文摘
英文文摘
独创性声明及学位论文版权使用授权书
第一章绪论
1.1自适应控制概述
1.2无模型直接自适应控制
1.3随机逼近算法
1.4本论文的主要内容及工作安排
第二章随机逼近算法
2.1 RM随机逼近算法与KW随机逼近算法
2.2同时扰动随机逼近(SPSA)算法
2.2.1标准SPSA算法的具体形式
2.2.2估计梯度和真实梯度的关系
2.2.3算法的基本假设及收敛性分析
2.2.4渐近正态性分析
2.2.5实际应用及注意事项
2.3一些关于SPSA的扩充
2.4自适应同时扰动随机逼近算(Adaptive SPSA,ASPSA)
2.4.1自适应同时扰动算法的基本形式(假设系统为P维的)
2.4.2收敛性及渐近性分析
2.4.3 Adaptive SPSA算法的应用及注意事项
2.5修正的自适应同时扰动随机逼近算法
2.5.1一种新的正定映射fk及矩阵条件数和ASPSA的关系
2.5.2 MASPSA算法的渐近性分析
第三章迭代反馈调节(IFT)和直接自适应神经网络控制(DA-NNC)及其改进形式
3.1前言
3.2迭代反馈调节(iterative feedback tuning,IFT)
3.2.1建立目标函数
3.2.2目标函数最小化
3.2.3梯度的估计及搜索方向的修正
3.3直接自适应神经网络控制(DA-NNC)
3.3.1函数逼近器(FA)作为控制器
3.3.2 FA的参数估计
3.3.3收敛性分析
3.3.4针对DA-NNC的一些改进形式
3.3.5补偿器混合控制
3.4本章小结
第四章虚拟参考直接自适应控制
4.1虚拟参考概念及方法结构
4.2滤波器L(z)
4.3数据存在噪声干扰
4.4 AR参数模型谱估计
4.4.1概述
4.4.2参数模型法谱估计
4.5加入滤波器的虚拟参考自适应控制
第五章虚拟参考模型自适应控制仿真实验
参考文献
硕士期间发表论文
致 谢