RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制及MATLAB仿真（第2版）
定 價(jià)：99 元
叢書(shū)名：電子信息與電氣工程技術(shù)叢書(shū)
當(dāng)前圖書(shū)已被 10 所學(xué)校薦購(gòu)過(guò)！
查看明細(xì)
- 作者：劉金琨
- 出版時(shí)間：2019/1/1
- ISBN：9787302517320
- 出 版 社：清華大學(xué)出版社
- 中圖法分類：TP183；TP391.9
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：
- 開(kāi)本：16開(kāi)
本書(shū)結(jié)合典型機(jī)械系統(tǒng)控制的實(shí)例，系統(tǒng)地介紹了神經(jīng)網(wǎng)絡(luò)控制的基本理論、基本方法和應(yīng)用技術(shù)。本書(shū)是作者多年來(lái)從事控制系統(tǒng)教學(xué)和科研工作的結(jié)晶，同時(shí)融入了國(guó)內(nèi)外同行近年來(lái)所取得的新成果。
全書(shū)共分16章，包括緒論、RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與仿真、基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)控制、自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制、RBF神經(jīng)網(wǎng)絡(luò)滑模控制、基于模型整體逼近的自適應(yīng)RBF控制、基于局部逼近的自適應(yīng)RBF控制、基于RBF神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)面自適應(yīng)控制、數(shù)字RBF神經(jīng)網(wǎng)絡(luò)控制、離散神經(jīng)網(wǎng)絡(luò)控制、自適應(yīng)RBF觀測(cè)器設(shè)計(jì)及滑�？刂啤⒒赗BF神經(jīng)網(wǎng)絡(luò)的反演自適應(yīng)控制、基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)容錯(cuò)控制、基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)量化控制、基于RBF神經(jīng)網(wǎng)絡(luò)的控制輸出受限控制和基于RBF神經(jīng)網(wǎng)絡(luò)的控制方向未知的狀態(tài)跟蹤。每種控制方法都通過(guò)MATLAB進(jìn)行了仿真分析。
本書(shū)各部分內(nèi)容既相互聯(lián)系又相對(duì)獨(dú)立，讀者可根據(jù)需要選擇學(xué)習(xí)。本書(shū)適用于從事生產(chǎn)過(guò)程自動(dòng)化、計(jì)算機(jī)應(yīng)用、機(jī)械電子和電氣自動(dòng)化領(lǐng)域的工程技術(shù)人員閱讀，也可作為大專院校工業(yè)自動(dòng)化、自動(dòng)控制、機(jī)械電子、自動(dòng)化儀表、計(jì)算機(jī)應(yīng)用等專業(yè)的教學(xué)參考書(shū)。
本書(shū)特色
（1） 神經(jīng)網(wǎng)絡(luò)控制算法重點(diǎn)研究學(xué)科交叉部分的前沿內(nèi)容，并介紹有潛力的新思想、新方法，同時(shí)又兼顧基本概念、基本理論和基本設(shè)計(jì)方法。
（2） 針對(duì)每種神經(jīng)網(wǎng)絡(luò)控制算法給出了完整的MATLAB仿真程序，并給出了程序的說(shuō)明和仿真結(jié)果，具有很強(qiáng)的可讀性。
（3） 著重從應(yīng)用領(lǐng)域角度出發(fā)，突出理論聯(lián)系實(shí)際，面向廣大工程技術(shù)人員，具有很強(qiáng)的工程性和實(shí)用性。書(shū)中同時(shí)提供了大量應(yīng)用實(shí)例及其結(jié)果分析，為讀者提供了有益的借鑒。
（4） 書(shū)中給出的各種神經(jīng)網(wǎng)絡(luò)控制算法非常完整，其程序結(jié)構(gòu)設(shè)計(jì)簡(jiǎn)潔明了，便于自學(xué)和進(jìn)一步開(kāi)發(fā)。
程序下載
配書(shū)實(shí)例代碼可到清華大學(xué)出版社網(wǎng)站本書(shū)相關(guān)頁(yè)面下載。
前言
神經(jīng)網(wǎng)絡(luò)控制出現(xiàn)于20世紀(jì)80年代，經(jīng)歷了30余年的發(fā)展，已形成了一個(gè)相對(duì)獨(dú)立的研究分支，成為智能控制系統(tǒng)的一種設(shè)計(jì)方法，適用于線性與非線性系統(tǒng)、連續(xù)與離散系統(tǒng)、確定性與不確定性系統(tǒng)、集中參數(shù)與分布參數(shù)系統(tǒng)、集中控制與分散控制系統(tǒng)等。
