《RBF神經網路自適應控制及MATLAB仿真（第2版）》是2018年12月清華大學出版社出版的圖書，作者是劉金琨。
基本介紹
- 中文名：RBF神經網路自適應控制及MATLAB仿真（第2版）
- 作者：劉金琨
- 出版社：清華大學出版社
- 出版時間：2018年12月1日
- 定價：99 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787302517320
內容簡介,作者簡介,圖書目錄,
內容簡介
本書結合典型機械系統控制的實例，系統地介紹了神經網路控制的基本理論、基本方法和套用技術。本書是作者多年來從事控制系統教學和科研工作的結晶，同時融入了國內外同行近年來所取得的新成果。全書共分16章，包括緒論、RBF神經網路的設計與仿真、基於梯度下降法的RBF神經網路控制、自適應RBF神經網路控制、RBF神經網路滑模控制、基於模型整體逼近的自適應RBF控制、基於局部逼近的自適應RBF控制、基於RBF神經網路的動態面自適應控制、數字RBF神經網路控制、離散神經網路控制、自適應RBF觀測器設計及滑模控制、基於RBF神經網路的反演自適應控制、基於RBF神經網路的自適應容錯控制、基於RBF神經網路的自適應量化控制、基於RBF神經網路的控制輸出受限控制和基於RBF神經網路的控制方向未知的狀態跟蹤。
作者簡介
劉金琨 遼寧省大連市瓦房店人，分別於1989年、1994年和1997年獲東北大學工學學士、碩士和博士學位。1997─1999年在浙江大學工業控制技術研究所從事博士後研究工作。現為北京航空航天大學控制理論與控制工程專業教授、博士生導師。主要從事智慧型控制、滑模變結構控制領域的研究和教學工作。自從從事研究工作以來，主持國家自然科學基金等科研項目10餘項，發表學術論文100餘篇，出版圖書10餘部。
圖書目錄
第1章緒論
1．1神經網路控制
1．1．1神經網路控制的提出
1.1.2神經網路控制概述
1.1.3自適應RBF神經網路概述
1．2RBF神經網路
1．3機器人RBF神經網路控制
1．4控制系統S函式設計
1．4．1S函式介紹
1．4．2S函式基本參數
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仿真實例
附錄仿真程式
參考文獻
第2章RBF神經網路設計與仿真
2．1RBF神經網路算法及仿真
2．1．1RBF神經網路算法設計
2．1．2RBF神經網路設計實例及MATLAB仿真
2．2基於梯度下降法的RBF神經網路逼近
2．2．1RBF神經網路逼近
2．2．2仿真實例
2．3高斯基函式的參數對RBF網路逼近的影響
2．4隱含層節點數對RBF網路逼近的影響
2．5RBF神經網路的建模訓練
2．5．1RBF神經網路訓練
2．5．2仿真實例
2．6RBF神經網路逼近
附錄仿真程式
參考文獻
第3章基於梯度下降法的RBF神經網路控制
3．1基於RBF神經網路的監督控制
3．1．1RBF監督控制
3．1．2仿真實例
3．2基於RBF神經網路的模型參考自適應控制
3．2．1控制系統設計
3．2．2仿真實例
3．3RBF自校正控制
3．3．1系統描述
3．3．2RBF控制算法設計
3．3．3仿真實例
附錄仿真程式
參考文獻
第4章自適應RBF神經網路控制
4．1基於神經網路逼近的自適應控制
4．1．1系統描述
4．1．2自適應RBF控制器設計
4．1．3仿真實例
4．2基於神經網路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仿真實例
4．3基於RBF神經網路的直接魯棒自適應控制
4．3．1系統描述
4．3．2理想反饋控制和函式逼近
4．3．3控制器設計及分析
4．3．4仿真實例
4.4基於RBF神經網路的單參數直接魯棒自適應控制
4.4.1系統描述
4.4.2仿真實例
附錄仿真程式
參考文獻
第5章RBF神經網路滑模控制
5．1經典滑模控制器設計
5．2基於RBF神經網路的二階SISO系統的滑模控制
5．2．1系統描述
5．2．2基於RBF網路逼近f(·)的滑模控制
5．2．3仿真實例
5．3基於RBF逼近未知函式f(·)和g(·)的滑模控制
5．3．1引言
5．3．2仿真實例
5．4基於神經網路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網路逼近的自適應控制
5．4．3仿真實例
附錄仿真程式
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神經網路補償的機器人自適應控制
6．1．1系統描述
6．1．2RBF網路逼近
6．1．3RBF網路控制和自適應律設計及分析
6．1．4仿真實例
6．2基於滑模魯棒項的RBF神經網路機器人控制
