RBF神經網路自適應控制及MATLAB模擬（第2版）

第1章緒論

1．1神經網路控制

1．1．1神經網路控制的提出

1.1.2神經網路控制概述

1.1.3自我調整RBF神經網路概述

1．2RBF神經網路

1．3機器人RBF神經網路控制

1．4控制系統S函數設計

1．4．1S函數介紹

1．4．2S函數基本參數

1．4．3實例

1．5簡單自我調整控制系統設計實例

1．5．1系統描述

1．5．2自我調整控制律設計

1．5．3模擬實例

附錄模擬程式

參考文獻

第2章RBF神經網路設計與模擬

2．1RBF神經網路演算法及模擬

2．1．1RBF神經網路演算法設計

2．1．2RBF神經網路設計實例及MATLAB模擬

2．2基於梯度下降法的RBF神經網路逼近

2．2．1RBF神經網路逼近

2．2．2模擬實例

2．3高斯基函數的參數對RBF網路逼近的影響

2．4隱含層節點數對RBF網路逼近的影響

2．5RBF神經網路的建模訓練

2．5．1RBF神經網路訓練

2．5．2模擬實例

2．6RBF神經網路逼近

附錄模擬程式

參考文獻

第3章基於梯度下降法的RBF神經網路控制

3．1基於RBF神經網路的監督控制

3．1．1RBF監督控制

3．1．2模擬實例

3．2基於RBF神經網路的模型參考自我調整控制

3．2．1控制系統設計

3．2．2模擬實例

3．3RBF自校正控制

3．3．1系統描述

3．3．2RBF控制演算法設計

3．3．3模擬實例

附錄模擬程式

參考文獻

第4章自我調整RBF神經網路控制

4．1基於神經網路逼近的自我調整控制

4．1．1系統描述

4．1．2自我調整RBF控制器設計

4．1．3模擬實例

4．2基於神經網路逼近的未知參數自我調整控制

4．2．1系統描述

4．2．2自我調整控制設計

4．2．3模擬實例

4．3基於RBF神經網路的直接魯棒自我調整控制

4．3．1系統描述

4．3．2理想回饋控制和函數逼近

4．3．3控制器設計及分析

4．3．4模擬實例

4.4基於RBF神經網路的單參數直接魯棒自我調整控制

4.4.1系統描述

4.4.2模擬實例

附錄模擬程式

參考文獻

第5章RBF神經網路滑模控制

5．1經典滑模控制器設計

5．2基於RBF神經網路的二階SISO系統的滑模控制

5．2．1系統描述

5．2．2基於RBF網路逼近f(·)的滑模控制

5．2．3模擬實例

5．3基於RBF逼近未知函數f(·)和g(·)的滑模控制

5．3．1引言

5．3．2模擬實例

5．4基於神經網路最小參數學習法的自我調整滑模控制

5．4．1問題描述

5．4．2基於RBF網路逼近的自我調整控制

5．4．3模擬實例

附錄模擬程式

參考文獻

第6章基於模型整體逼近的自我調整RBF控制

6．1基於RBF神經網路補償的機器人自我調整控制

6．1．1系統描述

6．1．2RBF網路逼近

6．1．3RBF網路控制和自我調整律設計及分析

6．1．4模擬實例

6．2基於滑模魯棒項的RBF神經網路機器人控制

6．2．1系統描述

6．2．2RBF逼近

6．2．3控制律設計及穩定性分析

6．2．4模擬實例

6．3基於HJI理論和RBF神經網路的魯棒控制

6．3．1HJI定理

6．3．2控制器設計及穩定性分析

6．3．3模擬實例

附錄模擬程式

參考文獻

第7章基於局部逼近的自我調整RBF控制

7.1基於名義模型的機械臂魯棒控制

7.1.1系統描述

7.1.2控制器設計

7.1.3穩定性分析

7.1.4模擬實例

7.2基於局部模型逼近的自我調整RBF機械手控制

7.2.1問題描述

7.2.2控制器設計

7.2.3穩定性分析

7.2.4模擬實例

7.3工作空間機械手的神經網路自我調整控制

7.3.1關節角位置與工作空間直角坐標的轉換

7.3.2機械手的神經網路建模

7.3.3控制器的設計

7.3.4模擬實例

附錄模擬程式

參考文獻

第8章基於RBF網路的動態面自我調整控制

8.1簡單動態面控制的設計與分析

8.1.1系統描述

8.1.2動態面控制器的設計

8.1.3動態面控制器的分析

