| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 切换系统 | 第12-18页 |
| 1.2.1 切换系统的描述 | 第13-14页 |
| 1.2.2 切换系统的分析和综合 | 第14-17页 |
| 1.2.3 多模型切换控制与切换策略 | 第17-18页 |
| 1.3 智能控制 | 第18-21页 |
| 1.3.1 神经网络控制 | 第18-20页 |
| 1.3.2 迭代学习控制 | 第20-21页 |
| 1.4 后推法 | 第21页 |
| 1.5 本文的研究内容 | 第21-23页 |
| 1.6 本章小结 | 第23-24页 |
| 第二章 一类严格反馈非线性切换系统的自适应神经网络动态面控制 | 第24-40页 |
| 2.1 引言 | 第24-25页 |
| 2.2 预备知识 | 第25-27页 |
| 2.2.1 基本概念 | 第25-26页 |
| 2.2.2 RBF神经网络逼近函数理论 | 第26-27页 |
| 2.2.3 Young’s不等式 | 第27页 |
| 2.3 问题描述 | 第27-28页 |
| 2.4 自适应神经网络动态面控制器设计 | 第28-32页 |
| 2.5 稳定性分析 | 第32-35页 |
| 2.6 仿真实验 | 第35-36页 |
| 2.7 本章小结 | 第36-40页 |
| 第三章 一类纯反馈非线性切换系统的预设性能自适应神经网络动态面控制 | 第40-63页 |
| 3.1 引言 | 第40-42页 |
| 3.2 问题描述及预备知识 | 第42-44页 |
| 3.3 误差转换 | 第44-45页 |
| 3.4 自适应神经网络动态面控制器设计 | 第45-53页 |
| 3.5 稳定性分析 | 第53-56页 |
| 3.6 仿真实验 | 第56-58页 |
| 3.7 本章小结 | 第58-63页 |
| 第四章 一类不确定时滞切换离散系统的单调收敛迭代学习控制 | 第63-83页 |
| 4.1 引言 | 第63-64页 |
| 4.2 预备知识 | 第64-66页 |
| 4.3 问题描述及学习控制律设计 | 第66-70页 |
| 4.3.1 系统描述 | 第66-67页 |
| 4.3.2 混合迭代学习控制律 | 第67-68页 |
| 4.3.3 迭代学习控制的2D分析 | 第68-70页 |
| 4.4 单调收敛性分析 | 第70-75页 |
| 4.4.1 标称系统的单调收敛性条件 | 第70-73页 |
| 4.4.2 不确定系统的鲁棒单调收敛性条件 | 第73-75页 |
| 4.5 仿真实验 | 第75-82页 |
| 4.6 本章小结 | 第82-83页 |
| 第五章 切换策略与SVM的快速建模方法 | 第83-97页 |
| 5.1 切换策略及其分类特性 | 第83-84页 |
| 5.1.1 切换策略 | 第83-84页 |
| 5.1.2 切换策略的分类特性 | 第84页 |
| 5.2 SVM分类器 | 第84-87页 |
| 5.2.1 SVM分类器简介及其参数优化 | 第84-86页 |
| 5.2.2 特征空间中的类间距离(ICDF) | 第86-87页 |
| 5.3 SVM的快速建模方法 | 第87-93页 |
| 5.3.1 提出ICDF的性质 | 第88-90页 |
| 5.3.2 MGSA算法 | 第90-91页 |
| 5.3.3 SVM快速建模方法的具体实现 | 第91-93页 |
| 5.4 实验分析 | 第93-96页 |
| 5.5 本章小结 | 第96-97页 |
| 总结与展望 | 第97-100页 |
| 参考文献 | 第100-118页 |
| 攻读博士学位期间取得的研究成果 | 第118-120页 |
| 致谢 | 第120-121页 |
| 附件 | 第121页 |
