掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
系統辨識與自識應控制MATLAB仿真-(第3版) 版權信息
- ISBN：9787512424753
- 條形碼：9787512424753 ; 978-7-5124-2475-3
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
系統辨識與自識應控制MATLAB仿真-(第3版) 本書特色
《系統辨識與自適應控制MATLAB仿真（第3版）》從MATLAB仿真角度出發，系統地介紹系統辨識與自適應控制的基本理論和方法。
《系統辨識與自適應控制MATLAB仿真（第3版）》內容主要分為三部分：第1部分為緒論；第二部分為線性系統辨識與自適應控制，包括系統辨識（如*小二乘法、梯度校正法和極大似然法）、模型參考自適應控制、自校正控制和基于常規控制策略的自校正控制；第三部分為非線性系統辨識與自適應控制，包括神經網絡辨識與控制、模糊控制與模糊神經網絡辨識和無模型自適應控制。書中每種算法都配有仿真實例、仿真程序、仿真結果以及對仿真結果的簡要分析，以便讀者深人理解和靈活運用系統辨識與自適應控制的基本理論和方法。
《系統辨識與自適應控制MATLAB仿真（第3版）》內容簡練，系統性和實用性強，可作為自動化相關專業本科高年級學生和碩士研究生的教學用書，也可供控制科學與工程相關領域的博士研究生、教師、科研人員以及技術開發人員閱讀和參考。
系統辨識與自識應控制MATLAB仿真-(第3版) 內容簡介
本書共8章，內容包括：緒論、系統辨識、模型參考自適應控制、自校正控制、基于常規控制策略的自校正控制和非線性系統辨識與控制(包括神經網絡和模糊控制)、非線性系統無模型自適應控制。
系統辨識與自識應控制MATLAB仿真-(第3版) 目錄
第1章 緒論
1．1 自適應控制問題的提出
1．2 自適應控制的種類
1．2．1 模型參考自適應控制系統
1．2．2 自校正控制系統
1．2．3 智能自適應控制系統
1．2．4 其他形式的自適應控制系統
1．3 自適應控制的應用現狀
1．3．1 在工業領域中的典型應用
1．3．2 在非工業領域中的應用
1．4 自適應控制存在的問題及發展方向
第2章 系統辨識
2．1 系統辨識概述
2．1．1 數學模型及建模方法
2．1．2 系統辨識的定義及其分類
2．1．3 參數模型
2．1．4 系統辨識的基本原理
2．1．5 系統辨識的步驟
2．2 白噪聲、M序列與噪信比
2．2．1 白噪聲與有色噪聲
2．2．2 M序列與逆M序列
2．2．3 噪信比
2．3 *小二乘參數估計法
2．3．1 批處理*小二乘法
2．3．2 遞推*小二乘法
2．3．3 遺忘因子遞推*小二乘法
2．3．4 遞推增廣*小二乘法
2．4 梯度校正參數估計法
2．4．1 確定性系統的梯度校正參數估計法
2．4．2 隨機牛頓法
2．5 極大似然參數估計法
2．6 多變量系統參數估計
第3章 模型參考自適應控制
3．1 連續系統數值積分基礎知識
3．1．1 歐拉法
3．1．2 龍格-庫塔法
3．2 基于梯度法的模型參考自適應控制
3．2．1 MIT自適應律
3．2．2 MIT歸一化算法
3．3 基于Lyapunov穩定性理論的模型參考自適應控制
3．3．1 Lyapunov穩定性理論與正實傳遞函數
3．3．2 可調增益Lyapunov-MRAC
3．3．3 系統狀態變量可測時的MRAC
3．3．4 Narendra穩定自適應控制器
3．4 離散時間模型參考自適應系統
3．4．1 二階系統的離散時間MRAS
3．4．2 n階系統的離散時間MRAS
第4章 自校正控制
4．1 Diophantine方程的求解
4．1．1 單步Diophantine方程的求解
4．1．2 多步Diophantine方程的求解
4．2 *小方差自校正控制
4．2．1 單步輸出預測
4．2．2 *小方差控制
4．2．3 *小方差間接自校正控制
4．2．4 *小方差直接自校正控制
4．3 廣義*小方差自校正控制
4．3．1 廣義*小方差控制
4．3．2 廣義*小方差間接自校正控制
4．3．3 廣義*小方差直接自校正控制
4．4 廣義預測控制
4．4．1 預測控制的提出
4．4．2 預測控制的基本機理
4．4．3 廣義預測控制
4．5 改進的廣義預測控制
4．5．1 基于CARIMA模型的JGPC
4．5．2 基于CARMA模型的JGPC
第5章 基于常規控制策略的自校正控制
5．1 極點配置自校正控制
5．1．1 極點配置控制
5．1．2 極點配置間接自校正控制
5．1．3 極點配置直接自校正控制
5．2 自校正PID控制
5．2．1 常規PID控制
5．2．2 自校正PID控制
第6章 神經網絡辨識與控制
6．1 基于BP神經網絡的系統辨識
6．1．1 BP神經網絡
6．1．2 基于局部誤差的BP神經網絡辨識
6．1．3 基于全局誤差的BP神經網絡辨識
6．2 基于RBF神經網絡的系統辨識與控制
6．2．1 RBF神經網絡
6．2．2 基于RBF神經網絡的系統辨識
6．2．3 基于RBF神經網絡的PID自校正控制
第7章 模糊控制與模糊神經網絡辨識
7．1 引言
7．2 模糊邏輯控制
7．2．1 模糊控制系統的設計
7．2．2 模糊控制M文件仿真
7．2．3 模糊控制Simulink仿真
7．3 模糊神經網絡辨識
7．3．1 模糊系統和神經網絡的比較
7．3．2 模糊神經網絡
