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
RBF神經網絡自適應控制及MATLAB仿真(第3版) 版權信息
- ISBN：9787302682578
- 條形碼：9787302682578 ; 978-7-302-68257-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
RBF神經網絡自適應控制及MATLAB仿真(第3版) 本書特色
本書特色
（1） 神經網絡控制算法重點研究學科交叉部分的前沿內容，并介紹有潛力的新思想、新方法，同時又兼顧基本概念、基本理論和基本設計方法。
（2） 針對每種神經網絡控制算法給出了完整的MATLAB仿真程序，并給出了程序的說明和仿真結果，具有很強的可讀性。
（3） 著重從應用領域角度出發，突出理論聯系實際，面向廣大工程技術人員，具有很強的工程性和實用性。書中同時提供了大量應用實例及其結果分析，為讀者提供了有益的借鑒。
（4） 書中給出的各種神經網絡控制算法非常完整，其程序結構設計簡潔明了，便于自學和進一步開發。
學習資源
仿真程序
注：提供全書配套仿真程序，便于讀者動手實踐。上述文件可到清華大學出版社網站本書頁面（或“人工智能科學與技術”微信公眾號）下載。
RBF神經網絡自適應控制及MATLAB仿真(第3版) 內容簡介
"本書結合典型機械系統控制的實例，系統地介紹了神經網絡控制的基本理論、基本方法和應用技術。本書是作者多年來從事控制系統教學和科研工作的結晶，同時融入了國內外同行近年來所取得的新成果。 全書共分16章，包括緒論、RBF神經網絡的設計與仿真、基于梯度下降法的RBF神經網絡控制、自適應RBF神經網絡控制、RBF神經網絡滑模控制、基于模型整體逼近的自適應RBF控制、基于局部逼近的自適應RBF控制、基于RBF神經網絡的動態面自適應控制、數字RBF神經網絡控制、離散神經網絡控制、自適應RBF觀測器設計及滑模控制、基于RBF神經網絡的反演自適應控制、基于RBF神經網絡的自適應容錯控制、基于RBF神經網絡的自適應量化控制、基于RBF神經網絡的控制輸出受限控制和基于RBF神經網絡的控制方向未知的狀態跟蹤。每種控制方法都通過MATLAB進行了仿真分析。 "
RBF神經網絡自適應控制及MATLAB仿真(第3版)RBF神經網絡自適應控制及MATLAB仿真(第3版) 前言
神經網絡控制出現于20世紀80年代，經歷了幾十年的發展，已形成了一個相對獨立的研究分支，成為智能控制系統的一種設計方法，適用于線性與非線性系統、連續與離散系統、確定性與不確定性系統、集中參數與分布參數系統、集中控制與分散控制系統等。
神經網絡具有高度并行的結構、強大的學習能力、連續非線性函數逼近能力、容錯能力等優點，極大地促進與拓展了神經網絡技術在非線性系統辨識與控制中的應用。在實際工業過程中，存在著非線性、未建模動態、不可測噪聲以及多環路等問題，這些問題對控制系統設計提出了很大的挑戰。
與傳統的控制策略相比，神經網絡在如下幾方面具有優勢。
（1） 神經網絡對任意函數都具有學習能力，神經網絡的自學習能力可避免在傳統自適應控制理論中占有重要地位的復雜數學分析。
（2） 針對傳統控制方法不能解決的高度非線性控制問題，多層神經網絡的隱含層神經元采用了激活函數，具有非線性映射功能，這種映射可以逼近任意非線性函數，為解決非線性控制問題提供了有效的解決途徑。
（3） 傳統自適應控制方法需要模型先驗信息來設計控制方案，由于神經網絡的逼近能力，控制器不需要具體的模型信息。因此，神經網絡控制可以被廣泛用于解決具有不確定模型的控制問題。