神經(jīng)網(wǎng)絡(luò)具有高度并行的結(jié)構(gòu)、強(qiáng)大的學(xué)習(xí)能力、連續(xù)非線性函數(shù)逼近能力、容錯(cuò)能力等優(yōu)點(diǎn)，極大地促進(jìn)與拓展了神經(jīng)網(wǎng)絡(luò)技術(shù)在非線性系統(tǒng)辨識(shí)與控制中的應(yīng)用。在實(shí)際工業(yè)過(guò)程中，存在著非線性、未建模動(dòng)態(tài)、不可測(cè)噪聲以及多環(huán)路等問(wèn)題，這些問(wèn)題對(duì)控制系統(tǒng)設(shè)計(jì)提出了很大的挑戰(zhàn)。
與傳統(tǒng)的控制策略相比，神經(jīng)網(wǎng)絡(luò)在如下幾個(gè)方面具有優(yōu)勢(shì)。
（1） 神經(jīng)網(wǎng)絡(luò)對(duì)任意函數(shù)都具有學(xué)習(xí)能力，神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力可避免在傳統(tǒng)自適應(yīng)控制理論中占有重要地位的復(fù)雜數(shù)學(xué)分析。
（2） 針對(duì)傳統(tǒng)控制方法不能解決的高度非線性控制問(wèn)題，多層神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元采用了激活函數(shù)，具有非線性映射功能，這種映射可以逼近任意非線性函數(shù)，為解決非線性控制問(wèn)題提供了有效的解決途徑。
（3） 傳統(tǒng)自適應(yīng)控制方法需要模型先驗(yàn)信息來(lái)設(shè)計(jì)控制方案，由于神經(jīng)網(wǎng)絡(luò)的逼近能力，控制器不需要具體的模型信息。因此，神經(jīng)網(wǎng)絡(luò)控制可以被廣泛用于解決具有不確定模型的控制問(wèn)題。
（4） 在神經(jīng)網(wǎng)絡(luò)大規(guī)模并行處理架構(gòu)下，網(wǎng)絡(luò)的某些節(jié)點(diǎn)損壞并不影響整個(gè)神經(jīng)網(wǎng)絡(luò)的整體性能，有效地提高了控制系統(tǒng)的容錯(cuò)性。
有關(guān)神經(jīng)網(wǎng)絡(luò)控制理論及其工程應(yīng)用，近年來(lái)已有大量的論文發(fā)表。作者多年來(lái)一直從事智能控制及應(yīng)用方面的研究和教學(xué)工作，為了促進(jìn)神經(jīng)網(wǎng)絡(luò)控制和自動(dòng)化技術(shù)的進(jìn)步，反映神經(jīng)網(wǎng)絡(luò)控制設(shè)計(jì)與應(yīng)用中的最新研究成果，并使廣大工程技術(shù)人員能了解、掌握和應(yīng)用這一領(lǐng)域的最新技術(shù)，學(xué)會(huì)用MATLAB語(yǔ)言進(jìn)行ＲＢＦ(Radial Basis Function,徑向基函數(shù))網(wǎng)絡(luò)控制器的設(shè)計(jì)，作者編寫(xiě)了這本書(shū)，以期拋磚引玉，供廣大讀者學(xué)習(xí)參考。
本書(shū)是作者在總結(jié)多年研究成果的基礎(chǔ)上，進(jìn)一步使其理論化、系統(tǒng)化、規(guī)范化、實(shí)用化而成，其特點(diǎn)是：
（1） 書(shū)中給出的ＲＢＦ神經(jīng)網(wǎng)絡(luò)控制算法簡(jiǎn)單，內(nèi)容先進(jìn)，取材著重于基本概念、基本理論和基本方法；
（2） 本書(shū)針對(duì)每種ＲＢＦ神經(jīng)網(wǎng)絡(luò)控制算法給出了完整的MATLAB仿真程序，并給出了程序的說(shuō)明和仿真結(jié)果，具有很強(qiáng)的可讀性；
（3） 著重從應(yīng)用角度出發(fā)，突出理論聯(lián)系實(shí)際的功能，面向廣大工程技術(shù)人員，具有很強(qiáng)的工程性和實(shí)用性，書(shū)中有大量應(yīng)用實(shí)例及其結(jié)果分析，為讀者提供了有益的借鑒；
（4） 所給出的各種ＲＢＦ神經(jīng)網(wǎng)絡(luò)控制算法完整，程序設(shè)計(jì)結(jié)構(gòu)力求簡(jiǎn)單明了，便于讀者自學(xué)和進(jìn)一步開(kāi)發(fā)。
