掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
非高斯隨機分布系統建模、分析與控制理論 版權信息
- ISBN：9787030612588
- 條形碼：9787030612588 ; 978-7-03-061258-8
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
非高斯隨機分布系統建模、分析與控制理論 內容簡介
非高斯隨機系統廣泛存在。相對于以期望和方差為優化指標的高斯隨機系統，非高斯隨機系統控制問題是一個長期存在的理論難題。本書系統和全面地總結了作者十幾年來在非高斯隨機分布系統建模、分析、控制、濾波和優化方面的理論研究成果，主要內容包括基于動靜混合神經網絡的智能學習建模、隨機分布泛函算子建模、多目標凸優化隨機分布控制器設計、*小熵與統計信息集合控制、泛函算子系統魯棒隨機分布控制、隨機分布系統濾波和故障檢測。本書不僅系統研究了非高斯隨機系統，而且涉及魯棒控制、抗干擾控制、模糊控制、神經網絡控制、自適應控制和迭代學習控制等方法，可應用于濾波、估計以及故障檢測、故障診斷等研究方向，在智能科學、數據科學等領域具有潛在的應用意義。
非高斯隨機分布系統建模、分析與控制理論 目錄
目錄前言主要符號說明第1章 非高斯隨機分布系統理論概述 11.1 研究背景與研究意義 11.2 研究動態與發展現狀 31.2.1 非高斯隨機分布系統的智能學習模型 41.2.2 非高斯隨機分布系統的分布泛函模型 61.2.3 廣義*小熵控制與統計信息集合優化 71.2.4 隨機分布濾波與故障檢測 81.3 本書主要內容 8第2章 數學基礎 112.1 隨機變量的概念 112.2 一元隨機變量函數 122.2.1 隨機變量g(X) 122.2.2 g(X)的分布及概率密度函數的確定 132.2.3 均值和方差 132.2.4 g(X)的均值 142.2.5 矩 142.3 多元分布 152.3.1 多元分布函數 152.3.2 多元分布概率密度函數 152.3.3 邊緣分布 162.3.4 條件分布與條件期望 162.3.5 *立性 172.3.6 全概率公式與全期望公式 172.4 熵 182.4.1 離散隨機變量的熵 182.4.2 互信息 192.4.3 連續隨機變量的熵 202.4.4 熵的計算 212.4.5 由近似計算估計熵值(僅適用于一維隨機變量) 222.4.6 r-Renyi熵 242.5 Bellman*優化原理 252.6 Borel可測函數 252.7 PDF轉換定律 26第3章 連續時間隨機分布系統多目標PID控制 283.1 輸出概率分布樣條逼近 283.2 非線性權動態建模和PID控制器設計 303.3 基于凸優化的多目標控制算法 323.3.1 自治系統穩定性及L1性能優化控制 323.3.2 廣義閉環系統穩定性分析、動態跟蹤及L1性能優化控制 353.3.3 權動態約束性能分析 373.4 仿真算例 393.5 本章小結 41第4章 離散時間隨機分布系統多目標PI控制 424.1 方根B樣條網絡逼近及離散權動態模型 424.2 廣義離散PI控制器設計 444.3 基于凸優化的多目標控制算法 454.3.1 自治離散系統穩定性及L1性能優化控制 454.3.2 離散閉環系統穩定性分析、狀態跟蹤及L1性能優化控制 484.3.3 權動態約束性能分析 514.4 仿真算例 524.5 本章小結 54第5章 隨機分布系統迭代學習控制 555.1 問題描述 555.1.1 帶有可調參數的動態樣條逼近 555.1.2 迭代學習控制器設計 565.2 迭代學習優化算法 575.2.1 H1優化控制 575.2.2 L1優化跟蹤控制 585.3 仿真算例 615.4 本章小結 64第6章 隨機分布系統自適應控制 656.1 基于兩步神經網絡模型參數自適應隨機分布控制算法 666.1.1 線性樣條神經網絡逼近 666.1.2 基于參數自適應算法的動態神經網絡模型辨識 676.1.3 動態神經網絡模型自適應反饋跟蹤控制 706.1.4 仿真算例 1736.2 基于兩步神經網絡模型受限PI隨機分布控制算法 766.2.1 方根樣條神經網絡逼近 766.2.2 基于參數自適應算法的時滯動態神經網絡模型辨識 776.2.3 時滯動態神經網絡模型受限PI多目標跟蹤控制 806.2.4 仿真算例 2836.2.5 仿真算例 3866.3 本章小結 89第7章 隨機分布系統抗干擾模糊控制 907.1 模糊邏輯系統概率分布逼近 917.2 T-S模糊權動態模型的確立 927.3 基于擾動觀測器的模糊控制器設計 947.4 基于凸優化的多目標控制算法 967.5 仿真算例 1037.6 本章小結 108第8章 基于動態神經網絡的統計信息集合跟蹤控制 1098.1 統計信息跟蹤控制問題描述 1098.2 未知死區模型和動態神經網絡辨識 1108.3 帶有Nussbaum函數的跟蹤控制算法 1148.4 仿真算例 1168.5 本章小結 118第9章 非高斯智能學習模型的故障檢測與診斷 1199.1 系統描述 1199.2 時滯相關故障檢測 1219.3 故障診斷 1249.4 仿真算例 1269.5 本章小結 129第10章 非高斯隨機分布泛函模型的累積PDF控制 13010.1 問題描述 13010.1.1 系統模型 13010.1.2 累積的性能指標函數 13110.1.3 輸出PDF和輸入PDF之間的關系 13210.2 輸出PDF控制 13310.2.1 控制器設計 13310.2.2 鎮定控制器設計 13510.3 仿真算例 13710.4 本章小結 139第11章 隨機分布泛函模型的魯棒控制 14111.1 問題描述 14111.1.1 系統模型 14111.1.2 輸出PDF和魯棒跟蹤性能指標 14211.2 魯棒PDF控制 14611.3 鎮定控制器設計 14611.4 仿真算例 14811.5 本章小結 151第12章 隨機分布泛函模型的*小熵濾波 15212.1 問題描述 15212.1.1 系統模型與濾波模型 15212.1.2 濾波器設計 15312.1.3 混合概率和混合PDF 15412.2 誤差PDF的計算 15512.3 *小熵濾波 15712.4 仿真算例 16012.5 本章小結 161第13章 隨機分布泛函模型的故障檢測 16213.1 狀態空間模型下的非線性系統故障檢測 16213.1.1 系統模型與濾波 16213.1.2 誤差統計信息 16313.1.3 性能指標函數 16513.1.4 誤差PDF的簡化算法 16713.1.5 *優故障檢測濾波器設計方法 16913.1.6 仿真算例 117013.2 NARMAX系統故障檢測 17313.2.1 NARMAX模型 17313.2.2 故障檢測濾波與性能指標 17513.2.3 誤差PDF計算 17513.2.4 *優故障檢測濾波器設計方法 17713.2.5 仿真算例 217813.3 本章小結 180參考文獻 181索引 188
展開全部
書友推薦
- >
唐代進士錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經-先民的歌唱
- >
名家帶你讀魯迅:故事新編
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
自卑與超越
- >
莉莉和章魚
- >
煙與鏡
本類暢銷
