第一篇 理论与方法 1
第一章 绪论 1
1．1 控制理论的发展与面临的挑战 1
1．2 神经网络技术的发展与现状 3
1．3 神经网络与系统建模和控制 5
1．3．1 神经网络建模 6
1．3．2 神经网络控制 8
1．3．3 当前神经网络控制的研究课题 12
1．3．4 神经网络与模糊控制的结合 13
1．4 电液伺服控制技术的发展与现状 14
1．5 本书的内容及章节安排 16
第二章 神经网络控制技术基础 18
2．1 控制用神经元模型 18
2．2 神经网络模型及其学习算法 20
2．2．1 MFNN模型与BP算法 20
2．2．2 DRNN模型与动态BP算法 22
2．2．3 复合输入DRNN模型及其训练 24
2．2．4 CMAC网络模型 25
2．2．5 B样条神经网络模型 27
2．3 神经网络的逼近能力分析 29
2．4 神经网络的训练与BP算法存在的缺陷 31
2．4．1 神经网络的训练 31
2．4．2 BP算法存在的缺陷 33
2．5 增广LPIDBP学习算法 34
2．5．1 LPIDBP学习算法的推导 34
2．5．2 仿真研究 37
2．6 全局寻优自适应快速BP学习算法 39
2．6．1 GCAQBP学习算法的推导 39
2．6．2 GCAQBP学习算法性能分析 41
2．7 本章小结 42
第三章 非线性系统的神经网络辨识 44
3．1 系统辨识的基本概念 44
3．2 非线性系统神经网络辨识的可行性 45
3．2．1 非线性系统辨识模型 45
3．2．2 非线性系统辨识模型的神经网络实现 45
3．3 非线性系统的神经网络辨识方法 48
3．3．1 概述 48
3．3．2 非线性静态系统的神经网络辨识 50
3．3．3 非线性动态系统的神经网络辨识 54
3．4．1 辨识结构及方法 58
3．4 神经网络在线自适应跟踪辨识 58
3．4．2 电液伺服系统仿真研究 60
3．5 本章小结 62
第四章 神经网络并行自学习鲁棒自适应跟踪控制 63
4．1 引言 63
4．3 神经网络并行自学习鲁棒自适应跟踪控制器设计 64
4．3．1 控制器结构及工作原理 64
4．2 跟踪控制问题描述 64
4．3．2 自适应神经网络模型(ANNM)及其训练 66
4．3．3 神经网络控制器(NNC)及其训练 68
4．3．4 运行监控器 70
4．3．5 鲁棒控制器(RC) 70
4．3．6 NNPSLRATC的算法实现及其特点 71
4．4 神经网络并行自学习鲁棒自适应控制系统的稳定性 73
4．4．1 并行自学习系统的反馈稳定性 73
4．4．2 鲁棒自适应跟踪系统的稳定性 74
4．5．1 控制对象 76
4．5 仿真研究 76
4．5．2 仿真结果 77
4．6 实验研究 79
4．6．1 控制对象 79
4．6．2 控制结果 81
4．7 本章小结 82
第五章 模型参考神经网络直接自适应控制 83
5．1 引言 83
5．2．1 控制器结构及控制算法 85
5．2 广义PID神经网络直接自适应控制器设计 85
5．2．2 仿真研究 88
5．3 模型参考混合神经网络直接自适应控制器设计 92
5．3．1 控制器结构及控制算法 92
5．3．2 仿真研究 95
5．4 本章小结 96
第六章 神经网络在线自学习模糊自适应控制 98
6．1 引言 98
6．2 神经网络在线自学习模糊自适应控制器设计 99
6．2．1 控制器结构及工作原理 99
6．2．2 神经网络控制器(NNC)及其训练 99
6．3 神经网络控制系统的能控性和稳定性分析 103
6．4 实验研究 105
6．4．1 控制对象及控制系统设计 105
6．4．2 实验结果 106
6．5 本章小结 107
第七章 基于神经网络辨识模型的在线迭代学习控制 109
7．1 引言 109
7．2 基于神经网络辨识的模型参考递推控制原理 110
7．3．1 迭代学习控制原理 113
7．3 神经网络在线迭代学习控制算法 113
7．3．2 神经网络在线迭代学习控制算法及收敛性分析 114
7．4 仿真研究 116
7．5 本章小结 121
第二篇 应用与实现 122
第八章 电液伺服板簧试验系统的神经网络自适应控制 122
8．1 引言 122
8．2 电液伺服板簧试验系统的数学描述 123
8．3 基于范数空间的稳定性分析 125
8．3．1 基本理论 126
8．3．2 位置闭环系统稳定性分析 128
8．3．3 力闭环系统稳定性分析 131
8．4 电液伺服板簧试验系统特性研究 133
8．4．1 静态特性试验 133
8．4．2 位置控制特性试验 134
8．4．3 力控制特性试验 136
8．5 神经网络自适应控制试验研究 137
8．5．1 位置伺服系统的神经网络控制 137
8．5．2 力伺服系统的神经网络控制 140
8．6 本章小结 143
第九章 不对称缸电液伺服系统神经网络补偿非线性控制 144
9．1 引言 144
9．2 基本理论 145
9．3 非线性系统反馈线性化设计 147
9．3．1 一般方法 147
9．3．2 非线性系统反馈线性化控制 149
9．4 不对称缸电液伺服系统反馈线性化跟踪控制 150
9．4．1 系统分析与设计 150
9．4．2 仿真研究 152
9．5．1 电液伺服系统不确定参数神经网络在线补偿方法 156
9．5 神经网络参数在线自适应补偿控制 156
9．5．2 仿真结果 158
9．6 本章小结 159
第十章 液压系统压力脉动神经网络自适应主动控制 160
10．1 引言 160
10．2 液压系统压力脉动主动控制原理 161
10．2．1 脉动波相消性干涉的原理和实现条件 161
10．2．2 液压系统压力脉动主动控制原理 162
10．3 自适应压力脉动主动控制系统模型 164
10．4 基于B样条神经网络的自适应压力脉动主动控制系统 166
10．5 液压系统压力脉动主动控制仿真研究 168
10．5．1 仿真系统设计 168
10．5．2 主通道模型为线性模型的仿真结果 169
10．5．3 主通道模型为非线性模型的仿真结果 170
10．6 试验研究 172
10．6．1 试验装置简介 172
10．6．2 试验结果及分析 173
10．7 本章小结 175
11．1 工程背景 176
第十一章 大型智能电液伺服结构试验系统 176
11．2 大型结构试验系统概述 177
11．3 电液伺服结构试验系统的研究现状与发展要求 179
11．4 大型智能电液伺服结构试验系统设计 180
11．4．1 神经网络智能伺服加载控制系统 180
11．4．2 数据采集与分析系统 184
11．4．3 电液执行机构 187
11．5 实验研究 189
11．5．1 静力与协调加载试验 189
11．4．4 主要技术指标 189
11．5．2 疲劳加载试验 191
11．6 应用实例 194
11．6．1 试验对象及要求 194
11．6．2 加载及测试系统设计 195
11．6．3 加载控制结果 197
11．7 本章小结 199
第十二章 结束语 200
12．1 一般性结论 200
12．2 未来的研究课题 202
参考文献 205