RBF神经网络自适应控制MATLAB仿真PDF电子书下载

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网络算法设计 15

2.1.2 RBF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 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

附录 仿真程序 73

参考文献 92

第5章 神经网络滑模控制 93

5.1 经典滑模控制器设计 93

5.2 基于RBF神经网络的二阶SISO系统的滑模控制 95

5.2.1 系统描述 95

5.2.2 基于RBF网络逼近f（·）的滑模控制 95

5.2.3 仿真实例 96

5.3 基于RBF逼近未知函数f（·）和 g（·）的滑模控制 97

5.3.1 引言 97

5.3.2 仿真实例 99

5.4 基于神经网络最小参数学习法的自适应滑模控制 100

5.4.1 问题描述 101

5.4.2 基于RBF网络逼近的自适应控制 101

5.4.3 仿真实例 102

附录 仿真程序 103

参考文献 114

第6章 基于模型整体逼近的自适应RBF控制 116

6.1 基于RBF神经网络补偿的机器人自适应控制 116

6.1.1 系统描述 116

6.1.2 RBF网络逼近 117

6.1.3 RBF网络控制和自适应律设计及分析 117

6.1.4 仿真实例 120

6.2 基于滑模鲁棒项的RBF神经网络机器人控制 124

6.2.1 系统描述 124

6.2.2 RBF逼近 125

6.2.3 控制律设计及稳定性分析 125

6.2.4 仿真实例 126

6.3 基于HJI理论和RBF神经网络的鲁棒控制 129

6.3.1 HJI定理 129

6.3.2 控制器设计及稳定性分析 129

6.3.3 仿真实例 131

附录 仿真程序 134

参考文献 163

第7章 基于局部逼近的自适应RBF控制 165

7.1 基于名义模型的机械臂鲁棒控制 165

7.1.1 系统描述 165

7.1.2 控制器设计 165

7.1.3 稳定性分析 166

7.1.4 仿真实例 167

7.2 基于局部模型逼近的自适应RBF机械手控制 168

7.2.1 问题描述 168

7.2.2 控制器设计 169

7.2.3 稳定性分析 170

7.2.4 仿真实例 172

7.3 工作空间机械手的神经网络自适应控制 175

7.3.1 关节角位置与工作空间直角坐标的转换 176

7.3.2 机械手的神经网络建模 176

7.3.3 控制器的设计 177

7.3.4 仿真实例 180

附录 仿真程序 183

参考文献 213

第8章 基于RBF网络的动态面自适应控制 214

8.1 简单动态面控制的设计与分析 214

8.1.1 系统描述 214

8.1.2 动态面控制器的设计 214

8.1.3 动态面控制器的分析 215

8.1.4 仿真实例 216

8.2 飞行器航迹角自适应神经网络动态面控制 218

8.2.1 系统描述 218

8.2.2 自适应神经网络动态面控制设计 219

8.2.3 稳定性分析 221

8.2.4 仿真实例 225

8.3 柔性关节机械手自适应RBF网络动态面鲁棒控制 228

8.3.1 问题描述 228

8.3.2 自适应RBF网络动态面控制器设计 229

8.3.3 闭环系统稳定性分析 231

8.3.4 仿真验证 234

附录 仿真程序 237

参考文献 262

第9章 数字RBF神经网络控制 264

9.1 自适应Runge-Kutta-Merson法 264

9.1.1 引言 264

9.1.2 仿真实例 265

9.2 SISO系统的数字自适应控制 265

9.2.1 引言 265

9.2.2 仿真实例 266

9.3 两关节机械手的数字自适应RBF控制 267

9.3.1 引言 267

9.3.2 仿真实例 267

附录 仿真程序 269

参考文献 276

第10章 离散神经网络控制 277

10.1 引言 277

10.2 一类离散非线性系统的直接RBF控制 277

10.2.1 系统描述 277

10.2.2 控制算法设计和稳定性分析 278

10.2.3 仿真实例 280

10.3 一类离散非线性系统的自适应RBF控制 284

10.3.1 系统描述 284

10.3.2 经典控制器设计 284

10.3.3 自适应神经网络控制器设计 284

10.3.4 稳定性分析 285

10.3.5 仿真实例 287

附录 仿真程序 291

参考文献 297

第11章 自适应RBF观测器设计及滑模控制 299

11.1 自适应RBF观测器设计 299

11.1.1 系统描述 299

11.1.2 自适应RBF观测器设计 299

11.1.3 仿真实例 301

11.2 基于RBF自适应观测器的滑模控制 305

11.2.1 滑模控制器设计 305

11.2.2 仿真实例 306

附录 仿真程序 308

参考文献 320