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仿真實例
6．3基於HJI理論和RBF神經網路的魯棒控制
6．3．1HJI定理
6．3．2控制器設計及穩定性分析
6．3．3仿真實例
附錄仿真程式
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仿真實例
7.2基於局部模型逼近的自適應RBF機械手控制
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仿真實例
7.3工作空間機械手的神經網路自適應控制
7.3.1關節角位置與工作空間直角坐標的轉換
7.3.2機械手的神經網路建模
7.3.3控制器的設計
7.3.4仿真實例
附錄仿真程式
參考文獻
第8章基於RBF網路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仿真實例
8.2飛行器航跡角自適應神經網路動態面控制
8.2.1系統描述
8.2.2自適應神經網路動態面控制設計
8.2.3穩定性分析
8.2.4仿真實例
8.3柔性關節機械手自適應RBF網路動態面魯棒控制
8.3.1問題描述
8.3.2自適應RBF網路動態面控制器設計
8.3.3閉環系統穩定性分析
8.3.4仿真驗證
附錄仿真程式
參考文獻
第9章數字RBF神經網路控制
9.1自適應RungeKuttaMerson法
9.1.1引言
9.1.2仿真實例
9.2SISO系統的數字自適應控制
9.2.1引言
9.2.2仿真實例
9.3兩關節機械手的數字自適應RBF控制
9.3.1引言
9.3.2仿真實例
附錄仿真程式
參考文獻
第10章離散神經網路控制
10.1引言
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仿真實例
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自適應神經網路控制器設計
10.3.4穩定性分析
10.3.5仿真實例
附錄仿真程式
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仿真實例
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仿真實例
附錄仿真程式
參考文獻
第12章基於RBF神經網路的反演自適應控制
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仿真實例
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仿真實例
12．3基於RBF網路的二階非線性系統反演控制
12．3．1基本原理
12．3．2RBF網路原理
12．3．3控制算法設計與分析
12．3．4仿真實例
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網路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仿真實例
附錄仿真程式
參考文獻
第13章基於RBF神經網路的自適應容錯控制
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仿真實例
13．2基於RBF網路的自適應容錯控制
13．2．1控制問題描述
13．2．2RBF神經網路設計
13．2．3控制律的設計與分析
13．2．4仿真實例
附錄仿真程式
參考文獻
第14章基於RBF神經網路的自適應量化控制
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仿真實例
14．2基於RBF神經網路的執行器自適應量化控制
14．2．1系統描述
14．2．2RBF神經網路設計
14．2．3量化控制器設計與分析
14．2．4仿真實例
附錄仿真程式
參考文獻
第15章基於RBF神經網路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仿真實例
15．3基於RBF神經網路的輸出受限控制
15．3．1系統描述
15．3．2RBF神經網路原理
15．3．3控制器的設計
15．3．4仿真實例
附錄仿真程式
參考文獻
第16章基於RBF神經網路的控制方向未知的狀態跟蹤
16．1基本知識
16．2控制方向未知的狀態跟蹤
16．2．1系統描述
16．2．2控制律的設計
16．2．3仿真實例
16．3基於RBF神經網路的控制方向未知的狀態跟蹤
16．3．1系統描述
16．3．2RBF神經網路設計
16．3．3控制律的設計
16．3．4仿真實例
附錄仿真程式
參考文獻