全書(shū)共分16章。第1章為緒論，介紹神經(jīng)網(wǎng)絡(luò)控制的基本原理及其在理論和應(yīng)用方面的發(fā)展?fàn)顩r，并介紹了一種簡(jiǎn)單的自適應(yīng)控制設(shè)計(jì)方法； 第2章介紹RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與仿真、影響ＲＢＦ神經(jīng)網(wǎng)絡(luò)的參數(shù)及離線建模方法； 第3章介紹基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)控制方法，包括基于RBF神經(jīng)網(wǎng)絡(luò)的監(jiān)督控制、基于RBF神經(jīng)網(wǎng)絡(luò)的模型參考自適應(yīng)控制和ＲＢＦ自校正控制三種方法； 第4章介紹幾種簡(jiǎn)單的RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的設(shè)計(jì)和分析方法； 第5章介紹RBF神經(jīng)網(wǎng)絡(luò)滑�？刂频脑O(shè)計(jì)及分析方法，并引入了一種基于神經(jīng)網(wǎng)絡(luò)最小參數(shù)學(xué)習(xí)法的自適應(yīng)滑�？刂品椒ǎ� 第6章和第7章分別介紹基于模型整體逼近的自適應(yīng)RBF控制和基于局部逼近的自適應(yīng)RBF控制，并以機(jī)械手控制為例給出了控制器的設(shè)計(jì)和分析實(shí)例； 第8章以柔性機(jī)械臂的控制為例，介紹基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)動(dòng)態(tài)面控制的設(shè)計(jì)和分析方法； 第9章介紹RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的離散化方法； 第10章介紹離散系統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)及離散控制系統(tǒng)的穩(wěn)定性分析方法； 第11章介紹自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)觀測(cè)器的設(shè)計(jì)和分析方法； 第12章介紹基于RBF神經(jīng)網(wǎng)絡(luò)的反演自適應(yīng)控制方法； 第13章介紹基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)容錯(cuò)控制方法； 第14章介紹基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)量化控制方法； 第15章介紹基于RBF神經(jīng)網(wǎng)絡(luò)的控制輸出受限控制； 第16章介紹基于RBF神經(jīng)網(wǎng)絡(luò)的控制方向未知的狀態(tài)跟蹤。
本書(shū)是作者在原有的英文版著作RBF Neural Network Control for Mechanical SystemsDesign, Analysis and Matlab Simulation（Jinkun LIU,Tsinghua & Springer Press, 2013）和原有的中文版著作《RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制MATLAB仿真》（北京: 清華大學(xué)出版社，2014）基礎(chǔ)上撰寫(xiě)的，并做了適當(dāng)?shù)脑鰷p。
本書(shū)是在MATLAB的R2011a環(huán)境下開(kāi)發(fā)的，各章節(jié)具有很強(qiáng)的獨(dú)立性，讀者可以結(jié)合自己的方向深入地進(jìn)行研究。
作者在本書(shū)編寫(xiě)過(guò)程中得到新加坡國(guó)立大學(xué)葛樹(shù)志教授的熱情支持和寶貴建議，在此表示感謝。
假如讀者對(duì)算法和仿真程序有疑問(wèn)，可通過(guò) Email 與作者聯(lián)系由于作者水平有限，書(shū)中難免存在一些不足和疏漏之處，歡迎廣大讀者批評(píng)指正。
作者
于北京航空航天大學(xué)
劉金琨 遼寧省大連市瓦房店人，分別于1989年、1994年和1997年獲東北大學(xué)工學(xué)學(xué)士、碩士和博士學(xué)位。1997─1999年在浙江大學(xué)工業(yè)控制技術(shù)研究所從事博士后研究工作�，F(xiàn)為北京航空航天大學(xué)控制理論與控制工程專業(yè)教授、博士生導(dǎo)師。主要從事智能控制、滑模變結(jié)構(gòu)控制領(lǐng)域的研究和教學(xué)工作。自從從事研究工作以來(lái)，主持國(guó)家自然科學(xué)基金等科研項(xiàng)目10余項(xiàng)，發(fā)表學(xué)術(shù)論文100余篇，出版圖書(shū)10余部。
目錄
第1章緒論
1．1神經(jīng)網(wǎng)絡(luò)控制
1．1．1神經(jīng)網(wǎng)絡(luò)控制的提出