（4） 在神經網絡大規模并行處理架構下，網絡的某些節點損壞并不影響整個神經網絡的整體性能，有效地提高了控制系統的容錯性。
有關神經網絡控制理論及其工程應用，近年來已有大量的論文發表。作者多年來一直從事智能控制及應用方面的研究和教學工作，為了促進神經網絡控制和自動化技術的進步，反映神經網絡控制設計與應用中的*新研究成果，并使廣大工程技術人員能了解、掌握和應用這一領域的*新技術，學會用MATLAB語言進行徑向基函數(Radial Basis Function,ＲＢＦ)神經網絡控制器的設計，作者編寫了這本書，以期拋磚引玉，供廣大讀者學習參考。
本書是作者在總結多年研究成果的基礎上，進一步使其理論化、系統化、規范化、實用化而成，其特點如下。
（1） 書中給出的ＲＢＦ神經網絡控制算法簡單，內容先進，取材著重于基本概念、基本理論和基本設計方法。
（2） 本書針對每種ＲＢＦ神經網絡控制算法給出了完整的MATLAB仿真程序，并給出了程序的說明和仿真結果，具有很強的可讀性。
（3） 著重從應用角度，突出理論聯系實際，面向廣大工程技術人員，具有很強的工程性和實用性，書中有大量應用實例及其結果分析，為讀者提供了有益的借鑒。
（4） 所給出的各種ＲＢＦ神經網絡控制算法完整，程序設計結構力求簡單明了，便于讀者自學和進一步開發。
全書共分19章。第1章為緒論，介紹神經網絡控制的基本原理及其在理論和應用方面的發展狀況，并介紹了一種簡單的自適應控制設計方法； 第2章介紹RBF神經網絡的設計與仿真、影響ＲＢＦ神經網絡的參數及離線建模方法； 第3章介紹基于梯度下降法的RBF神經網絡控制方法，包括基于RBF神經網絡的監督控制、基于RBF神經網絡的模型參考自適應控制和ＲＢＦ自校正控制三種方法； 第4章介紹幾種簡單的RBF神經網絡自適應控制的設計和分析方法； 第5章介紹RBF神經網絡滑？刂频脑O計及分析方法，并引入了一種基于神經網絡*小參數學習法的自適應滑？刂品椒； 第6章和第7章分別介紹基于模型整體逼近的自適應RBF控制和基于局部逼近的自適應RBF控制，并以機械臂控制為例給出了控制器的設計和分析實例； 第8章以柔性機械臂的控制為例，介紹基于RBF神經網絡的自適應動態面控制的設計和分析方法； 第9章介紹RBF神經網絡自適應控制的離散化方法； 第10章介紹離散系統的RBF神經網絡控制器設計及離散控制系統的穩定性分析方法； 第11章介紹自適應RBF神經網絡觀測器的設計和分析方法； 第12章介紹基于RBF神經網絡的反演自適應控制方法； 第13章介紹基于RBF神經網絡的自適應容錯控制方法； 第14章介紹基于RBF神經網絡的自適應量化控制方法； 第15章介紹基于RBF神經網絡的控制輸出受限控制； 第16章介紹基于RBF神經網絡的控制方向未知的狀態跟蹤； 第17章介紹基于RBF神經網絡逼近的多智能體一致性控制； 第18章介紹基于模糊RBF神經網絡逼近的自適應控制； 第19章介紹基于RBF神經網絡的事件驅動滑模控制。
本書是作者在原有的英文版著作RBF Neural Network Control for Mechanical Systems—Design,Analysis and Matlab Simulation（LIU J K,Tsinghua & Springer Press,2013）和原有的中文版著作《RBF神經網絡自適應控制及MATLAB仿真》（第2版）（北京: 清華大學出版社，2014）基礎上撰寫的，并做了適當的增減。
本書是在MATLAB的R2021a環境下開發的，各章節具有很強的獨立性，讀者可以結合自己的研究方向深入地進行學習。
