当前位置:首页 > 工业技术
RBF神经网络自适应控制及MATLAB仿真
RBF神经网络自适应控制及MATLAB仿真

RBF神经网络自适应控制及MATLAB仿真PDF电子书下载

工业技术

  • 电子书积分:14 积分如何计算积分?
  • 作 者:刘金琨著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2018
  • ISBN:9787302517320
  • 页数:418 页
图书介绍:全书共分11章,包括RBF网络的设计及分析、基于梯度下降法的RBF网络控制、简单的RBF网络自适应控制、RBF网络滑模控制、基于RBF网络逼近的自适应控制、基于RBF网络的自适应反演控制、RBF网络数字控制、离散系统的RBF网络控制及自适应RBF网络观测器的设计。每种控制方法都通过MATLAB进行了仿真分析。
《RBF神经网络自适应控制及MATLAB仿真》目录

第1章 绪论 1

1.1 神经网络控制 1

1.1.1 神经网络控制的提出 1

1.1.2 神经网络控制概述 2

1.1.3 自适应RBF神经网络概述 2

1.2 RBF神经网络 2

1.3 机器人RBF神经网络控制 3

1.4 控制系统S函数设计 3

1.4.1 S函数介绍 3

1.4.2 S函数基本参数 4

1.4.3 实例 4

1.5 简单自适应控制系统设计实例 5

1.5.1 系统描述 5

1.5.2 自适应控制律设计 6

1.5.3 仿真实例 6

附录 仿真程序 8

参考文献 12

第2章 RBF神经网络设计与仿真 15

2.1 RBF神经网络算法及仿真 15

2.1.1 RBF神经网络算法设计 15

2.1.2 RBF神经网络设计实例及MATLAB仿真 15

2.2 基于梯度下降法的RBF神经网络逼近 18

2.2.1 RBF神经网络逼近 18

2.2.2 仿真实例 19

2.3 高斯基函数的参数对RBF网络逼近的影响 20

2.4 隐含层节点数对RBF网络逼近的影响 22

2.5 RBF神经网络的建模训练 25

2.5.1 RBF神经网络训练 25

2.5.2 仿真实例 26

2.6 RBF神经网络逼近 27

附录 仿真程序 28

参考文献 44

第3章 基于梯度下降法的RBF神经网络控制 45

3.1 基于RBF神经网络的监督控制 45

3.1.1 RBF监督控制 45

3.1.2 仿真实例 46

3.2 基于RBF神经网络的模型参考自适应控制 47

3.2.1 控制系统设计 47

3.2.2 仿真实例 48

3.3 RBF自校正控制 49

3.3.1 系统描述 49

3.3.2 RBF控制算法设计 49

3.3.3 仿真实例 50

附录 仿真程序 51

参考文献 56

第4章 自适应RBF神经网络控制 57

4.1 基于神经网络逼近的自适应控制 57

4.1.1 系统描述 57

4.1.2 自适应RBF控制器设计 57

4.1.3 仿真实例 60

4.2 基于神经网络逼近的未知参数自适应控制 62

4.2.1 系统描述 62

4.2.2 自适应控制设计 63

4.2.3 仿真实例 65

4.3 基于RBF神经网络的直接鲁棒自适应控制 67

4.3.1 系统描述 67

4.3.2 理想反馈控制和函数逼近 67

4.3.3 控制器设计及分析 68

4.3.4 仿真实例 70

4.4 基于RBF神经网络的单参数直接鲁棒自适应控制 73

4.4.1 系统描述 73

4.4.2 仿真实例 75

附录 仿真程序 78

参考文献 103

第5章 RBF神经网络滑模控制 104

5.1 经典滑模控制器设计 104

5.2 基于RBF神经网络的二阶SISO系统的滑模控制 106

5.2.1 系统描述 106

5.2.2 基于RBF网络逼近f(·)的滑模控制 106

5.2.3 仿真实例 107

5.3 基于RBF逼近未知函数f(·)和g(·)的滑模控制 109

5.3.1 引言 109

5.3.2 仿真实例 110

5.4 基于神经网络最小参数学习法的自适应滑模控制 112

5.4.1 问题描述 112

5.4.2 基于RBF网络逼近的自适应控制 112

5.4.3 仿真实例 114

附录 仿真程序 115

参考文献 126

第6章 基于模型整体逼近的自适应RBF控制 127

6.1 基于RBF神经网络补偿的机器人自适应控制 127

6.1.1 系统描述 127

6.1.2 RBF网络逼近 128

6.1.3 RBF网络控制和自适应律设计及分析 128

6.1.4 仿真实例 131

6.2 基于滑模鲁棒项的RBF神经网络机器人控制 135

6.2.1 系统描述 135

6.2.2 RBF逼近 136

6.2.3 控制律设计及稳定性分析 136

6.2.4 仿真实例 137

6.3 基于HJI理论和RBF神经网络的鲁棒控制 140

6.3.1 HJI定理 140

6.3.2 控制器设计及稳定性分析 140

6.3.3 仿真实例 142

附录 仿真程序 145

参考文献 174

第7章 基于局部逼近的自适应RBF控制 176

7.1 基于名义模型的机械臂鲁棒控制 176

7.1.1 系统描述 176

7.1.2 控制器设计 176

7.1.3 稳定性分析 177

7.1.4 仿真实例 178

7.2 基于局部模型逼近的自适应RBF机械手控制 179

7.2.1 问题描述 179

7.2.2 控制器设计 180

7.2.3 稳定性分析 181

7.2.4 仿真实例 182

7.3 工作空间机械手的神经网络自适应控制 186

7.3.1 关节角位置与工作空间直角坐标的转换 186

7.3.2 机械手的神经网络建模 186

7.3.3 控制器的设计 188