1.1.2神經(jīng)網(wǎng)絡(luò)控制概述
1.1.3自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)概述
1．2RBF神經(jīng)網(wǎng)絡(luò)
1．3機(jī)器人RBF神經(jīng)網(wǎng)絡(luò)控制
1．4控制系統(tǒng)S函數(shù)設(shè)計(jì)
1．4．1S函數(shù)介紹
1．4．2S函數(shù)基本參數(shù)
1．4．3實(shí)例
1．5簡(jiǎn)單自適應(yīng)控制系統(tǒng)設(shè)計(jì)實(shí)例
1．5．1系統(tǒng)描述
1．5．2自適應(yīng)控制律設(shè)計(jì)
1．5．3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第2章RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與仿真
2．1RBF神經(jīng)網(wǎng)絡(luò)算法及仿真
2．1．1RBF神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)
2．1．2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)實(shí)例及MATLAB仿真
2．2基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)逼近
2．2．1RBF神經(jīng)網(wǎng)絡(luò)逼近
2．2．2仿真實(shí)例
2．3高斯基函數(shù)的參數(shù)對(duì)RBF網(wǎng)絡(luò)逼近的影響
2．4隱含層節(jié)點(diǎn)數(shù)對(duì)RBF網(wǎng)絡(luò)逼近的影響
2．5RBF神經(jīng)網(wǎng)絡(luò)的建模訓(xùn)練
2．5．1RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練
2．5．2仿真實(shí)例
2．6RBF神經(jīng)網(wǎng)絡(luò)逼近
附錄仿真程序
參考文獻(xiàn)
第3章基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)控制
3．1基于RBF神經(jīng)網(wǎng)絡(luò)的監(jiān)督控制
3．1．1RBF監(jiān)督控制
3．1．2仿真實(shí)例
3．2基于RBF神經(jīng)網(wǎng)絡(luò)的模型參考自適應(yīng)控制
3．2．1控制系統(tǒng)設(shè)計(jì)
3．2．2仿真實(shí)例
3．3RBF自校正控制
3．3．1系統(tǒng)描述
3．3．2RBF控制算法設(shè)計(jì)
3．3．3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第4章自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制
4．1基于神經(jīng)網(wǎng)絡(luò)逼近的自適應(yīng)控制
4．1．1系統(tǒng)描述
4．1．2自適應(yīng)RBF控制器設(shè)計(jì)
4．1．3仿真實(shí)例
4．2基于神經(jīng)網(wǎng)絡(luò)逼近的未知參數(shù)自適應(yīng)控制
4．2．1系統(tǒng)描述
4．2．2自適應(yīng)控制設(shè)計(jì)
4．2．3仿真實(shí)例
4．3基于RBF神經(jīng)網(wǎng)絡(luò)的直接魯棒自適應(yīng)控制
4．3．1系統(tǒng)描述
4．3．2理想反饋控制和函數(shù)逼近
4．3．3控制器設(shè)計(jì)及分析
4．3．4仿真實(shí)例
4.4基于RBF神經(jīng)網(wǎng)絡(luò)的單參數(shù)直接魯棒自適應(yīng)控制
4.4.1系統(tǒng)描述
4.4.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第5章RBF神經(jīng)網(wǎng)絡(luò)滑�？刂�
5．1經(jīng)典滑模控制器設(shè)計(jì)
5．2基于RBF神經(jīng)網(wǎng)絡(luò)的二階SISO系統(tǒng)的滑�？刂�
5．2．1系統(tǒng)描述
5．2．2基于RBF網(wǎng)絡(luò)逼近f(·)的滑�？刂�
5．2．3仿真實(shí)例
5．3基于RBF逼近未知函數(shù)f(·)和g(·)的滑模控制
5．3．1引言
5．3．2仿真實(shí)例
5．4基于神經(jīng)網(wǎng)絡(luò)最小參數(shù)學(xué)習(xí)法的自適應(yīng)滑�？刂�
5．4．1問(wèn)題描述
5．4．2基于RBF網(wǎng)絡(luò)逼近的自適應(yīng)控制
