×
RBF神经网络自适应控制及MATLAB仿真(第2版)

RBF神经网络自适应控制及MATLAB仿真(第2版)

1星价 ¥64.4 (6.5折)
2星价¥64.4 定价¥99.0
图文详情
  • ISBN:9787302517320
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:418
  • 出版时间:2014-01-01
  • 条形码:9787302517320 ; 978-7-302-51732-0

本书特色

本书结合典型机械系统控制的实例,系统地介绍了神经网络控制的基本理论、基本方法和应用技术。本书是作者多年来从事控制系统教学和科研工作的结晶,同时融入了国内外同行近年来所取得的新成果。 全书共分16章,包括绪论、RBF神经网络的设计与仿真、基于梯度下降法的RBF神经网络控制、自适应RBF神经网络控制、RBF神经网络滑模控制、基于模型整体逼近的自适应RBF控制、基于局部逼近的自适应RBF控制、基于RBF神经网络的动态面自适应控制、数字RBF神经网络控制、离散神经网络控制、自适应RBF观测器设计及滑模控制、基于RBF神经网络的反演自适应控制、基于RBF神经网络的自适应容错控制、基于RBF神经网络的自适应量化控制、基于RBF神经网络的控制输出受限控制和基于RBF神经网络的控制方向未知的状态跟踪。每种控制方法都通过MATLAB进行了仿真分析。 本书各部分内容既相互联系又相对独立,读者可根据需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域的工程技术人员阅读,也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

内容简介

本书特色
(1) 神经网络控制算法重点研究学科交叉部分的前沿内容,并介绍有潜力的新思想、新方法,同时又兼顾基本概念、基本理论和基本设计方法。
(2) 针对每种神经网络控制算法给出了完整的MATLAB仿真程序,并给出了程序的说明和仿真结果,具有很强的可读性。
(3) 着重从应用领域角度出发,突出理论联系实际,面向广大工程技术人员,具有很强的工程性和实用性。书中同时提供了大量应用实例及其结果分析,为读者提供了有益的借鉴。
(4) 书中给出的各种神经网络控制算法非常完整,其程序结构设计简洁明了,便于自学和进一步开发。
程序下载
配书实例代码可到清华大学出版社网站本书相关页面下载。