7.3.4 仿真实例 189

附录 仿真程序 192

参考文献 223

第8章 基于RBF网络的动态面自适应控制 224

8.1 简单动态面控制的设计与分析 224

8.1.1 系统描述 224

8.1.2 动态面控制器的设计 224

8.1.3 动态面控制器的分析 225

8.1.4 仿真实例 226

8.2 飞行器航迹角自适应神经网络动态面控制 228

8.2.1 系统描述 228

8.2.2 自适应神经网络动态面控制设计 229

8.2.3 稳定性分析 231

8.2.4 仿真实例 235

8.3 柔性关节机械手自适应RBF网络动态面鲁棒控制 238

8.3.1 问题描述 238

8.3.2 自适应RBF网络动态面控制器设计 239

8.3.3 闭环系统稳定性分析 241

8.3.4 仿真验证 244

附录 仿真程序 247

参考文献 272

第9章 数字RBF神经网络控制 274

9.1 自适应Runge-Kutta-Merson法 274

9.1.1 引言 274

9.1.2 仿真实例 275

9.2 SISO系统的数字自适应控制 275

9.2.1 引言 275

9.2.2 仿真实例 276

9.3 两关节机械手的数字自适应RBF控制 277

9.3.1 引言 277

9.3.2 仿真实例 277

附录 仿真程序 279

参考文献 286

第10章 离散神经网络控制 287

10.1 引言 287

10.2 一类离散非线性系统的直接RBF控制 287

10.2.1 系统描述 287

10.2.2 控制算法设计和稳定性分析 288

10.2.3 仿真实例 290

10.3 一类离散非线性系统的自适应RBF控制 294

10.3.1 系统描述 294

10.3.2 经典控制器设计 294

10.3.3 自适应神经网络控制器设计 294

10.3.4 稳定性分析 295

10.3.5 仿真实例 297

附录 仿真程序 301

参考文献 307

第11章 自适应RBF观测器设计及滑模控制 309

11.1 自适应RBF观测器设计 309

11.1.1 系统描述 309

11.1.2 自适应RBF观测器设计 309

11.1.3 仿真实例 311

11.2 基于RBF自适应观测器的滑模控制 315

11.2.1 滑模控制器设计 315

11.2.2 仿真实例 316

附录 仿真程序 318

参考文献 330

第12章 基于RBF神经网络的反演自适应控制 331

12.1 一种二阶非线性系统的反演控制 331

12.1.1 基本原理 331

12.1.2 仿真实例 332

12.2 一种三阶非线性系统的反演控制 333

12.2.1 系统描述 333

12.2.2 反演控制器设计 334

12.2.3 仿真实例 335

12.3 基于RBF网络的二阶非线性系统反演控制 337

12.3.1 基本原理 337

12.3.2 RBF网络原理 338

12.3.3 控制算法设计与分析 338

12.3.4 仿真实例 339

12.4 高阶非线性系统反演控制 340

12.4.1 系统描述 340

12.4.2 反演控制器的设计 340

12.5 基于RBF网络的高阶非线性系统自适应反演控制 342

12.5.1 系统描述 342

12.5.2 反演控制律设计 343

12.5.3 自适应律的设计 344

12.5.4 仿真实例 345

附录 仿真程序 347

参考文献 360

第13章 基于RBF神经网络的自适应容错控制 361

13.1 SISO系统执行器自适应容错控制 361

13.1.1 控制问题描述 361

13.1.2 控制律的设计与分析 361

13.1.3 仿真实例 362

13.2 基于RBF网络的自适应容错控制 363

13.2.1 控制问题描述 363

13.2.2 RBF神经网络设计 364

13.2.3 控制律的设计与分析 364

13.2.4 仿真实例 365

附录 仿真程序 366

参考文献 373

第14章 基于RBF神经网络的自适应量化控制 374

14.1 执行器自适应量化控制 374

14.1.1 系统描述 374

14.1.2 量化控制器设计与分析 374

14.1.3 仿真实例 376

14.2 基于RBF神经网络的执行器自适应量化控制 377

14.2.1 系统描述 377

14.2.2 RBF神经网络设计 378

14.2.3 量化控制器设计与分析 378

14.2.4 仿真实例 380

附录 仿真程序 382

参考文献 388

第15章 基于RBF神经网络的控制输出受限控制 389

15.1 输出受限引理 389

15.2 基于位置输出受限控制算法设计 390

15.2.1 系统描述 390

15.2.2 控制器的设计 391

15.2.3 仿真实例 392

15.3 基于RBF神经网络的输出受限控制 394

15.3.1 系统描述 394

15.3.2 RBF神经网络原理 394

15.3.3 控制器的设计 395

15.3.4 仿真实例 397

附录 仿真程序 398

参考文献 405

第16章 基于RBF神经网络的控制方向未知的状态跟踪 406

16.1 基本知识 406

16.2 控制方向未知的状态跟踪 406

16.2.1 系统描述 406

16.2.2 控制律的设计 407

16.2.3 仿真实例 407

16.3 基于RBF神经网络的控制方向未知的状态跟踪 408

16.3.1 系统描述 408

16.3.2 RBF神经网络设计 409

16.3.3 控制律的设计 409

16.3.4 仿真实例 410

附录 仿真程序 411

参考文献 418

相关图书
作者其它书籍
返回顶部