神经网络建模与动态系统辨识

目　录
Neural Network Modeling and Identification of Dynamical Systems

译者序

前言

致谢

缩略词表

符号表

引言1

第1章 非线性动态系统受控运动的建模问题5
1.1 作为研究对象的动态系统5
1.1.1 动态系统的一般概念5
1.1.2 动态系统的分类8
1.1.3 环境的类型11
1.1.4 系统与环境的交互12
1.1.5 动态系统概念的形式化13
1.1.6 系统的行为和活动16

1.2 动态系统和自适应问题17
1.2.1 自适应的类型17
1.2.2 自适应控制问题的一般特征19
1.2.3 自适应系统基本结构的变体20
1.2.4 自适应控制问题中模型的作用22

1.3 动态系统建模的通用方法23
1.3.1 动态系统建模过程23
1.3.2 动态系统模型设计中需要解决的主要问题26

1.4 参考文献27

第2章 动态神经网络：结构和训练方法29
2.1 人工神经网络结构29
2.1.1 人工神经网络设计的生成法29
2.1.2 神经网络模型的分层结构33
2.1.3 作为ANN构造单元的神经元40
2.1.4 神经元的结构组织41

2.2 人工神经网络训练方法43
2.2.1 神经网络训练框架概述44
2.2.2 静态神经网络训练49
2.2.3 动态神经网络训练53

2.3 动态神经网络自适应方法57
2.3.1 扩展卡尔曼滤波器57
2.3.2 具有中间神经元的ANN模型60
2.3.3 ANN模型的增量构造62

2.4 动态神经网络训练集获取问题63
2.4.1 训练动态神经网络所需数据集构造过程的细节63
2.4.2 训练动态神经网络所需数据集构造过程的直接方法63
2.4.3 获取动态神经网络训练数据集的间接方法69

2.5 参考文献76

第3章 动态系统建模与控制的神经网络黑箱方法79
3.1 动态系统开发和维护相关的典型问题79

3.2 解决动态系统相关问题的神经网络黑箱方法79
3.2.1 模型的主要类型80
3.2.2 对作用在动态系统上的干扰的考虑方法81

3.3 基于ANN的动态系统建模与辨识83
3.3.1 动态系统建模的前馈神经网络83
3.3.2 动态系统建模的递归神经网络85

3.4 基于ANN的动态系统控制86
3.4.1 利用人工神经网络调整受控对象的动态特性86
3.4.2 多模态飞机的神经控制器*优集成综合95

3.5 参考文献108

第4章 非线性动态系统神经网络黑箱建模：飞机受控运动111
4.1 基于多层神经网络的飞机运动ANN模型111
4.1.1 基于多层神经网络的飞机运动ANN模型的一般结构111
4.1.2 飞机运动神经网络模型的批处理学习112
4.1.3 飞机运动神经网络模型的实时学习113

4.2 基于多层神经网络飞机运动ANN模型的性能评估113

4.3 ANN模型在不确定性条件下非线性动态系统自适应控制问题中的应用118
4.3.1 对自适应系统的需求118
4.3.2 模型参考自适应控制119
4.3.3 模型预测控制130
4.3.4 不确定性条件下飞机角运动的自适应控制133

4.4 参考文献136

第5章 受控动态系统的半经验神经网络模型138
5.1 半经验ANN动态系统建模方法138
5.2 半经验ANN模型设计过程143
5.3 半经验ANN模型导数计算151
5.4 半经验ANN模型同伦延拓训练方法160
5.5 半经验ANN模型实验*优设计165

5.6 参考文献168

第6章 飞行器运动神经网络半经验建模170
6.1 飞行器气动特性辨识与运动建模问题170

6.2 机动飞行器纵向短周期运动半经验建模171

6.3 飞行器三轴旋转运动半经验建模177

6.4 机动飞行器纵向平动与角运动半经验建模185

6.5 参考文献194

附录 自适应系统的计算实验结果195