内容介绍
用户评论
全部咨询
内容简介
本书系统地介绍了神经网络控制的理论、方法及其在非线性系统建模和控制中的应用。内容主要包括两部分：一是神经网络控制技术的基本理论研究，提出了多种颇具特色而又行之有效的神经网络控制方法及其实现技术；二是从工程角度出发，介绍了神经网络控制系统的设计方法，给出了几个成功的神经网络控制技术的工程应用实例，并探讨了神经网络控制领域尚待解决的问题。
本书主要基于作者近年来的研究成果，并引用了国内外最新的文献资料，理论联系实际，突出工程特色。
本书可供高等院校、科研机构等从事自动控制、工业自动化、机械电子工程、人工智能和计算机应用等专业的师生和研究人员及相关领域的工程技术人员参阅使用。
目录
- 第一篇 理论与方法
第一章 绪论
1.1 控制理论的发展与面临的挑战
1.2 神经网络技术的发展与现状
1.3 神经网络与系统建模和控制
1.3.1 神经网络建模
1.3.2 神经网络控制
1.3.3 当前神经网络控制的研究课题
1.3.4 神经网络与模糊控制的结合
1.4 电液伺服控制技术的发展与现状
1.5 本书的内容及章节安排
第二章 神经网络控制技术基础
2.1 控制用神经元模型
2.2 神经网络模型及其学习算法
2.2.1 MFNN模型与BP算法
2.2.2 DRNN模型与动态BP算法
2.2.3 复合输入DRNN模型及其训练
2.2.4 CMAC网络模型
2.2.5 B样条神经网络模型
2.3 神经网络的逼近能力分析
2.4 神经网络的训练与BP算法存在的缺陷
2.4.1 神经网络的训练
2.4.2 BP算法存在的缺陷
2.5 增广LPIDBP学习算法
2.5.1 LPIDBP学习算法的推导
2.5.2 仿真研究
2.6 全局寻优自适应快速BP学习算法
2.6.1 GCAQBP学习算法的推导
2.6.2 GCAQBP学习算法性能分析
2.7 本章小结
第三章 非线性系统的神经网络辨识
3.1 系统辨识的基本概念
3.2 非线性系统神经网络辨识的可行性
3.2.1 非线性系统辨识模型
3.2.2 非线性系统辨识模型的神经网络实现
3.3 非线性系统的神经网络辨识方法
3.3.1 概述
3.3.2 非线性静态系统的神经网络辨识
3.3.3 非线性动态系统的神经网络辨识
3.4 神经网络在线自适应跟踪辨识
3.4.1 辨识结构及方法
3.4.2 电液伺服系统仿真研究
3.5 本章小结
第四章 神经网络并行自学习鲁棒自适应跟踪控制
4.1 引言
4.2 跟踪控制问题描述
4.3 神经网络并行自学习鲁棒自适应跟踪控制器设计
4.3.1 控制器结构及工作原理
4.3.2 自适应神经网络模型（ANNM）及其训练
4.3.3 神经网络控制器（NNC）及其训练
4.3.4 运行监控器
4.3.5 鲁棒控制器（RC）
4.3.6 NNPSLRATC的算法实现及其特点
4.4 神经网络并行自学习鲁棒自适应控制系统的稳定性
4.4.1 并行自学习系统的反馈稳定性
4.4.2 鲁棒自适应跟踪系统的稳定性
4.5 仿真研究
4.5.1 控制对象
4.5.2 仿真结果
4.6 实验研究
4.6.1 控制对象
4.6.2 控制结果
4.7 本章小结
第五章 模型参考神经网络直接自适应控制
5.1 引言
5.2 广义PID神经网络直接自适应控制器设计
5.2.1 控制器结构及控制算法
5.2.2 仿真研究
5.3 模型参考混合神经网络直接自适应控制器设计
5.3.1 控制器结构及控制算法
5.3.2 仿真研究
5.4 本章小结
第六章 神经网络在线自学习模糊自适应控制
6.1 引言
6.2 神经网络在线自学习模糊自适应控制器设计
6.2.1 控制器结构及工作原理
6.2.2 神经网络控制器（NNC）及其训练
6.3 神经网络控制系统的能控性和稳定性分析
6.4 实验研究
6.4.1 控制对象及控制系统设计
6.4.2 实验结果
6.5 本章小结
第七章 基于神经网络辨识模型的在线迭代学习控制
7.1 引言
7.2 基于神经网络辨识的模型参考递推控制原理
7.3 神经网络在线迭代学习控制算法
7.3.1 迭代学习控制原理
7.3.2 神经网络在线迭代学习控制算法及收敛性分析
7.4 仿真研究
7.5 本章小结
第二篇 应用与实现
第八章 电液伺服板簧试验系统的神经网络自适应控制
8.1 引言
8.2 电液伺服板簧试验系统的数学描述
8.3 基于范数空间的稳定性分析
8.3.1 基本理论
8.3.2 位置闭环系统稳定性分析
8.3.3 力闭环系统稳定性分析
8.4 电液伺服板簧试验系统特性研究
8.4.1 静态特性试验
8.4.2 位置控制特性试验
8.4.3 力控制特性试验
8.5 神经网络自适应控制试验研究
8.5.1 位置伺服系统的神经网络控制
8.5.2 力伺服系统的神经网络控制
8.6 本章小结
第九章 不对称缸电液伺服系统神经网络补偿非线性控制
9.1 引言
9.2 基本理论
9.3 非线性系统反馈线性化设计
9.3.1 一般方法
9.3.2 非线性系统反馈线性化控制
9.4 不对称缸电液伺服系统反馈线性化跟踪控制
9.4.1 系统分析与设计
9.4.2 仿真研究
9.5 神经网络参数在线自适应补偿控制
9.5.1 电液伺服系统不确定参数神经网络在线补偿方法
9.5.2 仿真结果
9.6 本章小结
第十章 液压系统压力脉动神经网络自适应主动控制
10.1 引言
10.2 液压系统压力脉动主动控制原理
10.2.1 脉动波相消性干涉的原理和实现条件
10.2.2 液压系统压力脉动主动控制原理
10.3 自适应压力脉动主动控制系统模型
10.4 基于B样条神经网络的自适应压力脉动主动控制系统
10.5 液压系统压力脉动主动控制仿真研究
10.5.1 仿真系统设计
10.5.2 主通道模型为线性模型的仿真结果
10.5.3 主通道模型为非线性模型的仿真结果
10.6 试验研究
10.6.1 试验装置简介
10.6.2 试验结果及分析
10.7 本章小结
第十一章 大型智能电液伺服结构试验系统
11.1 工程背景
11.2 大型结构试验系统概述
11.3 电液伺服结构试验系统的研究现状与发展要求
11.4 大型智能电液伺服结构试验系统设计
11.4.1 神经网络智能伺服加载控制系统
11.4.2 数据采集与分析系统
11.4.3 电液执行机构
11.4.4 主要技术指标
11.5 实验研究
11.5.1 静力与协调加载试验
11.5.2 疲劳加载试验
11.6 应用实例
11.6.1 试验对象及要求
11.6.2 加载及测试系统设计
11.6.3 加载控制结果
11.7 本章小结
第十二章 结束语
12.1 一般性结论
12.2 未来的研究课题
参考文献
京公网安备 11010102004214号