神经网络控制技术及其应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络控制技术及其应用PDF格式电子书版下载

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

第一篇 理论与方法1

第一章 绪论1

1．1 控制理论的发展与面临的挑战1

1．2 神经网络技术的发展与现状3

1．3 神经网络与系统建模和控制5

1．3．1 神经网络建模6

1．3．2 神经网络控制8

1．3．3 当前神经网络控制的研究课题12

1．3．4 神经网络与模糊控制的结合13

1．4 电液伺服控制技术的发展与现状14

1．5 本书的内容及章节安排16

第二章 神经网络控制技术基础18

2．1 控制用神经元模型18

2．2 神经网络模型及其学习算法20

2．2．1 MFNN模型与BP算法20

2．2．2 DRNN模型与动态BP算法22

2．2．3 复合输入DRNN模型及其训练24

2．2．4 CMAC网络模型25

2．2．5 B样条神经网络模型27

2．3 神经网络的逼近能力分析29

2．4 神经网络的训练与BP算法存在的缺陷31

2．4．1 神经网络的训练31

2．4．2 BP算法存在的缺陷33

2．5 增广LPIDBP学习算法34

2．5．1 LPIDBP学习算法的推导34

2．5．2 仿真研究37

2．6 全局寻优自适应快速BP学习算法39

2．6．1 GCAQBP学习算法的推导39

2．6．2 GCAQBP学习算法性能分析41

2．7 本章小结42

第三章 非线性系统的神经网络辨识44

3．1 系统辨识的基本概念44

3．2 非线性系统神经网络辨识的可行性45

3．2．1 非线性系统辨识模型45

3．2．2 非线性系统辨识模型的神经网络实现45

3．3 非线性系统的神经网络辨识方法48

3．3．1 概述48

3．3．2 非线性静态系统的神经网络辨识50

3．3．3 非线性动态系统的神经网络辨识54

3．4．1 辨识结构及方法58

3．4 神经网络在线自适应跟踪辨识58

3．4．2 电液伺服系统仿真研究60

3．5 本章小结62

第四章 神经网络并行自学习鲁棒自适应跟踪控制63

4．1 引言63

4．3 神经网络并行自学习鲁棒自适应跟踪控制器设计64

4．3．1 控制器结构及工作原理64

4．2 跟踪控制问题描述64

4．3．2 自适应神经网络模型(ANNM)及其训练66

4．3．3 神经网络控制器(NNC)及其训练68

4．3．4 运行监控器70

4．3．5 鲁棒控制器(RC)70

4．3．6 NNPSLRATC的算法实现及其特点71

4．4 神经网络并行自学习鲁棒自适应控制系统的稳定性73

4．4．1 并行自学习系统的反馈稳定性73

4．4．2 鲁棒自适应跟踪系统的稳定性74

4．5．1 控制对象76

4．5 仿真研究76

4．5．2 仿真结果77

4．6 实验研究79

4．6．1 控制对象79

4．6．2 控制结果81

4．7 本章小结82

第五章 模型参考神经网络直接自适应控制83

5．1 引言83

5．2．1 控制器结构及控制算法85

5．2 广义PID神经网络直接自适应控制器设计85

5．2．2 仿真研究88

5．3 模型参考混合神经网络直接自适应控制器设计92

5．3．1 控制器结构及控制算法92

5．3．2 仿真研究95

5．4 本章小结96

第六章 神经网络在线自学习模糊自适应控制98

6．1 引言98

6．2 神经网络在线自学习模糊自适应控制器设计99

6．2．1 控制器结构及工作原理99

6．2．2 神经网络控制器(NNC)及其训练99

6．3 神经网络控制系统的能控性和稳定性分析103

6．4 实验研究105

6．4．1 控制对象及控制系统设计105

6．4．2 实验结果106

6．5 本章小结107

第七章 基于神经网络辨识模型的在线迭代学习控制109

7．1 引言109

7．2 基于神经网络辨识的模型参考递推控制原理110

7．3．1 迭代学习控制原理113

7．3 神经网络在线迭代学习控制算法113

7．3．2 神经网络在线迭代学习控制算法及收敛性分析114

7．4 仿真研究116

7．5 本章小结121

第二篇 应用与实现122

第八章 电液伺服板簧试验系统的神经网络自适应控制122

8．1 引言122

8．2 电液伺服板簧试验系统的数学描述123

8．3 基于范数空间的稳定性分析125

8．3．1 基本理论126

8．3．2 位置闭环系统稳定性分析128

8．3．3 力闭环系统稳定性分析131

8．4 电液伺服板簧试验系统特性研究133

8．4．1 静态特性试验133

8．4．2 位置控制特性试验134

8．4．3 力控制特性试验136

8．5 神经网络自适应控制试验研究137

8．5．1 位置伺服系统的神经网络控制137

8．5．2 力伺服系统的神经网络控制140

8．6 本章小结143

第九章 不对称缸电液伺服系统神经网络补偿非线性控制144

9．1 引言144

9．2 基本理论145

9．3 非线性系统反馈线性化设计147

9．3．1 一般方法147

9．3．2 非线性系统反馈线性化控制149

9．4 不对称缸电液伺服系统反馈线性化跟踪控制150

9．4．1 系统分析与设计150

9．4．2 仿真研究152

9．5．1 电液伺服系统不确定参数神经网络在线补偿方法156

9．5 神经网络参数在线自适应补偿控制156

9．5．2 仿真结果158

9．6 本章小结159

第十章 液压系统压力脉动神经网络自适应主动控制160

10．1 引言160

10．2 液压系统压力脉动主动控制原理161

10．2．1 脉动波相消性干涉的原理和实现条件161

10．2．2 液压系统压力脉动主动控制原理162

10．3 自适应压力脉动主动控制系统模型164

10．4 基于B样条神经网络的自适应压力脉动主动控制系统166

10．5 液压系统压力脉动主动控制仿真研究168

10．5．1 仿真系统设计168

10．5．2 主通道模型为线性模型的仿真结果169

10．5．3 主通道模型为非线性模型的仿真结果170

10．6 试验研究172

10．6．1 试验装置简介172

10．6．2 试验结果及分析173

10．7 本章小结175

11．1 工程背景176

第十一章 大型智能电液伺服结构试验系统176

11．2 大型结构试验系统概述177

11．3 电液伺服结构试验系统的研究现状与发展要求179

11．4 大型智能电液伺服结构试验系统设计180

11．4．1 神经网络智能伺服加载控制系统180

11．4．2 数据采集与分析系统184

11．4．3 电液执行机构187

11．5 实验研究189

11．5．1 静力与协调加载试验189

11．4．4 主要技术指标189

11．5．2 疲劳加载试验191

11．6 应用实例194

11．6．1 试验对象及要求194

11．6．2 加载及测试系统设计195

11．6．3 加载控制结果197

11．7 本章小结199

第十二章 结束语200

12．1 一般性结论200

12．2 未来的研究课题202

参考文献205