5．4．3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第6章基于模型整體逼近的自適應(yīng)RBF控制
6．1基于RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)臋C(jī)器人自適應(yīng)控制
6．1．1系統(tǒng)描述
6．1．2RBF網(wǎng)絡(luò)逼近
6．1．3RBF網(wǎng)絡(luò)控制和自適應(yīng)律設(shè)計(jì)及分析
6．1．4仿真實(shí)例
6．2基于滑模魯棒項(xiàng)的RBF神經(jīng)網(wǎng)絡(luò)機(jī)器人控制
6．2．1系統(tǒng)描述
6．2．2RBF逼近
6．2．3控制律設(shè)計(jì)及穩(wěn)定性分析
6．2．4仿真實(shí)例
6．3基于HJI理論和RBF神經(jīng)網(wǎng)絡(luò)的魯棒控制
6．3．1HJI定理
6．3．2控制器設(shè)計(jì)及穩(wěn)定性分析
6．3．3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第7章基于局部逼近的自適應(yīng)RBF控制
7.1基于名義模型的機(jī)械臂魯棒控制
7.1.1系統(tǒng)描述
7.1.2控制器設(shè)計(jì)
7.1.3穩(wěn)定性分析
7.1.4仿真實(shí)例
7.2基于局部模型逼近的自適應(yīng)RBF機(jī)械手控制
7.2.1問(wèn)題描述
7.2.2控制器設(shè)計(jì)
7.2.3穩(wěn)定性分析
7.2.4仿真實(shí)例
7.3工作空間機(jī)械手的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
7.3.1關(guān)節(jié)角位置與工作空間直角坐標(biāo)的轉(zhuǎn)換
7.3.2機(jī)械手的神經(jīng)網(wǎng)絡(luò)建模
7.3.3控制器的設(shè)計(jì)
7.3.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第8章基于RBF網(wǎng)絡(luò)的動(dòng)態(tài)面自適應(yīng)控制
8.1簡(jiǎn)單動(dòng)態(tài)面控制的設(shè)計(jì)與分析
8.1.1系統(tǒng)描述
8.1.2動(dòng)態(tài)面控制器的設(shè)計(jì)
8.1.3動(dòng)態(tài)面控制器的分析
8.1.4仿真實(shí)例
8.2飛行器航跡角自適應(yīng)神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)面控制
8.2.1系統(tǒng)描述
8.2.2自適應(yīng)神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)面控制設(shè)計(jì)
8.2.3穩(wěn)定性分析
8.2.4仿真實(shí)例
8.3柔性關(guān)節(jié)機(jī)械手自適應(yīng)RBF網(wǎng)絡(luò)動(dòng)態(tài)面魯棒控制
8.3.1問(wèn)題描述
8.3.2自適應(yīng)RBF網(wǎng)絡(luò)動(dòng)態(tài)面控制器設(shè)計(jì)
8.3.3閉環(huán)系統(tǒng)穩(wěn)定性分析
8.3.4仿真驗(yàn)證
附錄仿真程序
參考文獻(xiàn)
第9章數(shù)字RBF神經(jīng)網(wǎng)絡(luò)控制
9.1自適應(yīng)RungeKuttaMerson法
9.1.1引言
9.1.2仿真實(shí)例
9.2SISO系統(tǒng)的數(shù)字自適應(yīng)控制
9.2.1引言
9.2.2仿真實(shí)例
9.3兩關(guān)節(jié)機(jī)械手的數(shù)字自適應(yīng)RBF控制
9.3.1引言
9.3.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第10章離散神經(jīng)網(wǎng)絡(luò)控制
10.1引言
10.2一類離散非線性系統(tǒng)的直接RBF控制
10.2.1系統(tǒng)描述
10.2.2控制算法設(shè)計(jì)和穩(wěn)定性分析
10.2.3仿真實(shí)例
10.3一類離散非線性系統(tǒng)的自適應(yīng)RBF控制
10.3.1系統(tǒng)描述
10.3.2經(jīng)典控制器設(shè)計(jì)
10.3.3自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)
10.3.4穩(wěn)定性分析
10.3.5仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第11章自適應(yīng)RBF觀測(cè)器設(shè)計(jì)及滑模控制
