RBF神經網絡自適應控制及MATLAB模擬(第3版)

劉金琨，北京航空航天大學教授，博士生導師。分別於1989年7月、1994年3月和1997年3月獲東北大學工學學士、工學碩士和工學博士學位。1997年3月-1998年12月在浙江大學工業控制技術研究所做博士後研究工作；1999年1月-1999年7月在香港科技大學從事合作研究；1999年11月至今在北京航空航天大學自動化科學與電氣工程學院從事教學與科研工作；主講“智能控制”“先進控制系統設計”和“系統辨識”等課程；研究方向為控制理論與應用。自從從事研究工作以來，主持國家自然基金等科研項目10餘項，發表學術論文100餘篇。曾出版《先進PID控制MATLAB模擬》《機器人控制系統的設計與MATLAB模擬》《滑模變結構控制MATLAB模擬》《RBF神經網絡自適應控制MATLAB模擬》《系統辨識》和《微分器設計與應用——信號濾波與求導》等著作。

 

 

 

目錄

第1章緒論

 

1.1神經網絡控制

 

1.1.1神經網絡控制的提出

 

1.1.2神經網絡控制概述

 

1.1.3自適應RBF神經網絡概述

 

1.2RBF神經網絡

 

1.3機器人RBF神經網絡控制

 

1.4控制系統S函數設計

 

1.4.1S函數介紹

 

1.4.2S函數基本參數

 

1.4.3實例

 

1.5簡單自適應控制系統設計實例

 

1.5.1系統描述

 

1.5.2自適應控制律設計

 

1.5.3模擬實例

 

附錄模擬程序

 

參考文獻

 

第2章RBF神經網絡設計與模擬

 

2.1RBF神經網絡算法及模擬

 

2.1.1RBF神經網絡算法設計

 

2.1.2RBF神經網絡設計實例及MATLAB模擬

 

2.2基於梯度下降法的RBF神經網絡逼近

 

2.2.1RBF神經網絡逼近

 

2.2.2模擬實例

 

2.3高斯函數的參數對RBF神經網絡逼近的影響

 

2.4隱含層節點數對RBF神經網絡逼近的影響

 

2.5RBF神經網絡的建模訓練

 

2.5.1RBF神經網絡訓練 

 

2.5.2模擬實例

 

2.6RBF神經網絡逼近

 

附錄模擬程序

 

參考文獻

 

第3章基於梯度下降法的RBF神經網絡控制

 

3.1基於RBF神經網絡的監督控制

 

3.1.1RBF監督控制

 

3.1.2模擬實例

 

3.2基於RBF神經網絡的模型參考自適應控制

 

3.2.1控制系統設計

 

3.2.2模擬實例

 

3.3RBF神經網絡自校正控制

 

3.3.1系統描述

 

3.3.2RBF控制算法設計

 

3.3.3模擬實例

 

附錄模擬程序

 

參考文獻

 

第4章自適應RBF神經網絡控制

 

4.1基於神經網絡逼近的自適應控制

 

4.1.1系統描述

 

4.1.2自適應RBF控制器設計

 

4.1.3模擬實例

 

4.2基於神經網絡逼近的未知參數自適應控制

 

4.2.1系統描述

 

4.2.2自適應控制設計

 

4.2.3模擬實例

 

4.3基於RBF神經網絡的直接魯棒自適應控制

 

4.3.1系統描述

 

4.3.2理想反饋控制和函數逼近

 

4.3.3控制器設計及分析

 

4.3.4模擬實例

 

4.4基於RBF神經網絡的單參數直接魯棒自適應控制

 

4.4.1系統描述

 

4.4.2模擬實例

 

附錄模擬程序

 

參考文獻

 

第5章RBF神經網絡滑模控制

 

5.1經典滑模控制器設計

 

5.2基於RBF神經網絡的二階SISO系統的滑模控制

 

5.2.1系統描述

 

5.2.2基於RBF神經網絡逼近f(·)的滑模控制 

 

5.2.3模擬實例

 

5.3基於RBF逼近未知函數f(·)和g(·)的滑模控制

 

5.3.1引言

 

5.3.2模擬實例

 

5.4基於神經網絡最小參數學習法的自適應滑模控制

 

