| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 自适应容错控制概述 | 第13-21页 |
| 1.2.1 故障诊断概述 | 第13-17页 |
| 1.2.2 自适应控制概述 | 第17-21页 |
| 1.3 预备知识 | 第21-24页 |
| 1.3.1 神经网络近似原理 | 第22-23页 |
| 1.3.2 增强学习算法 | 第23-24页 |
| 1.4 论文主要工作 | 第24-26页 |
| 第二章 基于Backstepping的离散多变量系统的状态反馈容错控制 | 第26-46页 |
| 2.1 引言 | 第26-27页 |
| 2.2 问题描述和预备知识 | 第27-28页 |
| 2.3 控制器设计 | 第28-35页 |
| 2.4 仿真算例 | 第35-44页 |
| 2.5 小结 | 第44-46页 |
| 第三章 基于分散式输出反馈的离散多变量系统神经网络容错控制 | 第46-70页 |
| 3.1 引言 | 第46-47页 |
| 3.2 问题描述和预备知识 | 第47-48页 |
| 3.3 坐标系变换 | 第48-51页 |
| 3.4 基于最少调节参数的容错控制 | 第51-58页 |
| 3.5 仿真算例 | 第58-67页 |
| 3.6 小结 | 第67-70页 |
| 第四章 基于增强学习算法的多变量离散系统的容错控制 | 第70-92页 |
| 4.1 引言 | 第70-71页 |
| 4.2 问题描述和预备知识 | 第71-73页 |
| 4.2.1 系统描述 | 第71-72页 |
| 4.2.2 预备知识和控制目标 | 第72-73页 |
| 4.3 基于增强学习的容错控制设计 | 第73-81页 |
| 4.3.1 执行网络及其权重自适应律 | 第73-75页 |
| 4.3.2 评判网络及其自适应律 | 第75-77页 |
| 4.3.3 性能结果及稳定性分析 | 第77-81页 |
| 4.4 仿真算例 | 第81-89页 |
| 4.5 小结 | 第89-92页 |
| 第五章 基于最少调节参数的多变量离散系统的最优容错控制 | 第92-118页 |
| 5.1 引言 | 第92-93页 |
| 5.2 问题描述和预备知识 | 第93-95页 |
| 5.2.1 问题描述 | 第93-94页 |
| 5.2.2 预备知识以及主要控制目标 | 第94-95页 |
| 5.3 基于增强学习的自适应跟踪容错控制设计 | 第95-100页 |
| 5.3.1 执行网络设计 | 第95-97页 |
| 5.3.2 评判网络设计 | 第97-99页 |
| 5.3.3 执行网络和评判网络的更新律 | 第99-100页 |
| 5.4 基于增强学习的容错控制的性能分析 | 第100-104页 |
| 5.5 仿真算例 | 第104-116页 |
| 5.6 小结 | 第116-118页 |
| 第六章 基于数据的多变量无模型离散系统的容错控制 | 第118-138页 |
| 6.1 引言 | 第118-119页 |
| 6.2 问题描述和预备知识 | 第119-120页 |
| 6.3 故障检测机制 | 第120-121页 |
| 6.4 基于回声状态网的容错控制 | 第121-129页 |
| 6.4.1 基于回声状态网的故障估计 | 第121-123页 |
| 6.4.2 容错控制器设计 | 第123-129页 |
| 6.5 仿真算例 | 第129-136页 |
| 6.6 小结 | 第136-138页 |
| 第七章 结论与展望 | 第138-140页 |
| 参考文献 | 第140-152页 |
| 攻读博士学位期间的研究成果 | 第152-156页 |
| 致谢 | 第156-158页 |
| 个人简历 | 第158-160页 |
