| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-10页 |
| 第一章 绪论 | 第10-23页 |
| ·非线性系统控制概述 | 第10-12页 |
| ·古典理论方法 | 第10-11页 |
| ·微分几何方法 | 第11页 |
| ·逆系统方法 | 第11页 |
| ·变结构控制 | 第11页 |
| ·非线性预测控制 | 第11-12页 |
| ·智能控制 | 第12页 |
| ·内模控制 | 第12-22页 |
| ·产生背景 | 第12-13页 |
| ·线性系统内模控制简介 | 第13-14页 |
| ·内模控制的研究现状 | 第14-22页 |
| ·内模控制中的建模方法 | 第14-16页 |
| ·内模控制器的设计 | 第16-18页 |
| ·滤波器的设计和改进 | 第18-19页 |
| ·内模控制结构的改进 | 第19-21页 |
| ·内模控制稳定性和鲁棒性的分析 | 第21页 |
| ·内模控制的实际应用 | 第21-22页 |
| ·本文内容安排 | 第22-23页 |
| 第二章 基于动态神经网络和模糊神经网络的非线性系统辨识 | 第23-40页 |
| ·预备知识和符号 | 第23-24页 |
| ·基于动态神经网络的非线性系统辨识 | 第24-33页 |
| ·动态神经网络基本结构 | 第24-25页 |
| ·改进的动态神经网络 | 第25-26页 |
| ·动态神经网络的逼近能力 | 第26-29页 |
| ·辨识结构和算法 | 第29-32页 |
| ·辨识结构 | 第29-30页 |
| ·基于并联模式的鲁棒自适应学习算法 | 第30-32页 |
| ·仿真研究 | 第32-33页 |
| ·基于模糊神经网络的非线性系统辨识 | 第33-38页 |
| ·模糊神经网络基本结构 | 第33-34页 |
| ·基于LMF和LSM算法的聚类学习算法 | 第34-38页 |
| ·结构辨识 | 第35-36页 |
| ·参数辨识 | 第36-38页 |
| ·仿真研究 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第三章 一类单变量非线性系统的动态神经网络内模控制 | 第40-61页 |
| ·非线性系统的微分几何基础 | 第40-42页 |
| ·线性系统内模控制 | 第42-46页 |
| ·内模控制的结构 | 第42-43页 |
| ·内模控制的性质 | 第43-45页 |
| ·内模控制器的设计 | 第45页 |
| ·滤波器的设计 | 第45-46页 |
| ·一类非线性系统的动态神经内模控制 | 第46-58页 |
| ·系统描述 | 第46-47页 |
| ·动态神经网络模型及其相对阶 | 第47-49页 |
| ·单变量非线性内模控制结构 | 第49-50页 |
| ·闭环系统鲁棒稳定性和稳态性能分析 | 第50-53页 |
| ·非线性未建模动态的等价时变线性化 | 第50-51页 |
| ·鲁棒稳定性分析 | 第51-52页 |
| ·稳态性能分析 | 第52-53页 |
| ·控制量具有饱和约束时系统性能分析 | 第53-58页 |
| ·饱和非线性的等价处理 | 第53-55页 |
| ·饱和非线性对闭环系统的影响 | 第55-56页 |
| ·内模控制结构的改进 | 第56-58页 |
| ·仿真研究 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 一类多变量非线性系统的动态神经网络内模控制 | 第61-77页 |
| ·基于动态神经网络的内模控制 | 第61-67页 |
| ·系统描述 | 第61页 |
| ·动态神经网络模型及其相对阶 | 第61-63页 |
| ·多变量非线性内模控制结构 | 第63-65页 |
| ·闭环系统鲁棒稳定性和稳态性能分析 | 第65-67页 |
| ·鲁棒稳定性分析 | 第65-66页 |
| ·稳态性能分析 | 第66-67页 |
| ·基于观测器的动态神经网络内模控制 | 第67-73页 |
| ·系统描述 | 第68-69页 |
| ·滑模观测器的设计 | 第69-71页 |
| ·传统滑模观测器的设计 | 第69-70页 |
| ·滑模观测器的改进方法 | 第70-71页 |
| ·基于观测器的动态神经网络鲁棒辨识 | 第71-73页 |
| ·仿真研究 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 基于模糊神经网络的内模控制 | 第77-90页 |
| ·一类非线性系统的等价时变线性化 | 第77-79页 |
| ·非线性系统的T-S模糊神经网络模型 | 第79-82页 |
| ·模糊神经网络的线性时变特性 | 第79-81页 |
| ·模型的等价描述形式 | 第81-82页 |
| ·基于模糊神经网络模型的内模控制 | 第82-87页 |
| ·非线性内模控制结构 | 第82-83页 |
| ·鲁棒控制系统的μ方法 | 第83-84页 |
| ·基于μ方法的鲁棒稳定性分析 | 第84-85页 |
| ·基于μ综合的滤波器设计 | 第85-87页 |
| ·闭环系统稳态性能分析 | 第87页 |
| ·仿真研究 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 第六章 基于逆系统方法的模糊神经网络内模控制 | 第90-115页 |
| ·逆系统方法 | 第90-100页 |
| ·系统可逆性及逆系统 | 第90-92页 |
| ·SISO非线性系统的可逆性条件 | 第91-92页 |
| ·MIMO非线性系统的可逆性条件 | 第92页 |
| ·伪线性系统 | 第92-95页 |
| ·模糊神经网络模型 | 第95页 |
| ·基于模糊神经网络模型的逆系统 | 第95-99页 |
| ·SISO系统的模糊神经网络逆系统 | 第95-97页 |
| ·MIMO系统的模糊神经网络逆系统 | 第97-99页 |
| ·微分运算的近似实现 | 第99-100页 |
| ·单变量系统的模糊神经网络内模控制 | 第100-106页 |
| ·系统结构 | 第100-101页 |
| ·闭环系统鲁棒稳定性分析 | 第101-105页 |
| ·未建模动态满足线性增长条件 | 第101-103页 |
| ·未建模动态不满足线性增长条件 | 第103-105页 |
| ·闭环系统稳态性能分析 | 第105-106页 |
| ·多变量系统的模糊神经网络内模控制 | 第106-112页 |
| ·系统结构 | 第107页 |
| ·闭环系统鲁棒稳定性分析 | 第107-110页 |
| ·未建模动态满足线性增长条件 | 第107-108页 |
| ·未建模动态不满足线性增长条件 | 第108-110页 |
| ·闭环系统稳态性能分析 | 第110-112页 |
| ·仿真研究 | 第112-114页 |
| ·本章小结 | 第114-115页 |
| 结束语 | 第115-118页 |
| 1 工作总结 | 第115-116页 |
| 2 主要创新点 | 第116页 |
| 3 研究展望 | 第116-118页 |
| 致谢 | 第118-119页 |
| 作者在攻读博士期间发表的论文 | 第119-120页 |
| 参考文献 | 第120-128页 |
