第1章 绪论 1
1.1 引言 1
1.2 实例：造纸过程 2
1.3 本书的研究新目标 6
1.4 本书的结构 7
1.5 随机变量和随机过程 8
1.5.1 随机变量及其分布函数 8
1.5.2 均值和方差 9
1.5.3 随机向量 9
1.5.4 条件均值 10
1.6 随机过程 10
1.7 一些典型分布 11
1.7.1 高斯分布 11
1.7.2 均匀分布 12
1.7.3 Γ分布 13
1.8 结论 14
第2章 单输入／单输出随机系统的控制：基本控制律 15
2.1 引言 15
2.2 关于B样条人工神经网络的预备知识 15
2.3 模型表述 16
2.3.1 静态模型 18
2.3.2 动态模型 18
2.4 系统建模与参数估计 20
2.4.1 静态系统的建模 20
2.4.2 线性动态系统的建模 21
2.5 控制算法设计 23
2.5.1 静态系统的控制算法 23
2.5.2 线性动态系统的控制算法 25
2.5.3 动态系统的输入能量约束 26
2.6 讨论 26
2.6.1 自适应控制 26
2.6.2 时延系统的建模和控制 26
2.6.3 Vk的在线测量 27
2.6.4 可控性、能观性和稳定性 28
2.7 实例 29
2.7.1 静态系统建模 29
2.7.2 动态系统的设计例子 32
2.8 结论 34
第3章 多输入／多输出随机系统的控制：鲁棒性和稳定性 35
3.1 引言 35
3.2 模型表述 35
3.2.1 状态空间形式 37
3.2.2 输入-输出形式 38
3.3 基于V（k）的控制器 39
3.3.1 V（k）的测量 39
3.3.2 基于V（k）的反馈控制 40
3.3.3 稳定性问题 42
3.4 基于f（y,U（k））的控制器 43
3.4.1 控制算法推导 43
3.4.2 稳定性问题 45
3.5 实例 47
3.5.1 控制算法设计 47
3.5.2 仿真结果 49
3.6 结论和讨论 52
第4章 完美跟踪的实现 54
4.1 引言 54
4.2 准备工作和模型表述 54
4.3 主要结果 56
4.4 仿真实例 58
4.4.1 控制器设计 58
4.4.2 仿真结果 59
4.5 基LQR的算法 61
4.6 结论 62
第5章 随机分布的稳定自适应控制 63
5.1 引言 63
5.2 模型表述 63
5.3 在线估计及其收敛性 64
5.4 自适应控制算法设计 66
5.5 稳定性分析 68
5.6 仿真实例 70
5.7 结论 73
第6章 模型参考自适应控制 74
6.1 引言 74
6.2 模型表述 74
6.3 自适应控制器设计 75
6.3.1 参考模型的建立 76
6.3.2 误差动态的建立 76
6.4 K（t）与Q（t）的自适应调节律 78
6.5 鲁棒自适应控制策略 80
6.5.1 当ω（t）≠0时的控制策略 80
6.5.2 e0和ω都存在时的控制策略 84
6.6 仿真实例 87
6.7 结论与讨论 91
第7章 非线性随机系统控制 92
7.1 引言 92
7.2 模型表述 92
7.3 控制算法设计 93
7.4 稳定性问题 95
7.5 一种神经网络方法 96
7.5.1 神经网络的训练 96
7.5.2 一种线性化控制算法 98
7.6 实例 99
7.7 ∑的计算 102
7.8 结论 103
第8章 故障检测的应用 104
8.1 引言 104
8.2 模型表述 105
8.3 故障检测 106
8.3.1 静态系统的故障检测 106
8.3.2 动态系统 106
8.3.3 故障检测信号 107
8.4 自适应诊断观测器 109
8.5 讨论 111
8.6 基于FDD的识别方法 112
8.7 故障诊断 114
8.7.1 算法 114
8.7.2 适用性研究 115
8.7.3 仿真结果 115
8.8 讨论及结论 117
第9章 高级主题 119
9.1 引言 119
9.2 平方根模型 120
9.3 控制算法设计 123
9.3.1 由γ（y，u（k））得到权值 123
9.3.2 控制算法 124
9.4 仿真实例 127
9.5 连续时间模型 133
9.6 控制算法 134
9.7 均值和方差的控制 135
9.7.1 输出均值的控制 135
9.7.2 输出方差控制 136
9.8 奇异随机系统 137
9.8.1 模型表述 138
9.8.2 控制算法设计 138
9.9 伪ARMAX系统 138
9.10 滤波问题 140
9.11 结论 141
参考文献 143