基于微粒群的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制理論及應(yīng)用

前言
第1章 緒論
1.1 預(yù)測(cè)控制的特點(diǎn)
1.2 預(yù)測(cè)控制的歷史發(fā)展與現(xiàn)狀
1.3 神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)控制中的應(yīng)用研究現(xiàn)狀
1.4 預(yù)測(cè)控制的基本原理
1.4.1 預(yù)測(cè)模型
1.4.2 滾動(dòng)優(yōu)化
1.4.3 反饋校正
1.5 預(yù)測(cè)控制的基本特征
1.6 預(yù)測(cè)控制的基本模型
1.6.1 階躍響應(yīng)與脈沖響應(yīng)模型
1.6.2 傳遞函數(shù)模型
1.6.3 狀態(tài)空間模型
1.7 小結(jié)
參考文獻(xiàn)
第2章 經(jīng)典預(yù)測(cè)控制方法
2.1 三種經(jīng)典預(yù)測(cè)控制方法發(fā)展歷程
2.2 基于脈沖響應(yīng)模型的模型算法控制
2.2.1 模型算法控制預(yù)測(cè)模型
2.2.2 模型算法控制反饋校正
2.2.3 模型算法控制優(yōu)化控制
2.2.4 有約束的模型算法控制
2.3 基于階躍響應(yīng)模型的動(dòng)態(tài)矩陣控制
2.3.1 動(dòng)態(tài)矩陣控制預(yù)測(cè)模型
2.3.2 動(dòng)態(tài)矩陣控制滾動(dòng)在線(xiàn)優(yōu)化
2.3.3 動(dòng)態(tài)矩陣控制反饋校正
2.3.4 有約束的動(dòng)態(tài)矩陣控制
2.4 基于傳遞函數(shù)模型的廣義預(yù)測(cè)控制
2.4.1 廣義預(yù)測(cè)控制預(yù)測(cè)模型
2.4.2 廣義預(yù)測(cè)控制滾動(dòng)在線(xiàn)優(yōu)化
2.4.3 廣義預(yù)測(cè)控制反饋校正
2.4.4 廣義預(yù)測(cè)控制的基本性質(zhì)
2.4.5 多變量和有約束的廣義預(yù)測(cè)控制
2.5 小結(jié)
參考文獻(xiàn)
第3章 預(yù)測(cè)控制中的建模方法
3.1 常用被控對(duì)象建模方法
3.1.1 傳統(tǒng)的輸入／輸出模型
3.1.2 模糊模型
3.1.3 神經(jīng)網(wǎng)絡(luò)模型
3.1.4 其他智能模型
3.2 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.2.1 系統(tǒng)辨識(shí)的定義及特點(diǎn)
3.2.2 系統(tǒng)辨識(shí)的基本方法
3.2.3 神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)辨識(shí)的一般結(jié)構(gòu)
3.3 延遲時(shí)間參數(shù)的辨識(shí)
3.4 模型參數(shù)優(yōu)化方法
3.5 小結(jié)
參考文獻(xiàn)
第4章 微粒群優(yōu)化算法
4.1 基本微粒群優(yōu)化算法
4.1.1 算法描述
4.1.2 收斂性分析
4.2 微粒群優(yōu)化算法的基本改進(jìn)思想
4.2.1 進(jìn)化公式的改進(jìn)
4.2.2 局部尋優(yōu)與微粒群優(yōu)化算法結(jié)合的混合算法
……
第5章 基于微粒群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制方法
第6章 基于微粒群優(yōu)化算法的預(yù)測(cè)模型及其實(shí)際應(yīng)用
第7章 多目標(biāo)微粒群優(yōu)化算法及其應(yīng)用
附錄重要公式符號(hào)對(duì)照表