11.1自適應(yīng)RBF觀測(cè)器設(shè)計(jì)
11.1.1系統(tǒng)描述
11.1.2自適應(yīng)RBF觀測(cè)器設(shè)計(jì)
11.1.3仿真實(shí)例
11.2基于RBF自適應(yīng)觀測(cè)器的滑�？刂�
11.2.1滑模控制器設(shè)計(jì)
11.2.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第12章基于RBF神經(jīng)網(wǎng)絡(luò)的反演自適應(yīng)控制
12．1一種二階非線性系統(tǒng)的反演控制
12．1．1基本原理
12．1．2仿真實(shí)例
12．2一種三階非線性系統(tǒng)的反演控制
12．2．1系統(tǒng)描述
12．2．2反演控制器設(shè)計(jì)
12．2．3仿真實(shí)例
12．3基于RBF網(wǎng)絡(luò)的二階非線性系統(tǒng)反演控制
12．3．1基本原理
12．3．2RBF網(wǎng)絡(luò)原理
12．3．3控制算法設(shè)計(jì)與分析
12．3．4仿真實(shí)例
12．4高階非線性系統(tǒng)反演控制
12．4．1系統(tǒng)描述
12．4．2反演控制器的設(shè)計(jì)
12．5基于RBF網(wǎng)絡(luò)的高階非線性系統(tǒng)自適應(yīng)反演控制
12．5．1系統(tǒng)描述
12．5．2反演控制律設(shè)計(jì)
12．5．3自適應(yīng)律的設(shè)計(jì)
12．5．4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第13章基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)容錯(cuò)控制
13．1SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制
13．1．1控制問(wèn)題描述
13．1．2控制律的設(shè)計(jì)與分析
13．1．3仿真實(shí)例
13．2基于RBF網(wǎng)絡(luò)的自適應(yīng)容錯(cuò)控制
13．2．1控制問(wèn)題描述
13．2．2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
13．2．3控制律的設(shè)計(jì)與分析
13．2．4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第14章基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)量化控制
14．1執(zhí)行器自適應(yīng)量化控制
14．1．1系統(tǒng)描述
14．1．2量化控制器設(shè)計(jì)與分析
14．1．3仿真實(shí)例
14．2基于RBF神經(jīng)網(wǎng)絡(luò)的執(zhí)行器自適應(yīng)量化控制
14．2．1系統(tǒng)描述
14．2．2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
14．2．3量化控制器設(shè)計(jì)與分析
14．2．4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第15章基于RBF神經(jīng)網(wǎng)絡(luò)的控制輸出受限控制
15．1輸出受限引理
15．2基于位置輸出受限控制算法設(shè)計(jì)
15．2．1系統(tǒng)描述
15．2．2控制器的設(shè)計(jì)
15．2．3仿真實(shí)例
15．3基于RBF神經(jīng)網(wǎng)絡(luò)的輸出受限控制
15．3．1系統(tǒng)描述
15．3．2RBF神經(jīng)網(wǎng)絡(luò)原理
15．3．3控制器的設(shè)計(jì)
15．3．4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第16章基于RBF神經(jīng)網(wǎng)絡(luò)的控制方向未知的狀態(tài)跟蹤
16．1基本知識(shí)
16．2控制方向未知的狀態(tài)跟蹤
16．2．1系統(tǒng)描述
16．2．2控制律的設(shè)計(jì)
16．2．3仿真實(shí)例
16．3基于RBF神經(jīng)網(wǎng)絡(luò)的控制方向未知的狀態(tài)跟蹤
16．3．1系統(tǒng)描述
16．3．2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
16．3．3控制律的設(shè)計(jì)
16．3．4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
書(shū)單推薦