目录

目录


第1章绪论

1.1神经网络控制

1.1.1神经网络控制的提出

1.1.2神经网络控制概述

1.1.3自适应RBF神经网络概述

1.2RBF神经网络

1.3机器人RBF神经网络控制

1.4控制系统S函数设计

1.4.1S函数介绍

1.4.2S函数基本参数

1.4.3实例

1.5简单自适应控制系统设计实例

1.5.1系统描述

1.5.2自适应控制律设计

1.5.3仿真实例

附录仿真程序

参考文献

第2章RBF神经网络设计与仿真

2.1RBF神经网络算法及仿真

2.1.1RBF神经网络算法设计

2.1.2RBF神经网络设计实例及MATLAB仿真

2.2基于梯度下降法的RBF神经网络逼近

2.2.1RBF神经网络逼近

2.2.2仿真实例

2.3高斯基函数的参数对RBF网络逼近的影响

2.4隐含层节点数对RBF网络逼近的影响

2.5RBF神经网络的建模训练

2.5.1RBF神经网络训练

2.5.2仿真实例

2.6RBF神经网络逼近

附录仿真程序

参考文献

第3章基于梯度下降法的RBF神经网络控制

3.1基于RBF神经网络的监督控制

3.1.1RBF监督控制

3.1.2仿真实例

3.2基于RBF神经网络的模型参考自适应控制

3.2.1控制系统设计

3.2.2仿真实例

3.3RBF自校正控制

3.3.1系统描述

3.3.2RBF控制算法设计

3.3.3仿真实例

附录仿真程序

参考文献

第4章自适应RBF神经网络控制

4.1基于神经网络逼近的自适应控制

4.1.1系统描述

4.1.2自适应RBF控制器设计

4.1.3仿真实例

4.2基于神经网络逼近的未知参数自适应控制

4.2.1系统描述

4.2.2自适应控制设计

4.2.3仿真实例

4.3基于RBF神经网络的直接鲁棒自适应控制

4.3.1系统描述

4.3.2理想反馈控制和函数逼近

4.3.3控制器设计及分析

4.3.4仿真实例

4.4基于RBF神经网络的单参数直接鲁棒自适应控制

4.4.1系统描述

4.4.2仿真实例

附录仿真程序

参考文献

第5章RBF神经网络滑模控制

5.1经典滑模控制器设计

5.2基于RBF神经网络的二阶SISO系统的滑模控制

5.2.1系统描述

5.2.2基于RBF网络逼近f(·)的滑模控制

5.2.3仿真实例

5.3基于RBF逼近未知函数f(·)和g(·)的滑模控制

5.3.1引言

5.3.2仿真实例

5.4基于神经网络*小参数学习法的自适应滑模控制

5.4.1问题描述

5.4.2基于RBF网络逼近的自适应控制

5.4.3仿真实例

附录仿真程序

参考文献

第6章基于模型整体逼近的自适应RBF控制

6.1基于RBF神经网络补偿的机器人自适应控制

6.1.1系统描述

6.1.2RBF网络逼近

6.1.3RBF网络控制和自适应律设计及分析

6.1.4仿真实例

6.2基于滑模鲁棒项的RBF神经网络机器人控制

6.2.1系统描述

6.2.2RBF逼近

6.2.3控制律设计及稳定性分析

6.2.4仿真实例

6.3基于HJI理论和RBF神经网络的鲁棒控制

6.3.1HJI定理

6.3.2控制器设计及稳定性分析

6.3.3仿真实例

附录仿真程序

参考文献

第7章基于局部逼近的自适应RBF控制

7.1基于名义模型的机械臂鲁棒控制

7.1.1系统描述

7.1.2控制器设计

7.1.3稳定性分析

7.1.4仿真实例

7.2基于局部模型逼近的自适应RBF机械手控制

7.2.1问题描述

7.2.2控制器设计

7.2.3稳定性分析

7.2.4仿真实例

7.3工作空间机械手的神经网络自适应控制

7.3.1关节角位置与工作空间直角坐标的转换

7.3.2机械手的神经网络建模

7.3.3控制器的设计

7.3.4仿真实例

附录仿真程序

参考文献

第8章基于RBF网络的动态面自适应控制

8.1简单动态面控制的设计与分析

8.1.1系统描述

8.1.2动态面控制器的设计

8.1.3动态面控制器的分析

8.1.4仿真实例

8.2飞行器航迹角自适应神经网络动态面控制

8.2.1系统描述

8.2.2自适应神经网络动态面控制设计

8.2.3稳定性分析

8.2.4仿真实例

8.3柔性关节机械手自适应RBF网络动态面鲁棒控制

8.3.1问题描述

8.3.2自适应RBF网络动态面控制器设计

8.3.3闭环系统稳定性分析

8.3.4仿真验证

附录仿真程序

参考文献

第9章数字RBF神经网络控制

9.1自适应RungeKuttaMerson法

9.1.1引言

9.1.2仿真实例

9.2SISO系统的数字自适应控制

9.2.1引言

9.2.2仿真实例

9.3两关节机械手的数字自适应RBF控制

9.3.1引言

9.3.2仿真实例

附录仿真程序

参考文献

第10章离散神经网络控制

10.1引言

10.2一类离散非线性系统的直接RBF控制

10.2.1系统描述

10.2.2控制算法设计和稳定性分析

10.2.3仿真实例

10.3一类离散非线性系统的自适应RBF控制

10.3.1系统描述

10.3.2经典控制器设计

10.3.3自适应神经网络控制器设计

10.3.4稳定性分析

10.3.5仿真实例

附录仿真程序

参考文献

第11章自适应RBF观测器设计及滑模控制

11.1自适应RBF观测器设计

11.1.1系统描述

11.1.2自适应RBF观测器设计

11.1.3仿真实例

11.2基于RBF自适应观测器的滑模控制

11.2.1滑模控制器设计

11.2.2仿真实例

附录仿真程序

参考文献

第12章基于RBF神经网络的反演自适应控制

12.1一种二阶非线性系统的反演控制

12.1.1基本原理

12.1.2仿真实例

12.2一种三阶非线性系统的反演控制

12.2.1系统描述

12.2.2反演控制器设计

12.2.3仿真实例

12.3基于RBF网络的二阶非线性系统反演控制

12.3.1基本原理

12.3.2RBF网络原理

12.3.3控制算法设计与分析

12.3.4仿真实例

12.4高阶非线性系统反演控制

12.4.1系统描述

12.4.2反演控制器的设计

12.5基于RBF网络的高阶非线性系统自适应反演控制

12.5.1系统描述

12.5.2反演控制律设计

12.5.3自适应律的设计

12.5.4仿真实例

附录仿真程序

参考文献

第13章基于RBF神经网络的自适应容错控制

13.1SISO系统执行器自适应容错控制

13.1.1控制问题描述

13.1.2控制律的设计与分析

13.1.3仿真实例

13.2基于RBF网络的自适应容错控制

13.2.1控制问题描述

13.2.2RBF神经网络设计

13.2.3控制律的设计与分析

13.2.4仿真实例

附录仿真程序

参考文献

第14章基于RBF神经网络的自适应量化控制

14.1执行器自适应量化控制

14.1.1系统描述

14.1.2量化控制器设计与分析

14.1.3仿真实例

14.2基于RBF神经网络的执行器自适应量化控制

14.2.1系统描述

14.2.2RBF神经网络设计

14.2.3量化控制器设计与分析

14.2.4仿真实例

附录仿真程序

参考文献

第15章基于RBF神经网络的控制输出受限控制

15.1输出受限引理

15.2基于位置输出受限控制算法设计

15.2.1系统描述

15.2.2控制器的设计

15.2.3仿真实例

15.3基于RBF神经网络的输出受限控制

15.3.1系统描述

15.3.2RBF神经网络原理

15.3.3控制器的设计

15.3.4仿真实例

附录仿真程序

参考文献

第16章基于RBF神经网络的控制方向未知的状态跟踪

16.1基本知识

16.2控制方向未知的状态跟踪

16.2.1系统描述

16.2.2控制律的设计

16.2.3仿真实例

16.3基于RBF神经网络的控制方向未知的状态跟踪

16.3.1系统描述

16.3.2RBF神经网络设计

16.3.3控制律的设计

16.3.4仿真实例

附录仿真程序

参考文献



展开全部

作者简介

刘金琨 辽宁省大连市瓦房店人,分别于1989年、1994年和1997年获东北大学工学学士、硕士和博士学位。1997─1999年在浙江大学工业控制技术研究所从事博士后研究工作。现为北京航空航天大学控制理论与控制工程专业教授、博士生导师。主要从事智能控制、滑模变结构控制领域的研究和教学工作。自从从事研究工作以来,主持国家自然科学基金等科研项目10余项,发表学术论文100余篇,出版图书10余部。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航