当前位置:首页 > 工业技术
系统辨识与自适应控制MATLAB仿真  第3版
系统辨识与自适应控制MATLAB仿真  第3版

系统辨识与自适应控制MATLAB仿真 第3版PDF电子书下载

工业技术

  • 电子书积分:11 积分如何计算积分?
  • 作 者:庞中华,崔红著
  • 出 版 社:北京:北京航空航天大学出版社
  • 出版年份:2017
  • ISBN:9787512424753
  • 页数:295 页
图书介绍:本书主要内容为:绪论、系统辨识、模型参考自适应控制、自校正控制(包括广义预测控制)、基于常规控制策略的自校正控制和非线性系统辨识与控制(包括神经网络和模糊控制)、非线性系统无模型自适应控制。书中每种算法都配有仿真实例、仿真程序、仿真结果以及对仿真结果的简要分析,以便于读者深入理解和运用基本理论和算法。本书可作为自动化相关专业本科高年级学生和硕士研究生的教学用书,也可供从事自动控制理论研究及技术开发人员阅读参考。
《系统辨识与自适应控制MATLAB仿真 第3版》目录

第1章 绪论 1

1.1 自适应控制问题的提出 1

1.2 自适应控制的种类 2

1.2.1 模型参考自适应控制系统 2

1.2.2 自校正控制系统 3

1.2.3 智能自适应控制系统 4

1.2.4 其他形式的自适应控制系统 4

1.3 自适应控制的应用现状 4

1.3.1 在工业领域中的典型应用 5

1.3.2 在非工业领域中的应用 7

1.4 自适应控制存在的问题及发展方向 7

第2章 系统辨识 10

2.1 系统辨识概述 10

2.1.1 数学模型及建模方法 10

2.1.2 系统辨识的定义及其分类 11

2.1.3 参数模型 11

2.1.4 系统辨识的基本原理 13

2.1.5 系统辨识的步骤 14

2.2 白噪声、M序列与噪信比 15

2.2.1 白噪声与有色噪声 15

2.2.2 M序列与逆M序列 18

2.2.3 噪信比 20

2.3 最小二乘参数估计法 25

2.3.1 批处理最小二乘法 25

2.3.2 递推最小二乘法 29

2.3.3 遗忘因子递推最小二乘法 33

2.3.4 递推增广最小二乘法 37

2.4 梯度校正参数估计法 40

2.4.1 确定性系统的梯度校正参数估计法 40

2.4.2 随机牛顿法 43

2.5 极大似然参数估计法 45

2.6 多变量系统参数估计 49

第3章 模型参考自适应控制 55

3.1 连续系统数值积分基础知识 55

3.1.1 欧拉法 55

3.1.2 龙格-库塔法 56

3.2 基于梯度法的模型参考自适应控制 58

3.2.1 MIT自适应律 58

3.2.2 MIT归一化算法 62

3.3 基于Lyapunov稳定性理论的模型参考自适应控制 65

3.3.1 Lyapunov稳定性理论与正实传递函数 65

3.3.2 可调增益Lyapunov-MRAC 70

3.3.3 系统状态变量可测时的MRAC 73

3.3.4 Narendra稳定自适应控制器 77

3.4 离散时间模型参考自适应系统 84

3.4.1 二阶系统的离散时间MRAS 85

3.4.2 n阶系统的离散时间MRAS 88

第4章 自校正控制 95

4.1 Diophantine方程的求解 95

4.1.1 单步Diophantine方程的求解 95

4.1.2 多步Diophantine方程的求解 98

4.2 最小方差自校正控制 102

4.2.1 单步输出预测 102

4.2.2 最小方差控制 103

4.2.3 最小方差间接自校正控制 108

4.2.4 最小方差直接自校正控制 111

4.3 广义最小方差自校正控制 115

4.3.1 广义最小方差控制 115

4.3.2 广义最小方差间接自校正控制 121

4.3.3 广义最小方差直接自校正控制 124

4.4 广义预测控制 128

4.4.1 预测控制的提出 128

4.4.2 预测控制的基本机理 129

4.4.3 广义预测控制 132

4.5 改进的广义预测控制 150

4.5.1 基于CARIMA模型的JGPC 150

4.5.2 基于CARMA模型的JGPC 157

第5章 基于常规控制策略的自校正控制 163

5.1 极点配置自校正控制 163

5.1.1 极点配置控制 163

5.1.2 极点配置间接自校正控制 171

5.1.3 极点配置直接自校正控制 176

5.2 自校正PID控制 181

5.2.1 常规PID控制 181

5.2.2 自校正PID控制 183

第6章 神经网络辨识与控制 189

6.1 基于BP神经网络的系统辨识 189

6.1.1 BP神经网络 189

6.1.2 基于局部误差的BP神经网络辨识 189

6.1.3 基于全局误差的BP神经网络辨识 197

6.2 基于RBF神经网络的系统辨识与控制 204

6.2.1 RBF神经网络 204

6.2.2 基于RBF神经网络的系统辨识 204

6.2.3 基于RBF神经网络的PID自校正控制 209

第7章 模糊控制与模糊神经网络辨识 217

7.1 引言 217

7.2 模糊逻辑控制 217

7.2.1 模糊控制系统的设计 217

7.2.2 模糊控制M文件仿真 219

7.2.3 模糊控制Simulink仿真 228

7.3 模糊神经网络辨识 232

7.3.1 模糊系统和神经网络的比较 232

7.3.2 模糊神经网络 233

7.3.3 关系度聚类方法 234

7.3.4 补偿模糊神经网络 238

7.3.5 基于聚类的补偿模糊神经网络辨识 249

第8章 无模型自适应控制 257

8.1 动态线性化技术 257

8.1.1 紧格式动态线性化方法(CFDL) 257

8.1.2 偏格式动态线性化方法(PFDL) 258

8.1.3 全格式动态线性化方法(FFDL) 258

8.2 SISO无模型自适应控制 258

8.2.1 基于CFDL的无模型自适应控制 258

8.2.2 基于PFDL的无模型自适应控制 262

8.2.3 基于FFDL的无模型自适应控制 268

8.3 MIMO无模型自适应控制 272

8.3.1 基于CFDL的MIMO无模型自适应控制 272

8.3.2 基于PFDL的MIMO无模型自适应控制 278

8.3.3 基于FFDL的MIMO无模型自适应控制 286

参考文献 294

返回顶部