《神经网络控制理论》求取 ⇩

目录1

第一部分 非线性系统的模型描述1

第一章　非线性系统建模的一般理论1

1.1　泛函级数法1

1.2　多值非线性5

1.3　从框图出发的系统6

1.4　结构检验7

1.5　双线性系统8

1.6　参数估计8

1.7　基于神经网络的系统建模9

1.8　正交级数描述方法10

1.9　飞机大迎角建模方法10

1.10　结论11

第二章　正交级数描述方法及应用12

2.1　正交级数描述及其性质12

2.2　第二类正交多项式在线性系统最优控制中的应用16

2.3　线性、双线性系统的辨识问题18

2.4　线性时变与双线性系统的最优控制问题22

3.1　神经元的基本模型24

第三章　神经网络模型及其新结构24

3.2　前向网络26

3.3　反馈网络28

3.4 自组织神经网络32

3.5　随机神经网络36

3.6　神经网络专家系统39

3.7　控制系统中常用的几种神经网络43

3.8　神经网络的逼近特性44

3.9　改进正交多项式网络46

4.1　神经网络极点配置法51

第二部分 神经网络控制方法及应用51

第四章　线性系统的神经网络控制51

4.2　神经网络输出反馈方法58

4.3　神经网络观测器实现方法60

4.4　神经网络解耦控制61

4.5　神经网络最优控制方法63

第五章　线性系统神经网络自适应控制68

5.1　神经网络自适应方法的结构68

5.2　自校正控制方法71

5.3　模型参考自适应控制75

5.4　神经网络自校正控制80

5.5　神经网络模型参考自适应控制82

第六章　非线性系统的神经网络控制有关问题85

6.1　神经网络反馈控制系统85

6.2　神经网络模型参考控制89

6.3　神经网络学习控制方法90

7.1　SISO非线性系统的自适应控制100

第七章　非线性系统神经网络自适应控制中的若干问题100

7.2　MIMO非线性系统的神经网络模型参考自适应控制105

7.3　递阶神经网络控制系统109

7.4　神经网络自适应控制中存在的问题111

第三部分 神经网络的学习问题115

第八章　神经网络模型结构的确定方法115

8.1　神经网络模型结构的确定115

8.2　U-D分解的多项式类模型确定新方法120

8.3　U-D分解的AIC模型辨识新判据及优选算法127

9.1　递推模型和参数辨识方法134

第九章　U-D分解的在线模型辨识方法134

9.2　飞行器非线性气动特性辨识问题136

第十章　静态神经网络学习算法142

10.1 静态神经网络的学习算法回顾142

10.2　神经网络学习的U-D分解优化新方法150

10.3　大型网络学习问题157

10.4　罚函数法158

10.5　BFGS罚函数法的全局收敛性161

11.1　动态神经网络168

第十一章　动态神经网络学习方法168

11.2　离线极大似然学习方法170

11.3　在线极大似然学习方法172

第十二章　神经网络控制在特定动力学系统中的应用179

12.1　特定动力学系统分析179

12.2　控制策略分析选择183

12.3　神经网络的训练183

12.4　鲁棒性分析185

12.5　仿真结果分析186

参考文献191