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 5
1.3自适应控制的应用现状 5
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 8
1.4自适应控制存在的问题及发展方向 8
第2章 系统辨识 11
2.1系统辨识概述 11
2.1.1数学模型及建模方法 11
2.1.2系统辨识的定义及其分类 12
2.1.3参数模型 13
2.1.4系统辨识的基本原理 14
2.1.5系统辨识的步骤 15
2.2白噪声、M序列与噪信比 17
2.2.1白噪声与有色噪声 17
2.2.2 M序列与逆M序列 20
2.2.3噪信比 22
2.3最小二乘参数估计法 28
2.3.1批处理最小二乘法 29
2.3.2递推最小二乘法 33
2.3.3遗忘因子递推最小二乘法 37
2.3.4递推增广最小二乘法 41
2.4梯度校正参数估计法 45
2.4.1确定性系统的梯度校正参数估计法 45
2.4.2随机牛顿法 48
2.5极大似然参数估计法 52
2.6多变量系统参数估计 55
第3章 模型参考自适应控制 63
3.1连续系统数值积分基础知识 63
3.1.1欧拉法 63
3.1.2龙格-库塔法 64
3.2基于梯度法的模型参考自适应控制 67
3.2.1 MIT自适应律 67
3.2.2 MIT归一化算法 71
3.3基于Lyapunov稳定性理论的模型参考自适应控制 75
3.3.1 Lyapunov稳定性理论与正实传递函数 75
3.3.2可调增益Lyapunov-MRAC 80
3.3.3系统状态变量可测时的MRAC 84
3.3.4 Narendra稳定自适应控制器 89
3.4离散时间模型参考自适应系统 96
3.4.1二阶系统的离散时间MRAS 97
3.4.2 n阶系统的离散时间MRAS 101
第4章 自校正控制 109
4.1 Diophantine方程的求解 109
4.1.1单步Diophantine方程的求解 109
4.1.2多步Diophantine方程的求解 113
4.2最小方差自校正控制 117
4.2.1单步输出预测 117
4.2.2最小方差控制 119
4.2.3最小方差间接自校正控制 124
4.2.4最小方差直接自校正控制 127
4.3广义最小方差自校正控制 132
4.3.1广义最小方差控制 132
4.3.2广义最小方差间接自校正控制 139
4.3.3广义最小方差直接自校正控制 143
4.4广义预测控制 147
4.4.1预测控制的提出 147
4.4.2预测控制的基本机理 149
4.4.3广义预测控制 151
4.5改进的广义预测控制 172
4.5.1基于CARIMA模型的JGPC 173
4.5.2基于CARMA模型的JGPC 180
第5章 基于常规控制策略的自校正控制 188
5.1极点配置自校正控制 188
5.1.1极点配置控制 188
5.1.2极点配置间接自校正控制 197
5.1.3极点配置直接自校正控制 203
5.2自校正PID控制 209
5.2.1常规PID控制 209
5.2.2自校正PID控制 211
第6章 非线性系统辨识与控制 218
6.1基于BP神经网络的系统辨识 218
6.1.1 BP神经网络 218
6.1.2基于局部误差的BP神经网络辨识 219
6.1.3基于全局误差的BP神经网络辨识 227
6.2基于RBF神经网络的系统辨识与控制 235
6.2.1 RBF神经网络 235
6.2.2基于R BF神经网络的系统辨识 236
6.2.3基于RBF神经网络的PID自校正控制 241
6.3模糊控制 249
6.3.1模糊集合论 249
6.3.2模糊控制器设计 249
6.3.3模糊控制M文件仿真 252
6.3.4模糊控制Simulink仿真 262
参考文献 267