图书介绍
RBF神经网络自适应控制及MATLAB仿真pdf电子书版本下载
- 刘金琨著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302517320
- 出版时间：2018
- 标注页数：418页
- 文件大小：25MB
- 文件页数：433页
- 主题词：神经网络－自适应控制－研究；神经网络－计算机仿真；Matlab软件
PDF下载
下载说明
RBF神经网络自适应控制及MATLAB仿真PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论 1
1.1 神经网络控制 1
1.1.1 神经网络控制的提出 1
1.1.2 神经网络控制概述 2
1.1.3 自适应RBF神经网络概述 2
1.2 RBF神经网络 2
1.3 机器人RBF神经网络控制 3
1.4 控制系统S函数设计 3
1.4.1 S函数介绍 3
1.4.2 S函数基本参数 4
1.4.3 实例 4
1.5 简单自适应控制系统设计实例 5
1.5.1 系统描述 5
1.5.2 自适应控制律设计 6
1.5.3 仿真实例 6
附录 仿真程序 8
参考文献 12
第2章 RBF神经网络设计与仿真 15
2.1 RBF神经网络算法及仿真 15
2.1.1 RBF神经网络算法设计 15
2.1.2 RBF神经网络设计实例及MATLAB仿真 15
2.2 基于梯度下降法的RBF神经网络逼近 18
2.2.1 RBF神经网络逼近 18
2.2.2 仿真实例 19
2.3 高斯基函数的参数对RBF网络逼近的影响 20
2.4 隐含层节点数对RBF网络逼近的影响 22
2.5 RBF神经网络的建模训练 25
2.5.1 RBF神经网络训练 25
2.5.2 仿真实例 26
2.6 RBF神经网络逼近 27
附录 仿真程序 28
参考文献 44
第3章 基于梯度下降法的RBF神经网络控制 45
3.1 基于RBF神经网络的监督控制 45
3.1.1 RBF监督控制 45
3.1.2 仿真实例 46
3.2 基于RBF神经网络的模型参考自适应控制 47
3.2.1 控制系统设计 47
3.2.2 仿真实例 48
3.3 RBF自校正控制 49
3.3.1 系统描述 49
3.3.2 RBF控制算法设计 49
3.3.3 仿真实例 50
附录 仿真程序 51
参考文献 56
第4章 自适应RBF神经网络控制 57
4.1 基于神经网络逼近的自适应控制 57
4.1.1 系统描述 57
4.1.2 自适应RBF控制器设计 57
4.1.3 仿真实例 60
4.2 基于神经网络逼近的未知参数自适应控制 62
4.2.1 系统描述 62
4.2.2 自适应控制设计 63
4.2.3 仿真实例 65
4.3 基于RBF神经网络的直接鲁棒自适应控制 67
4.3.1 系统描述 67
4.3.2 理想反馈控制和函数逼近 67
4.3.3 控制器设计及分析 68
4.3.4 仿真实例 70
4.4 基于RBF神经网络的单参数直接鲁棒自适应控制 73
4.4.1 系统描述 73
4.4.2 仿真实例 75
附录 仿真程序 78
参考文献 103
第5章 RBF神经网络滑模控制 104
5.1 经典滑模控制器设计 104
5.2 基于RBF神经网络的二阶SISO系统的滑模控制 106
5.2.1 系统描述 106
5.2.2 基于RBF网络逼近f（·）的滑模控制 106
5.2.3 仿真实例 107
5.3 基于RBF逼近未知函数f（·）和g（·）的滑模控制 109
5.3.1 引言 109
5.3.2 仿真实例 110
5.4 基于神经网络最小参数学习法的自适应滑模控制 112
5.4.1 问题描述 112
5.4.2 基于RBF网络逼近的自适应控制 112
5.4.3 仿真实例 114
附录 仿真程序 115
参考文献 126
第6章 基于模型整体逼近的自适应RBF控制 127
6.1 基于RBF神经网络补偿的机器人自适应控制 127
6.1.1 系统描述 127
6.1.2 RBF网络逼近 128
6.1.3 RBF网络控制和自适应律设计及分析 128
6.1.4 仿真实例 131
6.2 基于滑模鲁棒项的RBF神经网络机器人控制 135
6.2.1 系统描述 135
6.2.2 RBF逼近 136
6.2.3 控制律设计及稳定性分析 136
6.2.4 仿真实例 137
6.3 基于HJI理论和RBF神经网络的鲁棒控制 140
6.3.1 HJI定理 140
6.3.2 控制器设计及稳定性分析 140
6.3.3 仿真实例 142
附录 仿真程序 145
参考文献 174
第7章 基于局部逼近的自适应RBF控制 176
7.1 基于名义模型的机械臂鲁棒控制 176
7.1.1 系统描述 176
7.1.2 控制器设计 176
7.1.3 稳定性分析 177
7.1.4 仿真实例 178
7.2 基于局部模型逼近的自适应RBF机械手控制 179
7.2.1 问题描述 179
7.2.2 控制器设计 180
7.2.3 稳定性分析 181
7.2.4 仿真实例 182
7.3 工作空间机械手的神经网络自适应控制 186
7.3.1 关节角位置与工作空间直角坐标的转换 186
7.3.2 机械手的神经网络建模 186
7.3.3 控制器的设计 188
7.3.4 仿真实例 189
附录 仿真程序 192
参考文献 223
第8章 基于RBF网络的动态面自适应控制 224
