声明
插图索引
第1章 绪 论
1.1 课题研究背景和意义
1.1.1 研究的背景及意义
1.1.2 多模型自适应控制系统简介
1.2 多模型控制方法概述
1.2.1多模型库的建立
1.2.2模型切换策略
1.2.3多模型控制系统的稳定性
1.3多模型自适应控制
1.3.1 多模型自适应控制方法的一般描述
1.3.2 多模型自适应控制算法
1.3.3 现有研究方法的不足
1.4 本文的主要内容及章节安排
第2章 预备知识
2.1 递推最小二乘算法
2.2 定义和定理
2.2.1 函数全局有界性
2.2.2 范数的基本概念
2.2.3 紧集定义
2.2.4 必然等价原理
2.3 信号增长率
2.4 本章小结
第3章 基于神经网络的非线性系统多模型自适应控制
3.1 引言
3.2 问题描述
3.3 基于BP神经网络的非线性系统辨识
3.3.1 BP神经网络
3.3.2 非线性系统辨识
3.4 基于RBF神经网络的非线性系统辨识
3.4.1 RBF神经网络
3.4.2 非线性系统辨识
3.5 非线性系统的多模型库构建
3.5.1 基于系统线性部分的固定模型和自适应模型建立
3.5.2 基于系统非线性部分的神经网络模型建立
3.6 控制器设计
3.7 切换准则
3.8 仿真验证
3.9 本章小结
第4章 基于聚类方法和神经网络的非线性系统多模型自适应控制
4.1 引言
4.2 问题描述
4.3 非线性系统多模型库建立
4.3.1 基于聚类方法的固定模型建立
4.3.2 自适应模型建立
4.3.3 非线性神经网络模型建立
4.4 控制器设计
4.5 切换准则
4.6 多模型自适应控制算法
4.7 稳定性分析
4.8 仿真验证
4.9 本章小结
第5章 一种基于动态优化模型库的多模型自适应控制
5.1 引言
5.2 问题描述
5.3 基于动态优化模型库的多模型建立
5.3.1 线性局部模型建立
5.3.2 自由运行自适应模型建立
5.3.3 模型库的动态优化
5.3.4 可重新赋值自适应模型建立
5.3.5 非线性神经网络预测模型建立
5.4 控制器设计
5.5 切换准则
5.6 仿真验证
5.7 本章小结
总结与展望
总结
展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
