不確定動態系統智能評判學習與控制

前言

第一篇 連續時間系統

第1章 不確定系統智慧評判學習與控制概述 3
1.1 引言 3
1.2 自我調整評判控制設計 5
1.2.1 基本設計思路 5
1.2.2 神經網路實現與系統穩定性分析 7
1.2.3 改進評判網路學習準則 9
1.3 魯棒自我調整評判控制設計 10
1.3.1 基本魯棒鎮定設計 10
1.3.2 魯棒軌跡跟蹤問題 12
1.3.3 結合事件驅動機制的討論 14
1.4 自我調整H1控制設計 16
1.5 應用與前景 19
1.6 本章小結 20

第2章 基於學習的複雜非線性系統魯棒優化 21
2.1 引言 21
2.2 問題描述 22
2.3 自學習魯棒優化控制設計 23
2.3.1 控制問題轉化 24
2.3.2 神經網路實現 26
2.3.3 閉環系統穩定性分析 28
2.4 複雜關聯系統分散鎮定 31
2.5 模擬實驗 34
2.6 本章小結 39

第3章 事件驅動環境下的自我調整保成本控制 40
3.1 引言 40
3.2 問題描述 41
3.3 事件驅動保成本控制設計 44
3.3.1 事件驅動機制描述 44
3.3.2 智慧評判控制的神經網路實現 47
3.3.3 閉環系統穩定性分析 49
3.3.4 Zeno行為消除 52
3.4 模擬實驗 53
3.5 本章小結 61

第4章 連續時間非線性魯棒控制與跟蹤綜合 62
4.1 引言 62
4.2 問題描述 63
4.3 自學習魯棒控制綜合 64
4.3.1 魯棒鎮定設計基礎 64
4.3.2 神經網路實現 65
4.4 自學習魯棒跟蹤控制 66
4.4.1 跟蹤設計基礎 66
4.4.2 神經網路實現 68
4.5 模擬實驗 70
4.6 本章小結 77

第5章 採用策略學習的先進控制器設計方法 79
5.1 引言 79
5.2 問題描述 80
5.3 策略學習優化控制設計 81
5.3.1 預補償系統轉化 81
5.3.2 積分強化學習演算法提出 83
5.3.3 神經網路實現 85
5.4 模擬實驗 87
5.5 本章小結 94

第二篇 離散時間系統

第6章 未知非線性系統自學習優化控制設計 97
6.1 引言 97
6.2 問題描述 99
6.3 反覆運算GDHP控制設計 101
6.3.1 非線性系統辨識 101
6.3.2 反覆運算ADP演算法提出 104
6.3.3 收斂性分析 105
6.3.4 設計步驟 110
6.3.5 基於GDHP技術的實現方案 111
6.4 反覆運算SN-DHP控制設計 114
6.4.1 改進的辨識方法 114
6.4.2 改進的反覆運算ADP演算法 117
6.4.3 基於SN-DHP技術的實現方案 118
6.5 模擬實驗 121
6.5.1 反覆運算GDHP方法驗證 121
6.5.2 反覆運算SN-DHP方法驗證 126
6.6 本章小結 130

第7章 反覆運算神經動態規劃近似最優回饋調節 131
7.1 引言 131
7.2 問題描述 132
7.3 反覆運算NDP控制設計 133
7.3.1 反覆運算演算法及其收斂性分析 133
7.3.2 基於NDP技術的實現方案 135
7.3.3 具體的演算法設計步驟 139
7.4 模擬實驗 140
7.5 本章小結 145

第8章 具有外部干擾的非線性系統軌跡跟蹤 147
8.1 引言 147
8.2 問題描述 148
8.3 無模型H1跟蹤控制設計 150
8.3.1 非線性系統辨識 150
8.3.2 反覆運算演算法提出 153
8.3.3 收斂性分析 156
8.3.4 基於DHP技術的實現方案 159
8.4 模擬實驗 161
8.5 本章小結 167

第9章 混合驅動機制下的智慧優化控制策略 169
9.1 引言 169
9.2 問題描述 169
9.3 混合驅動優化控制設計 171
9.3.1 穩定性分析 171
9.3.2 混合驅動實現方案 175
9.4 模擬實驗 178
9.5 本章小結 184

第10章 離散時間系統智慧評判魯棒鎮定初探 185
10.1 引言 185
10.2 問題描述 185
10.3 自學習魯棒控制設計 187
10.3.1 離散時間GHJB方程 187
10.3.2 逐次逼近方法 189
10.3.3 神經網路實現 192
10.3.4 魯棒控制器設計 194
10.4 模擬實驗 196
10.5 本章小結 202

參考文獻 203
基本符號 218