| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 数据驱动控制研究现状 | 第11-19页 |
| 1.2.1 去伪控制 | 第12-13页 |
| 1.2.2 无模型自适应控制 | 第13-15页 |
| 1.2.3 虚拟参考反馈校正 | 第15-16页 |
| 1.2.4 迭代学习控制 | 第16-17页 |
| 1.2.5 迭代反馈校正 | 第17-19页 |
| 1.3 子空间辨识技术的基本理论 | 第19-21页 |
| 1.3.1 子空间的基 | 第19-20页 |
| 1.3.2 列空间、行空间与零空间 | 第20-21页 |
| 1.4 本文主要的研究工作 | 第21-22页 |
| 第2章 线性时不变系统数据驱动控制器设计 | 第22-38页 |
| 2.1 基于子空间辨识的线性时不变系统的数据模型 | 第22-24页 |
| 2.2 线性时不变系统数据驱动控制器设计 | 第24-28页 |
| 2.2.1 具有积分噪声LTI模型的增量形式的数据驱动控制器设计 | 第25-27页 |
| 2.2.2 包含前馈补偿的数据驱动控制器设计 | 第27-28页 |
| 2.3 噪声模型校正 | 第28-30页 |
| 2.4 仿真算例 | 第30-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 线性时变系统数据驱动控制器设计 | 第38-50页 |
| 3.1 引言 | 第38页 |
| 3.2 基于子空间辨识的线性时变系统预测器数据方程 | 第38-41页 |
| 3.3 预测器数据方程的更新 | 第41-44页 |
| 3.3.1 无约束和有约束限制的数据驱动控制器 | 第41页 |
| 3.3.2 吉文斯旋转寻优算法 | 第41-44页 |
| 3.3.3 遗忘因子 | 第44页 |
| 3.4 迭代更新数据驱动预测控制器设计 | 第44-45页 |
| 3.5 仿真算例 | 第45-47页 |
| 3.6 本章小结 | 第47-50页 |
| 第4章 Hammerstein系统数据驱动控制器设计 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 预备知识 | 第51-52页 |
| 4.2.1 问题描述 | 第51页 |
| 4.2.2 假设和定义 | 第51-52页 |
| 4.3 子空间闭环预测器数据方程 | 第52-54页 |
| 4.3.1 线性回归 | 第52-53页 |
| 4.3.2 预测器数据方程 | 第53-54页 |
| 4.4 闭环马尔可夫参数和Hammerstein非线性项的辨识 | 第54-57页 |
| 4.4.1 最小二乘支持向量机(LS-SVM) | 第55-56页 |
| 4.4.2 Hammerstein非线性项的估计 | 第56-57页 |
| 4.5 Hammerstein系统数据驱动预测控制器设计 | 第57-58页 |
| 4.6 算例仿真 | 第58-60页 |
| 4.7 本章小结 | 第60-62页 |
| 第5章 子空间H_∞数据驱动控制器设计 | 第62-80页 |
| 5.1 引言 | 第62-63页 |
| 5.2 子空间预测器数据方程 | 第63-64页 |
| 5.2.1 QR分解求解数据预测器系数 | 第63-64页 |
| 5.3 子空间H_∞数据驱动控制器设计 | 第64-75页 |
| 5.3.1 输出反馈混合灵敏度函数 | 第64-65页 |
| 5.3.2 子空间有限时域H_∞控制 | 第65-71页 |
| 5.3.3 移动窗口执行算法 | 第71-72页 |
| 5.3.4 简化移动窗口执行算法 | 第72-74页 |
| 5.3.5 自适应执行算法 | 第74-75页 |
| 5.4 仿真算例 | 第75-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88页 |
