自适应控制理论与应用电子书

自适应控制理论与应用

扉页

版权页

内容简介

前言

目录

第1章 绪论

1.1 自适应控制的概念

1.1.1 问题的出现

1.1.2 自适应控制的定义与特征

1.2 自适应控制系统与分类

1.2.1 自适应控制系统的原理性结构与简介

1.2.2 自适应控制系统的分类

1.3 自适应控制的发展、应用与研究

本章小结

第2章 实时参数估计

2.1 系统辨识的概念

2.1.1 什么是系统辨识

2.1.2 系统辨识的一般步骤

2.1.3 自适应控制中系统辨识的特点

2.2 白噪声序列和离散时间系统数学模型

2.2.1 白噪声序列

2.2.2 离散时间系统数学模型

2.3 最小二乘参数估计法

2.3.1 批处理最小二乘法

2.3.2 递推最小二乘算法

2.3.3 具有遗忘因子的递推最小二乘法

2.3.4 递推增广最小二乘法

2.4 参数估计的梯度算法

2.4.1 确定性系统参数估计的梯度算法

2.4.2 随机逼近递推算法

2.5 闭环系统辨识

2.5.1 问题的出现

2.5.2 什么是闭环系统可辨识

2.5.3 闭环状态下的辨识方法和可辨识条件

本章小结

习题

第3章 确定性自校正控制

3.1 自校正控制系统概要

3.1.1 系统设计的任务

3.1.2 自校正控制系统设计原理

3.1.3 自校正控制的两种方法

3.2 极点配置设计与间接自校正控制方法

3.2.1 极点配置设计

3.2.2 间接自校正控制方法

3.3 基于PID结构的间接自校正控制

3.3.1 PID控制器的表达形式

3.3.2 基于PID结构的间接自校正控制

3.4 具有前馈补偿的零极点配置间接自校正控制

3.4.1 过程参数已知时的前馈补偿零极点配置

3.4.2 间接自校正控制算法

3.5 直接自校正控制

3.5.1 最小相位系统的情况

3.5.2 非最小相位系统的情况

3.5.3 直接和间接自校正混合算法

本章小结

习题

第4章 随机性和预测性自校正控制

4.1 最小方差自校正控制

4.1.1 预测模型输出与最优输出预测估计

4.1.2 最小方差控制

4.1.3 最小方差自校正控制算法

4.2 广义最小方差自校正控制

4.2.1 广义最小方差控制

4.2.2 闭环系统性能讨论

4.2.3 广义最小方差自校正控制直接算法

4.3 多步预测自校正控制

4.3.1 模型与最优多步预测估计

4.3.2 Diophantine方程的递推求解

4.3.3 多步预测自校正控制间接算法

4.4 多步预测自校正控制的仿真举例

本章小结

习题

第5章 模型参考自适应控制

5.1 简单自适应控制系统

5.1.1 直接自适应控制

5.1.2 间接自适应控制

5.2 用梯度法设计自适应控制系统

5.2.1 MIT控制规律

5.2.2 MIT的规范化算法

5.3 李雅普诺夫稳定性与正实函数

5.3.1 李雅普诺夫稳定性理论概要

5.3.2 正实函数

5.4 用稳定性方法设计自适应控制系统

5.4.1 具有可调增益的模型参考自适应控制系统

5.4.2 状态变量可测时的模型参考自适应控制系统

5.5 利用输入-输出的模型参考自适应控制系统

5.5.1 被控对象相对阶为1即n－m=1的情况

5.5.2 被控对象相对阶为2即n－m=2的情况

5.6 模型参考自适应控制与自校正控制的关系

本章小结

习题

第6章 离散时间系统模型参考自适应控制

6.1 简单离散时间自适应控制系统

6.1.1 直接自适应控制

6.1.2 间接自适应控制

6.2 离散时间系统自适应控制的一般系统结构

6.3 模型已知时的参考控制

6.4 自适应控制系统

6.4.1 干扰d(k)=0时的自适应控制

6.4.2 具有d(k)∈L2的模型参考自适应控制系统的鲁棒性

6.4.3 对于有界干扰d(k)的鲁棒自适应控制

本章小结

第7章 非线性自适应控制

7.1 非线性自适应后推控制

7.1.1 反馈线性化与自适应反馈线性化

7.1.2 后推

7.1.3 自适应后推

7.2 自适应逆控制

7.2.1 执行器非线性与参数化非线性逆

7.2.2 状态反馈逆控制

7.2.3 输出反馈逆控制

7.3 基于Hammerstein模型的非线性自适应控制

7.3.1 Hammerstein模型

7.3.2 基于简便Hammerstein模型的非线性自适应控制

7.3.3 基于简便Hammerstein模型的自适应控制仿真

本章小结

第8章 基于人工神经网络的自适应控制

8.1 引言

8.2 人工神经网络基本概念与技术

8.2.1 神经元模型与网络连接

8.2.2 神经网络的训练（学习）方法

8.2.3 前向神经网络模型与学习算法

8.3 基于神经网络的系统辨识

8.3.1 前向建模

8.3.2 逆模型建立

8.4 神经网络模型参考自适应控制

8.4.1 间接神经网络模型参考自适应控制

8.4.2 直接神经网络模型参考自适应控制

8.5 神经网络自校正控制

8.5.1 直接神经网络自校正控制

8.5.2 间接神经网络自校正控制

8.6 径向基函数神经网络的内模控制设计与仿真［42］

8.6.1 内模控制原理与性质

8.6.2 系统设计

8.6.3 网络参量收敛于极小点的性质

8.6.4 仿真与比较

8.6.5 结论

本章小结

第9章 基于模糊逻辑的自适应控制

9.1 模糊理论基本概念与模糊控制

9.1.1 模糊理论基本概念

9.1.2 模糊控制

9.2 模糊自适应控制

9.2.1 模糊自适应控制系统结构

9.2.2 模糊自适应控制器工作原理

9.3 模糊模型参考自适应控制

9.4 间接型模糊自适应控制

9.4.1 被控对象与控制要求

9.4.2 控制器与监督器

9.4.3 自适应调节规律

9.4.4 模糊控制器的设计

9.5 工业机器人的模糊自适应控制^(55,56)

9.5.1 系统结构

9.5.2 赋值表、控制状态表和控制查询表

9.5.3 参数自动调整与调节特性

9.5.4 系统的响应

本章小结

习题

第10章 自适应控制的应用

10.1 自适应控制应用概述

10.2 丙烯聚合反应过程的自校正控制^(57)

10.2.1 工艺流程及其特点

10.2.2 控制器设计

10.2.3 应用效果

10.3 光学跟踪望远镜的模型参考自适应控制^(58)

10.3.1 关于被控对象

10.3.2 控制系统结构与自适应规律设计

10.3.3 现场测试与控制效果

10.4 一个模型参考自适应控制系统的设计与仿真

10.4.1 系统设计

10.4.2 控制算法与程序编写

10.4.3 仿真结果与讨论

10.5 液位对象的自校正动态矩阵控制^(59)

10.5.1 液位对象与控制要求

10.5.2 动态矩阵控制机理

10.5.3 系统设计

10.5.4 检验与结论

本章小结

参考文献