在本書的編寫過程中得到了新加坡國立大學葛樹志教授的熱情支持和寶貴建議，在此表示感謝。
由于作者水平有限，書中難免存在一些不足和疏漏之處，歡迎廣大讀者批評指正。
劉金琨
2024年10月于北京航空航天大學
RBF神經網絡自適應控制及MATLAB仿真(第3版) 目錄
第1章緒論
1.1神經網絡控制
1.1.1神經網絡控制的提出
1.1.2神經網絡控制概述
1.1.3自適應RBF神經網絡概述
1.2RBF神經網絡
1.3機器人RBF神經網絡控制
1.4控制系統S函數設計
1.4.1S函數介紹
1.4.2S函數基本參數
1.4.3實例
1.5簡單自適應控制系統設計實例
1.5.1系統描述
1.5.2自適應控制律設計
1.5.3仿真實例
附錄仿真程序
參考文獻
第2章RBF神經網絡設計與仿真
2.1RBF神經網絡算法及仿真
2.1.1RBF神經網絡算法設計
2.1.2RBF神經網絡設計實例及MATLAB仿真
2.2基于梯度下降法的RBF神經網絡逼近
2.2.1RBF神經網絡逼近
2.2.2仿真實例
2.3高斯函數的參數對RBF神經網絡逼近的影響
2.4隱含層節點數對RBF神經網絡逼近的影響
2.5RBF神經網絡的建模訓練
2.5.1RBF神經網絡訓練
2.5.2仿真實例
2.6RBF神經網絡逼近
附錄仿真程序
參考文獻
第3章基于梯度下降法的RBF神經網絡控制
3.1基于RBF神經網絡的監督控制
3.1.1RBF監督控制
3.1.2仿真實例
3.2基于RBF神經網絡的模型參考自適應控制
3.2.1控制系統設計
3.2.2仿真實例
3.3RBF神經網絡自校正控制
3.3.1系統描述
3.3.2RBF控制算法設計
3.3.3仿真實例
附錄仿真程序
參考文獻
第4章自適應RBF神經網絡控制
4.1基于神經網絡逼近的自適應控制
4.1.1系統描述
4.1.2自適應RBF控制器設計
4.1.3仿真實例
4.2基于神經網絡逼近的未知參數自適應控制
4.2.1系統描述
4.2.2自適應控制設計
4.2.3仿真實例
4.3基于RBF神經網絡的直接魯棒自適應控制
4.3.1系統描述
4.3.2理想反饋控制和函數逼近
4.3.3控制器設計及分析
4.3.4仿真實例
4.4基于RBF神經網絡的單參數直接魯棒自適應控制
4.4.1系統描述
4.4.2仿真實例
附錄仿真程序
參考文獻
第5章RBF神經網絡滑？刂
5.1經典滑？刂破髟O計
5.2基于RBF神經網絡的二階SISO系統的滑？刂
5.2.1系統描述
5.2.2基于RBF神經網絡逼近f(·)的滑模控制
5.2.3仿真實例
5.3基于RBF逼近未知函數f(·)和g(·)的滑？刂
5.3.1引言
5.3.2仿真實例
5.4基于神經網絡*小參數學習法的自適應滑？刂
5.4.1問題描述
5.4.2基于RBF神經網絡逼近的自適應控制
5.4.3仿真實例
附錄仿真程序
參考文獻
第6章基于模型整體逼近的自適應RBF控制
6.1基于RBF神經網絡補償的機器人自適應控制
6.1.1系統描述
6.1.2RBF神經網絡逼近
6.1.3RBF神經網絡控制和自適應律設計及分析
6.1.4仿真實例
6.2基于滑模魯棒項的RBF神經網絡機器人控制
6.2.1系統描述
6.2.2RBF逼近
6.2.3控制律設計及穩定性分析
6.2.4仿真實例
6.3基于HJI理論和RBF神經網絡的魯棒控制
6.3.1HJI定理
6.3.2控制器設計及穩定性分析
6.3.3仿真實例
附錄仿真程序
參考文獻
第7章基于局部逼近的自適應RBF控制
7.1基于名義模型的機械臂魯棒控制
7.1.1系統描述