5.4.1問題描述

 

5.4.2基於RBF神經網絡逼近的自適應控制

 

5.4.3模擬實例

 

附錄模擬程序

 

參考文獻

 

第6章基於模型整體逼近的自適應RBF控制

 

6.1基於RBF神經網絡補償的機器人自適應控制

 

6.1.1系統描述

 

6.1.2RBF神經網絡逼近

 

6.1.3RBF神經網絡控制和自適應律設計及分析

 

6.1.4模擬實例

 

6.2基於滑模魯棒項的RBF神經網絡機器人控制

 

6.2.1系統描述

 

6.2.2RBF逼近

 

6.2.3控制律設計及穩定性分析

 

6.2.4模擬實例

 

6.3基於HJI理論和RBF神經網絡的魯棒控制

 

6.3.1HJI定理

 

6.3.2控制器設計及穩定性分析

 

6.3.3模擬實例

 

附錄模擬程序

 

參考文獻

 

第7章基於局部逼近的自適應RBF控制

 

7.1基於名義模型的機械臂魯棒控制

 

7.1.1系統描述

 

7.1.2控制器設計

 

7.1.3穩定性分析

 

7.1.4模擬實例

 

7.2基於局部模型逼近的自適應RBF機械臂控制

 

7.2.1問題描述

 

7.2.2控制器設計

 

7.2.3穩定性分析

 

7.2.4模擬實例

 

7.3工作空間機械臂的神經網絡自適應控制

 

7.3.1關節角位置與工作空間直角坐標的轉換

 

7.3.2機械臂的神經網絡建模

 

7.3.3控制器的設計

 

7.3.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第8章基於RBF神經網絡的動態面自適應控制

 

8.1簡單動態面控制的設計與分析

 

8.1.1系統描述

 

8.1.2動態面控制器的設計

 

8.1.3動態面控制器的分析

 

8.1.4模擬實例

 

8.2飛行器航跡角自適應神經網絡動態面控制

 

8.2.1系統描述

 

8.2.2自適應神經網絡動態面控制設計

 

8.2.3穩定性分析

 

8.2.4模擬實例

 

8.3柔性關節機械臂自適應RBF神經網絡動態面魯棒控制

 

8.3.1問題描述

 

8.3.2自適應RBF神經網絡動態面控制器設計

 

8.3.3閉環系統穩定性分析

 

8.3.4模擬驗證

 

附錄模擬程序

 

參考文獻

 

第9章數字RBF神經網絡控制

 

9.1自適應RungeKuttaMerson法

 

9.1.1引言

 

9.1.2模擬實例

 

9.2SISO系統的數字自適應控制

 

9.2.1引言

 

9.2.2模擬實例

 

9.3兩關節機械臂的數字自適應RBF控制

 

9.3.1引言

 

9.3.2模擬實例

 

附錄模擬程序

 

參考文獻

 

第10章離散神經網絡控制

 

10.1離散神經網絡控制概述

 

10.2一類離散非線性系統的直接RBF控制

 

10.2.1系統描述

 

10.2.2控制算法設計和穩定性分析

 

10.2.3模擬實例

 

10.3一類離散非線性系統的自適應RBF控制 

 

10.3.1系統描述

 

10.3.2經典控制器設計

 

10.3.3自適應神經網絡控制器設計

 

10.3.4穩定性分析

 

10.3.5模擬實例

 

附錄模擬程序

 

參考文獻

 

第11章自適應RBF觀測器設計及滑模控制

 

11.1自適應RBF觀測器設計

 

11.1.1系統描述

 

11.1.2自適應RBF觀測器設計

 

11.1.3模擬實例

 

11.2基於RBF自適應觀測器的滑模控制

 

11.2.1滑模控制器設計

 

11.2.2模擬實例

 

附錄模擬程序

 

參考文獻

 

第12章基於RBF神經網絡的反演自適應控制

 

12.1一種二階非線性系統的反演控制

 

12.1.1基本原理

 

12.1.2模擬實例

 

12.2一種三階非線性系統的反演控制

 

12.2.1系統描述

 

12.2.2反演控制器設計

 

12.2.3模擬實例

 