8.1 简单动态面控制的设计与分析 224
8.1.1 系统描述 224
8.1.2 动态面控制器的设计 224
8.1.3 动态面控制器的分析 225
8.1.4 仿真实例 226
8.2 飞行器航迹角自适应神经网络动态面控制 228
8.2.1 系统描述 228
8.2.2 自适应神经网络动态面控制设计 229
8.2.3 稳定性分析 231
8.2.4 仿真实例 235
8.3 柔性关节机械手自适应RBF网络动态面鲁棒控制 238
8.3.1 问题描述 238
8.3.2 自适应RBF网络动态面控制器设计 239
8.3.3 闭环系统稳定性分析 241
8.3.4 仿真验证 244
附录 仿真程序 247
参考文献 272
第9章 数字RBF神经网络控制 274
9.1 自适应Runge-Kutta-Merson法 274
9.1.1 引言 274
9.1.2 仿真实例 275
9.2 SISO系统的数字自适应控制 275
9.2.1 引言 275
9.2.2 仿真实例 276
9.3 两关节机械手的数字自适应RBF控制 277
9.3.1 引言 277
9.3.2 仿真实例 277
附录 仿真程序 279
参考文献 286
第10章 离散神经网络控制 287
10.1 引言 287
10.2 一类离散非线性系统的直接RBF控制 287
10.2.1 系统描述 287
10.2.2 控制算法设计和稳定性分析 288
10.2.3 仿真实例 290
10.3 一类离散非线性系统的自适应RBF控制 294
10.3.1 系统描述 294
10.3.2 经典控制器设计 294
10.3.3 自适应神经网络控制器设计 294
10.3.4 稳定性分析 295
10.3.5 仿真实例 297
附录 仿真程序 301
参考文献 307
第11章 自适应RBF观测器设计及滑模控制 309
11.1 自适应RBF观测器设计 309
11.1.1 系统描述 309
11.1.2 自适应RBF观测器设计 309
11.1.3 仿真实例 311
11.2 基于RBF自适应观测器的滑模控制 315
11.2.1 滑模控制器设计 315
11.2.2 仿真实例 316
附录 仿真程序 318
参考文献 330
第12章 基于RBF神经网络的反演自适应控制 331
12.1 一种二阶非线性系统的反演控制 331
12.1.1 基本原理 331
12.1.2 仿真实例 332
12.2 一种三阶非线性系统的反演控制 333
12.2.1 系统描述 333
12.2.2 反演控制器设计 334
12.2.3 仿真实例 335
12.3 基于RBF网络的二阶非线性系统反演控制 337
12.3.1 基本原理 337
12.3.2 RBF网络原理 338
12.3.3 控制算法设计与分析 338
12.3.4 仿真实例 339
12.4 高阶非线性系统反演控制 340
12.4.1 系统描述 340
12.4.2 反演控制器的设计 340
12.5 基于RBF网络的高阶非线性系统自适应反演控制 342
12.5.1 系统描述 342
12.5.2 反演控制律设计 343
12.5.3 自适应律的设计 344
12.5.4 仿真实例 345
附录 仿真程序 347
参考文献 360
第13章 基于RBF神经网络的自适应容错控制 361
13.1 SISO系统执行器自适应容错控制 361
13.1.1 控制问题描述 361
13.1.2 控制律的设计与分析 361
13.1.3 仿真实例 362
13.2 基于RBF网络的自适应容错控制 363
13.2.1 控制问题描述 363
13.2.2 RBF神经网络设计 364
13.2.3 控制律的设计与分析 364
13.2.4 仿真实例 365
附录 仿真程序 366
参考文献 373
第14章 基于RBF神经网络的自适应量化控制 374
14.1 执行器自适应量化控制 374
14.1.1 系统描述 374
14.1.2 量化控制器设计与分析 374
14.1.3 仿真实例 376
14.2 基于RBF神经网络的执行器自适应量化控制 377
14.2.1 系统描述 377
14.2.2 RBF神经网络设计 378
14.2.3 量化控制器设计与分析 378
14.2.4 仿真实例 380
附录 仿真程序 382
参考文献 388
第15章 基于RBF神经网络的控制输出受限控制 389
15.1 输出受限引理 389
15.2 基于位置输出受限控制算法设计 390
15.2.1 系统描述 390
15.2.2 控制器的设计 391
15.2.3 仿真实例 392
15.3 基于RBF神经网络的输出受限控制 394
15.3.1 系统描述 394
15.3.2 RBF神经网络原理 394
15.3.3 控制器的设计 395
15.3.4 仿真实例 397
附录 仿真程序 398
参考文献 405
第16章 基于RBF神经网络的控制方向未知的状态跟踪 406
16.1 基本知识 406
16.2 控制方向未知的状态跟踪 406
16.2.1 系统描述 406
16.2.2 控制律的设计 407
16.2.3 仿真实例 407
16.3 基于RBF神经网络的控制方向未知的状态跟踪 408
16.3.1 系统描述 408
16.3.2 RBF神经网络设计 409
16.3.3 控制律的设计 409
16.3.4 仿真实例 410
附录 仿真程序 411
参考文献 418