7.1.2控制器設計
7.1.3穩定性分析
7.1.4仿真實例
7.2基于局部模型逼近的自適應RBF機械臂控制
7.2.1問題描述
7.2.2控制器設計
7.2.3穩定性分析
7.2.4仿真實例
7.3工作空間機械臂的神經網絡自適應控制
7.3.1關節角位置與工作空間直角坐標的轉換
7.3.2機械臂的神經網絡建模
7.3.3控制器的設計
7.3.4仿真實例
附錄仿真程序
參考文獻
第8章基于RBF神經網絡的動態面自適應控制
8.1簡單動態面控制的設計與分析
8.1.1系統描述
8.1.2動態面控制器的設計
8.1.3動態面控制器的分析
8.1.4仿真實例
8.2飛行器航跡角自適應神經網絡動態面控制
8.2.1系統描述
8.2.2自適應神經網絡動態面控制設計
8.2.3穩定性分析
8.2.4仿真實例
8.3柔性關節機械臂自適應RBF神經網絡動態面魯棒控制
8.3.1問題描述
8.3.2自適應RBF神經網絡動態面控制器設計
8.3.3閉環系統穩定性分析
8.3.4仿真驗證
附錄仿真程序
參考文獻
第9章數字RBF神經網絡控制
9.1自適應RungeKuttaMerson法
9.1.1引言
9.1.2仿真實例
9.2SISO系統的數字自適應控制
9.2.1引言
9.2.2仿真實例
9.3兩關節機械臂的數字自適應RBF控制
9.3.1引言
9.3.2仿真實例
附錄仿真程序
參考文獻
第10章離散神經網絡控制
10.1離散神經網絡控制概述
10.2一類離散非線性系統的直接RBF控制
10.2.1系統描述
10.2.2控制算法設計和穩定性分析
10.2.3仿真實例
10.3一類離散非線性系統的自適應RBF控制
10.3.1系統描述
10.3.2經典控制器設計
10.3.3自適應神經網絡控制器設計
10.3.4穩定性分析
10.3.5仿真實例
附錄仿真程序
參考文獻
第11章自適應RBF觀測器設計及滑？刂
11.1自適應RBF觀測器設計
11.1.1系統描述
11.1.2自適應RBF觀測器設計
11.1.3仿真實例
11.2基于RBF自適應觀測器的滑模控制
11.2.1滑？刂破髟O計
11.2.2仿真實例
附錄仿真程序
參考文獻
第12章基于RBF神經網絡的反演自適應控制
12.1一種二階非線性系統的反演控制
12.1.1基本原理
12.1.2仿真實例
12.2一種三階非線性系統的反演控制
12.2.1系統描述
12.2.2反演控制器設計
12.2.3仿真實例
12.3基于RBF神經網絡的二階非線性系統反演控制
12.3.1基本原理
12.3.2RBF神經網絡原理
12.3.3控制算法設計與分析
12.3.4仿真實例
12.4高階非線性系統反演控制
12.4.1系統描述
12.4.2反演控制器的設計
12.5基于RBF神經網絡的高階非線性系統自適應反演控制
12.5.1系統描述
12.5.2反演控制律設計
12.5.3自適應律的設計
12.5.4仿真實例
附錄仿真程序
參考文獻
第13章基于RBF神經網絡的自適應容錯控制
13.1SISO系統執行器自適應容錯控制
13.1.1控制問題描述
13.1.2控制律的設計與分析
13.1.3仿真實例
13.2基于RBF神經網絡的自適應容錯控制
13.2.1控制問題描述
13.2.2RBF神經網絡設計
13.2.3控制律的設計與分析
13.2.4仿真實例
13.3基于傳感器和執行器容錯的自適應控制
13.3.1系統描述
13.3.2控制器設計與分析
13.3.3仿真實例
13.4基于傳感器和執行器容錯的神經網絡自適應控制
13.4.1系統描述
13.4.2控制器設計與分析