12.3基於RBF神經網絡的二階非線性系統反演控制

 

12.3.1基本原理

 

12.3.2RBF神經網絡原理

 

12.3.3控制算法設計與分析

 

12.3.4模擬實例

 

12.4高階非線性系統反演控制

 

12.4.1系統描述

 

12.4.2反演控制器的設計

 

12.5基於RBF神經網絡的高階非線性系統自適應反演控制

 

12.5.1系統描述

 

12.5.2反演控制律設計

 

12.5.3自適應律的設計

 

12.5.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第13章基於RBF神經網絡的自適應容錯控制

 

13.1SISO系統執行器自適應容錯控制

 

13.1.1控制問題描述

 

13.1.2控制律的設計與分析

 

13.1.3模擬實例

 

13.2基於RBF神經網絡的自適應容錯控制

 

13.2.1控制問題描述

 

13.2.2RBF神經網絡設計

 

13.2.3控制律的設計與分析

 

13.2.4模擬實例

 

13.3基於傳感器和執行器容錯的自適應控制

 

13.3.1系統描述

 

13.3.2控制器設計與分析

 

13.3.3模擬實例

 

13.4基於傳感器和執行器容錯的神經網絡自適應控制

 

13.4.1系統描述

 

13.4.2控制器設計與分析

 

13.4.3神經網絡逼近

 

13.4.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第14章基於RBF神經網絡的自適應量化控制

 

14.1執行器自適應量化控制

 

14.1.1系統描述

 

14.1.2量化控制器設計與分析

 

14.1.3模擬實例

 

14.2基於RBF神經網絡的執行器自適應量化控制

 

14.2.1系統描述

 

14.2.2RBF神經網絡設計

 

14.2.3量化控制器設計與分析

 

14.2.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第15章基於RBF神經網絡的控制輸出受限控制

 

15.1輸出受限引理

 

15.2基於位置輸出受限控制算法設計

 

15.2.1系統描述

 

15.2.2控制器的設計

 

15.2.3模擬實例

 

15.3基於RBF神經網絡的輸出受限控制

 

15.3.1系統描述

 

15.3.2RBF神經網絡原理

 

15.3.3控制器的設計

 

15.3.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第16章基於RBF神經網絡的控制方向未知的狀態跟蹤

 

16.1控制方向未知的狀態跟蹤

 

16.1.1系統描述

 

16.1.2控制律的設計

 

16.1.3模擬實例

 

16.2基於RBF神經網絡的控制方向未知的狀態跟蹤

 

16.2.1系統描述

 

16.2.2RBF神經網絡設計

 

16.2.3控制律的設計

 

16.2.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第17章基於RBF神經網絡逼近的多智能體一致性控制

 

17.1多智能體系統一致性控制

 

17.1.1代數圖論

 

17.1.2系統描述

 

17.1.3控制器的設計

 

17.1.4模擬實例

 

17.2基於RBF神經網絡逼近的多智能體系統一致性控制

 

17.2.1系統描述

 

17.2.2基於RBF神經網絡逼近f(·)的滑模控制

 

17.2.3控制器的設計

 

17.2.4模擬實例

 

附錄模擬程序

 

參考文獻

 

第18章基於模糊RBF神經網絡逼近的自適應控制

 

18.1模糊RBF神經網絡

 

18.1.1模糊RBF神經網絡設計

 

18.1.2模糊神經網絡的學習算法

 

18.1.3模擬實例

 

18.2基於模糊RBF神經網絡的自適應控制

 

18.2.1系統描述

 

18.2.2基於模糊RBF神經網絡逼近f(·)的滑模控制 

 

18.2.3模擬實例

 

附錄模擬程序

 

參考文獻

 

第19章基於RBF神經網絡的事件驅動滑模控制

 

19.1基於事件驅動的滑模控制

 

19.1.1系統描述

 

19.1.2控制器設計

 

19.1.3芝諾分析

 

19.1.4模擬實例

 

19.2基於神經網絡的事件驅動滑模控制

 

19.2.1系統描述

 

19.2.2RBF神經網絡逼近

 

19.2.3控制器設計

 

19.2.4芝諾分析

 

19.2.5模擬實例

 

附錄模擬程序

 

參考文獻