8.1.4模擬實例

8.2飛行器航跡角自我調整神經網路動態面控制

8.2.1系統描述

8.2.2自我調整神經網路動態面控制設計

8.2.3穩定性分析

8.2.4模擬實例

8.3柔性關節機械手自我調整RBF網路動態面魯棒控制

8.3.1問題描述

8.3.2自我調整RBF網路動態面控制器設計

8.3.3閉環系統穩定性分析

8.3.4模擬驗證

附錄模擬程式

參考文獻

第9章數位RBF神經網路控制

9.1自我調整RungeKuttaMerson法

9.1.1引言

9.1.2模擬實例

9.2SISO系統的數位自我調整控制

9.2.1引言

9.2.2模擬實例

9.3兩關節機械手的數位自我調整RBF控制

9.3.1引言

9.3.2模擬實例

附錄模擬程式

參考文獻

第10章離散神經網路控制

10.1引言

10.2一類離散非線性系統的直接RBF控制

10.2.1系統描述

10.2.2控制演算法設計和穩定性分析

10.2.3模擬實例

10.3一類離散非線性系統的自我調整RBF控制

10.3.1系統描述

10.3.2經典控制器設計

10.3.3自我調整神經網路控制器設計

10.3.4穩定性分析

10.3.5模擬實例

附錄模擬程式

參考文獻

第11章自我調整RBF觀測器設計及滑模控制

11.1自我調整RBF觀測器設計

11.1.1系統描述

11.1.2自我調整RBF觀測器設計

11.1.3模擬實例

11.2基於RBF自我調整觀測器的滑模控制

11.2.1滑模控制器設計

11.2.2模擬實例

附錄模擬程式

參考文獻

第12章基於RBF神經網路的反演自我調整控制

12．1一種二階非線性系統的反演控制

12．1．1基本原理

12．1．2模擬實例

12．2一種三階非線性系統的反演控制

12．2．1系統描述

12．2．2反演控制器設計

12．2．3模擬實例

12．3基於RBF網路的二階非線性系統反演控制

12．3．1基本原理

12．3．2RBF網路原理

12．3．3控制演算法設計與分析

12．3．4模擬實例

12．4高階非線性系統反演控制

12．4．1系統描述

12．4．2反演控制器的設計

12．5基於RBF網路的高階非線性系統自我調整反演控制

12．5．1系統描述

12．5．2反演控制律設計

12．5．3自我調整律的設計

12．5．4模擬實例

附錄模擬程式

參考文獻

第13章基於RBF神經網路的自我調整容錯控制

13．1SISO系統執行器自我調整容錯控制

13．1．1控制問題描述

13．1．2控制律的設計與分析

13．1．3模擬實例

13．2基於RBF網路的自我調整容錯控制

13．2．1控制問題描述

13．2．2RBF神經網路設計

13．2．3控制律的設計與分析

13．2．4模擬實例

附錄模擬程式

參考文獻

第14章基於RBF神經網路的自我調整量化控制

14．1執行器自我調整量化控制

14．1．1系統描述

14．1．2量化控制器設計與分析

14．1．3模擬實例

14．2基於RBF神經網路的執行器自我調整量化控制

14．2．1系統描述

14．2．2RBF神經網路設計

14．2．3量化控制器設計與分析

14．2．4模擬實例

附錄模擬程式

參考文獻

第15章基於RBF神經網路的控制輸出受限控制

15．1輸出受限引理

15．2基於位置輸出受限控制演算法設計

15．2．1系統描述

15．2．2控制器的設計

15．2．3模擬實例

15．3基於RBF神經網路的輸出受限控制

15．3．1系統描述

15．3．2RBF神經網路原理

15．3．3控制器的設計

15．3．4模擬實例

附錄模擬程式

參考文獻

第16章基於RBF神經網路的控制方向未知的狀態跟蹤

16．1基本知識

16．2控制方向未知的狀態跟蹤

16．2．1系統描述

16．2．2控制律的設計

16．2．3模擬實例

16．3基於RBF神經網路的控制方向未知的狀態跟蹤

16．3．1系統描述

16．3．2RBF神經網路設計

16．3．3控制律的設計

16．3．4模擬實例

附錄模擬程式

參考文獻