13.4.3神經網絡逼近
13.4.4仿真實例
附錄仿真程序
參考文獻
第14章基于RBF神經網絡的自適應量化控制
14.1執行器自適應量化控制
14.1.1系統描述
14.1.2量化控制器設計與分析
14.1.3仿真實例
14.2基于RBF神經網絡的執行器自適應量化控制
14.2.1系統描述
14.2.2RBF神經網絡設計
14.2.3量化控制器設計與分析
14.2.4仿真實例
附錄仿真程序
參考文獻
第15章基于RBF神經網絡的控制輸出受限控制
15.1輸出受限引理
15.2基于位置輸出受限控制算法設計
15.2.1系統描述
15.2.2控制器的設計
15.2.3仿真實例
15.3基于RBF神經網絡的輸出受限控制
15.3.1系統描述
15.3.2RBF神經網絡原理
15.3.3控制器的設計
15.3.4仿真實例
附錄仿真程序
參考文獻
第16章基于RBF神經網絡的控制方向未知的狀態跟蹤
16.1控制方向未知的狀態跟蹤
16.1.1系統描述
16.1.2控制律的設計
16.1.3仿真實例
16.2基于RBF神經網絡的控制方向未知的狀態跟蹤
16.2.1系統描述
16.2.2RBF神經網絡設計
16.2.3控制律的設計
16.2.4仿真實例
附錄仿真程序
參考文獻
第17章基于RBF神經網絡逼近的多智能體一致性控制
17.1多智能體系統一致性控制
17.1.1代數圖論
17.1.2系統描述
17.1.3控制器的設計
17.1.4仿真實例
17.2基于RBF神經網絡逼近的多智能體系統一致性控制
17.2.1系統描述
17.2.2基于RBF神經網絡逼近f(·)的滑？刂
17.2.3控制器的設計
17.2.4仿真實例
附錄仿真程序
參考文獻
第18章基于模糊RBF神經網絡逼近的自適應控制
18.1模糊RBF神經網絡
18.1.1模糊RBF神經網絡設計
18.1.2模糊神經網絡的學習算法
18.1.3仿真實例
18.2基于模糊RBF神經網絡的自適應控制
18.2.1系統描述
18.2.2基于模糊RBF神經網絡逼近f(·)的滑？刂
18.2.3仿真實例
附錄仿真程序
參考文獻
第19章基于RBF神經網絡的事件驅動滑？刂
19.1基于事件驅動的滑？刂
19.1.1系統描述
19.1.2控制器設計
19.1.3芝諾分析
19.1.4仿真實例
19.2基于神經網絡的事件驅動滑模控制
19.2.1系統描述
19.2.2RBF神經網絡逼近
19.2.3控制器設計
19.2.4芝諾分析
19.2.5仿真實例
附錄仿真程序
參考文獻
展開全部
RBF神經網絡自適應控制及MATLAB仿真(第3版) 作者簡介
劉金琨 北京航空航天大學自動化科學與電氣工程學院教授，博士生導師，研究方向為控制理論與應用。曾于浙江大學工業控制技術研究所、香港科技大學從事研究工作；1999年11月至今在北京航空航天大學自動化科學與電氣工程學院從事教學與科研工作，主講“智能控制”“先進控制系統設計”“系統辨識”等課程。先后主持國家自然科學基金等科研項目10余項，發表學術論文100余篇。曾出版《先進PID控制MATLAB仿真》《機器人控制系統的設計與MATLAB仿真》《滑模變結構控制MATLAB仿真》《RBF神經網絡自適應控制MATLAB仿真》《系統辨識》《微分器設計與應用——信號濾波與求導》《智能控制——理論基礎、算法設計與應用》等著作10余部。
書友推薦
- >
巴金－再思錄
- >
我與地壇
- >
朝聞道
- >
莉莉和章魚
- >
經典常談
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
