1.1引言 1
1.2模糊控制与人工神经网络 1
第1章 绪论 1
1.3变结构控制理论 2
1.3.1滑模面设计 3
1.3.2滑模条件 4
1.3.3抖动问题 4
1.3.4离散变结构控制 5
1.3.5状态观测 6
1.3.6自适应变结构 7
1.3.7变结构控制的应用 8
1.4交流传动系统控制策略 8
1.5.1研究意义 9
1.5本书的研究意义及研究内容 9
1.5.2研究内容 10
参考文献 11
第2章 电流源变频调速的滑模变结构控制 17
2.1引言 17
2.2电流源变频调速的数学模型 17
2.3电流源变频调速的滑模变结构控制系统设计 21
2.4电流源控制系统数字仿真 24
2.5电流源变频调速滑模变结构控制系统的微机实现 29
2.6实验 33
2.7小结 38
参考文献 38
3.2三相感应电动机数学模型 40
3.1引言 40
第3章 基于模糊神经网络的滑模变结构控制 40
3.3基于模糊神经网络的滑模控制系统 43
3.3.1一般滑模控制器的设计 44
3.3.2模糊神经网络控制器的设计 45
3.3.3模糊神经网络的收敛性分析 48
3.3.4在三相交流异步电动机中的应用 51
3.4全参数调节的模糊神经网络滑模控制 52
3.4.1滑模变结构控制器的设计 52
3.4.2全参数调节的模糊神经网络滑模控制器的设计 53
3.4.3实验研究 56
3.4.4小结 57
3.5神经网络滑模鲁棒控制器的设计 57
3.5.1基于神经网络的滑模面设计 58
3.5.2控制器参数设计 60
3.5.3仿真实验研究 61
3.5.4在伺服系统中的应用 62
3.5.5小结 64
参考文献 64
第4章 神经网络自适应变结构控制 66
4.1引言 66
4.2一种非线性系统的滑模变结构综合设计方法和应用 67
4.2.1引言 67
4.2.2非线性系统的滑模变结构控制 68
4.2.3基于系统辨识的变结构控制系统 68
4.2.4仿真研究 72
4.2.5小结 72
4.3.2问题的描述 73
4.3.3神经网络自适应变结构控制器的设计 73
4.3.1引言 73
4.3神经网络自适应变结构控制的研究 73
4.3.4仿真研究 76
4.3.5小结 77
4.4基于神经网络的自学习滑模变结构控制 78
4.4.1引言 78
4.4.2系统的描述 78
4.4.3SMC的设计 79
4.4.4三层自适应神经网络结构 79
4.4.5学习算法 80
4.4.6小结 81
参考文献 82
5.1引言 83
第5章 基于观测器的变结构智能控制 83
5.2智能Luenberger观测器的研究 84
5.2.1系统的描述 84
5.2.2神经网络控制器的设计 85
5.2.3动态补偿神经网络NNM的学习算法 86
5.2.4参数调整神经网络NNC的学习算法 87
5.2.5应用举例 87
5.2.6小结 90
5.3智能变结构状态观测器的研究 91
5.3.1滑模观测器的设计 91
5.3.2智能变结构状态观测器的设计 92
5.3.3应用实例 95
5.3.4结论 96
参考文献 97
6.1.1现场总线的发展 99
6.1引言 99
第6章 应用实例 99
6.1.2本章研究的主要内容 101
6.2系统的集成与应用软件开发 101
6.2.1引言 101
6.2.2铅烧结工艺流程 102
6.2.3几种典型的现场总线 103
6.2.4现场总线的选择及集成方案 105
6.2.5系统软件的设计 106
6.2.6小结 107
6.3铅配料控制系统的设计 107
6.3.1引言 107
6.3.2系统的组成及工作原理 107
6.3.3核子秤称量控制器的设计 108
6.4.1引言 114
6.4.2系统的描述 114
6.4混合料湿度控制 114
6.3.4小结 114
6.4.3基于现场总线的湿度控制方案 115
6.4.4湿度控制器的设计 117
6.4.5小结 118
6.5烧结机点火炉温度控制 118
6.5.1引言 118
6.5.2系统工艺流程 119
6.5.3现场控制总线的实现 119
6.5.4模型跟踪控制的设计 122
6.5.5实验结果 124
6.5.6小结 126
参考文献 126
第7章 结论与展望 128