7．3．3 關系度聚類方法
7．3．4 補償模糊神經網絡
7．3．5 基于聚類的補償模糊神經網絡辨識
第8章 無模型自適應控制
8．1 動態線性化技術
8．1．1 緊格式動態線性化方法（CFDL）
8．1．2 偏格式動態線性化方法（PFDL）
8．1．3 全格式動態線性化方法（FFDL）
8．2 SISO無模型自適應控制
8．2．1 基于CFDL的無模型自適應控制
8．2．2 基于PFDL的無模型自適應控制
8．2．3 基于FFDL的無模型自適應控制
8．3 MIMO無模型自適應控制
8．3．1 基于CFDL的MIMO無模型自適應控制
8．3．2 基于PFDL的MIMO無模型自適應控制
8．3．3 基于FFDL的MIMO無模型自適應控制
參考文獻
1．1 自適應控制問題的提出
1．2 自適應控制的種類
1．2．1 模型參考自適應控制系統
1．2．2 自校正控制系統
1．2．3 智能自適應控制系統
1．2．4 其他形式的自適應控制系統
1．3 自適應控制的應用現狀
1．3．1 在工業領域中的典型應用
1．3．2 在非工業領域中的應用
1．4 自適應控制存在的問題及發展方向
第2章 系統辨識
2．1 系統辨識概述
2．1．1 數學模型及建模方法
2．1．2 系統辨識的定義及其分類
2．1．3 參數模型
2．1．4 系統辨識的基本原理
2．1．5 系統辨識的步驟
2．2 白噪聲、M序列與噪信比
2．2．1 白噪聲與有色噪聲
2．2．2 M序列與逆M序列
2．2．3 噪信比
2．3 *小二乘參數估計法
2．3．1 批處理*小二乘法
2．3．2 遞推*小二乘法
2．3．3 遺忘因子遞推*小二乘法
2．3．4 遞推增廣*小二乘法
2．4 梯度校正參數估計法
2．4．1 確定性系統的梯度校正參數估計法
2．4．2 隨機牛頓法
2．5 極大似然參數估計法
2．6 多變量系統參數估計
第3章 模型參考自適應控制
3．1 連續系統數值積分基礎知識
3．1．1 歐拉法
3．1．2 龍格-庫塔法
3．2 基于梯度法的模型參考自適應控制
3．2．1 MIT自適應律
3．2．2 MIT歸一化算法
3．3 基于Lyapunov穩定性理論的模型參考自適應控制
3．3．1 Lyapunov穩定性理論與正實傳遞函數
3．3．2 可調增益Lyapunov-MRAC
3．3．3 系統狀態變量可測時的MRAC
3．3．4 Narendra穩定自適應控制器
3．4 離散時間模型參考自適應系統
3．4．1 二階系統的離散時間MRAS
3．4．2 n階系統的離散時間MRAS
第4章 自校正控制
4．1 Diophantine方程的求解
4．1．1 單步Diophantine方程的求解
4．1．2 多步Diophantine方程的求解
4．2 *小方差自校正控制
4．2．1 單步輸出預測
4．2．2 *小方差控制
4．2．3 *小方差間接自校正控制
4．2．4 *小方差直接自校正控制
4．3 廣義*小方差自校正控制
4．3．1 廣義*小方差控制
4．3．2 廣義*小方差間接自校正控制
4．3．3 廣義*小方差直接自校正控制
4．4 廣義預測控制
4．4．1 預測控制的提出
4．4．2 預測控制的基本機理
4．4．3 廣義預測控制
4．5 改進的廣義預測控制
4．5．1 基于CARIMA模型的JGPC
4．5．2 基于CARMA模型的JGPC
第5章 基于常規控制策略的自校正控制
5．1 極點配置自校正控制
5．1．1 極點配置控制
5．1．2 極點配置間接自校正控制
5．1．3 極點配置直接自校正控制
5．2 自校正PID控制
5．2．1 常規PID控制
5．2．2 自校正PID控制
第6章 神經網絡辨識與控制
6．1 基于BP神經網絡的系統辨識
6．1．1 BP神經網絡
6．1．2 基于局部誤差的BP神經網絡辨識
6．1．3 基于全局誤差的BP神經網絡辨識
6．2 基于RBF神經網絡的系統辨識與控制
6．2．1 RBF神經網絡
6．2．2 基于RBF神經網絡的系統辨識
6．2．3 基于RBF神經網絡的PID自校正控制
第7章 模糊控制與模糊神經網絡辨識
7．1 引言
7．2 模糊邏輯控制
7．2．1 模糊控制系統的設計
7．2．2 模糊控制M文件仿真
7．2．3 模糊控制Simulink仿真
7．3 模糊神經網絡辨識
7．3．1 模糊系統和神經網絡的比較
7．3．2 模糊神經網絡
7．3．3 關系度聚類方法
7．3．4 補償模糊神經網絡
7．3．5 基于聚類的補償模糊神經網絡辨識
第8章 無模型自適應控制
8．1 動態線性化技術
8．1．1 緊格式動態線性化方法（CFDL）
8．1．2 偏格式動態線性化方法（PFDL）
8．1．3 全格式動態線性化方法（FFDL）
8．2 SISO無模型自適應控制
8．2．1 基于CFDL的無模型自適應控制
8．2．2 基于PFDL的無模型自適應控制
8．2．3 基于FFDL的無模型自適應控制
8．3 MIMO無模型自適應控制
8．3．1 基于CFDL的MIMO無模型自適應控制
8．3．2 基于PFDL的MIMO無模型自適應控制
8．3．3 基于FFDL的MIMO無模型自適應控制
參考文獻
展開全部
書友推薦
- >
小考拉的故事-套裝共3冊
- >
有舍有得是人生
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
回憶愛瑪儂
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
本類暢銷
