神经网络控制理论PDF电子书下载

目录 1

第一部分 非线性系统的模型描述 1

第一章　非线性系统建模的一般理论 1

1.1　泛函级数法 1

1.2　多值非线性 5

1.3　从框图出发的系统 6

1.4　结构检验 7

1.5　双线性系统 8

1.6　参数估计 8

1.7　基于神经网络的系统建模 9

1.8　正交级数描述方法 10

1.9　飞机大迎角建模方法 10

1.10　结论 11

第二章　正交级数描述方法及应用 12

2.1　正交级数描述及其性质 12

2.2　第二类正交多项式在线性系统最优控制中的应用 16

2.3　线性、双线性系统的辨识问题 18

2.4　线性时变与双线性系统的最优控制问题 22

3.1　神经元的基本模型 24

第三章　神经网络模型及其新结构 24

3.2　前向网络 26

3.3　反馈网络 28

3.4 自组织神经网络 32

3.5　随机神经网络 36

3.6　神经网络专家系统 39

3.7　控制系统中常用的几种神经网络 43

3.8　神经网络的逼近特性 44

3.9　改进正交多项式网络 46

4.1　神经网络极点配置法 51

第二部分 神经网络控制方法及应用 51

第四章　线性系统的神经网络控制 51

4.2　神经网络输出反馈方法 58

4.3　神经网络观测器实现方法 60

4.4　神经网络解耦控制 61

4.5　神经网络最优控制方法 63

第五章　线性系统神经网络自适应控制 68

5.1　神经网络自适应方法的结构 68

5.2　自校正控制方法 71

5.3　模型参考自适应控制 75

5.4　神经网络自校正控制 80

5.5　神经网络模型参考自适应控制 82

第六章　非线性系统的神经网络控制有关问题 85

6.1　神经网络反馈控制系统 85

6.2　神经网络模型参考控制 89

6.3　神经网络学习控制方法 90

7.1　SISO非线性系统的自适应控制 100

第七章　非线性系统神经网络自适应控制中的若干问题 100

7.2　MIMO非线性系统的神经网络模型参考自适应控制 105

7.3　递阶神经网络控制系统 109

7.4　神经网络自适应控制中存在的问题 111

第三部分 神经网络的学习问题 115

第八章　神经网络模型结构的确定方法 115

8.1　神经网络模型结构的确定 115

8.2　U-D分解的多项式类模型确定新方法 120

8.3　U-D分解的AIC模型辨识新判据及优选算法 127

9.1　递推模型和参数辨识方法 134

第九章　U-D分解的在线模型辨识方法 134

9.2　飞行器非线性气动特性辨识问题 136

第十章　静态神经网络学习算法 142

10.1 静态神经网络的学习算法回顾 142

10.2　神经网络学习的U-D分解优化新方法 150

10.3　大型网络学习问题 157

10.4　罚函数法 158

10.5　BFGS罚函数法的全局收敛性 161

11.1　动态神经网络 168

第十一章　动态神经网络学习方法 168

11.2　离线极大似然学习方法 170

11.3　在线极大似然学习方法 172

第十二章　神经网络控制在特定动力学系统中的应用 179

12.1　特定动力学系统分析 179

12.2　控制策略分析选择 183

12.3　神经网络的训练 183

12.4　鲁棒性分析 185

12.5　仿真结果分析 186

参考文献 191