 RBF网络的结构与工作原理
3.2.3多变量RBF插值问题
3.2.4 RBF网络的学习算法
3.3RBF神经网络中心选取算法
3.4本章小结
第四章 粗糙集理论算法研究
4.1引言
4.2连续属性离散化
4.2.1离散化问题描述
4.2.2现有离散化方法
4.2.3基于微粒群优化的连续属性离散化
4.3基于粗糙集的属性约简
4.3.1属性的重要性度量
4.3.2属性的求核与约简
4.3.3基于正区域的属性求核与相对约简
4.3.4基于广义决策表的属性求核与相对约简
4.3.5不完备信息系统的属性相对约简
4.4决策规则约简算法
4.5本章小结
第五章 基于粗糙-RBF网络的船舶发电机动态建模
5.1引言
5.2船舶电力系统建模与仿真
5.2.1船舶电力系统机理建模
5.2.2船舶电力系统仿真
5.3基于粗糙集理论的RBF神经网络
5.3.1基于粗糙集的RBF网络参数选取
5.3.2基于粗糙集的RBF网络OLS学习算法
5.4基于粗糙-RBF网络的动态建模方法
5.5基于粗糙-RBF网络的船舶发电机动态建模仿真
5.6本章小结
第六章 基于粗糙混合智能方法的船舶发电机励磁控制
6.1引言
6.2基于粗糙-RBF网络辨识的船舶发电机励磁神经PID控制
6.2.1基于粗糙-RBF网络的神经PID励磁控制器设计
6.2.2船舶发电机励磁控制仿真实例
6.3粗糙-神经网络逆系统方法研究
6.3.1逆系统方法原理
6.3.2基于粗糙集的粗糙规则逆模型
6.3.3粗糙规则RBF网络推理引擎
6.3.4粗糙-神经网络逆控制方法研究
6.4粗糙-神经网络逆前馈补偿的船舶发电机励磁复合控制
6.4.1船舶发电机励磁粗糙-神经网络逆复合控制器设计
6.4.2船舶发电机励磁控制仿真实例
6.5本章小结
第七章 结论
7.1本文工作结论
7.2今后工作展望
致谢
参考文献
附录 攻读博士学位期间完成的学术论文