| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 注释表 | 第13-14页 |
| 缩略词 | 第14-15页 |
| 第一章 绪论 | 第15-30页 |
| 1.1 课题的研究目的及意义 | 第15-17页 |
| 1.2 数据驱动控制的相关问题 | 第17-20页 |
| 1.2.1 数据驱动控制的定义 | 第17-18页 |
| 1.2.2 数据驱动控制的适用对象 | 第18-19页 |
| 1.2.3 无模型控制与基于模型的控制 | 第19-20页 |
| 1.3 国内外研究现状 | 第20-27页 |
| 1.3.1 基于SPSA的无模型控制 | 第20-21页 |
| 1.3.2 无模型自适应控制MFAC | 第21页 |
| 1.3.3 迭代反馈整定控制 | 第21-23页 |
| 1.3.4 虚拟参考反馈整定控制 | 第23-24页 |
| 1.3.5 迭代学习控制 | 第24-25页 |
| 1.3.6 基于懒惰学习的控制 | 第25页 |
| 1.3.7 去伪控制 | 第25-26页 |
| 1.3.8 自抗扰控制 | 第26-27页 |
| 1.4 主要研究内容及论文结构 | 第27-30页 |
| 第二章 二阶系统指令滤波Backstepping无模型控制 | 第30-43页 |
| 2.1 引言 | 第30页 |
| 2.2 模型辨识和状态估计 | 第30-34页 |
| 2.2.1 扩展状态观测器的设计 | 第31页 |
| 2.2.2 自适应神经网络观测器的设计 | 第31-34页 |
| 2.3 指令滤波Backstepping控制算法 | 第34-36页 |
| 2.4 仿真验证 | 第36-41页 |
| 2.4.1 船舶电力仿真系统 | 第36-38页 |
| 2.4.2 基于ESO的指令滤波Backstepping无模型自适应控制验证 | 第38-40页 |
| 2.4.3 基于NNO的指令滤波Backstepping无模型自适应控制验证 | 第40-41页 |
| 2.5 小结 | 第41-43页 |
| 第三章 基于高阶级联观测器的无模型控制 | 第43-58页 |
| 3.1 引言 | 第43页 |
| 3.2 问题描述 | 第43-47页 |
| 3.2.1 高阶级联观测器 | 第44-47页 |
| 3.3 无模型控制器的设计 | 第47-50页 |
| 3.3.1 SISO系统无模型控制器设计 | 第47-49页 |
| 3.3.2 MIMO系统无模型控制器设计 | 第49-50页 |
| 3.4 仿真验证 | 第50-57页 |
| 3.4.1 SISO系统无模型控制仿真 | 第50-53页 |
| 3.4.2 MIMO系统无模型控制仿真 | 第53-57页 |
| 3.5 小结 | 第57-58页 |
| 第四章 考虑控制输入饱和的无模型自适应控制 | 第58-72页 |
| 4.1 引言 | 第58页 |
| 4.2 问题描述 | 第58-60页 |
| 4.3 相关的基本理论 | 第60-63页 |
| 4.3.1 递归神经网络模型 | 第60-61页 |
| 4.3.2 基于RHONN的观测器 | 第61-63页 |
| 4.4 控制器的设计 | 第63-66页 |
| 4.4.1 无约束的输出反馈控制 | 第63-64页 |
| 4.4.2 有约束的输出反馈控制 | 第64-66页 |
| 4.5 仿真验证 | 第66-71页 |
| 4.5.1 风力发电机系统模型 | 第66-67页 |
| 4.5.2 风力发电机控制仿真验证 | 第67-71页 |
| 4.6 小结 | 第71-72页 |
| 第五章 基于观测器型PPD估计的无模型自适应控制 | 第72-87页 |
| 5.1 引言 | 第72页 |
| 5.2 无模型自适应控制系统的设计 | 第72-78页 |
| 5.2.1 紧格式动态线性化 | 第72-74页 |
| 5.2.2 伪偏导数矩阵参数估计 | 第74-75页 |
| 5.2.3 逆控制器的设计及稳定性分析 | 第75-78页 |
| 5.3 无模型自适应内模控制系统的设计 | 第78-80页 |
| 5.4 仿真验证 | 第80-86页 |
| 5.4.1 算例仿真验证 | 第80-83页 |
| 5.4.2 精馏塔的无模型自适应内模控制仿真验证 | 第83-86页 |
| 5.5 小结 | 第86-87页 |
| 第六章 PID类无模型自适应控制 | 第87-108页 |
| 6.1 引言 | 第87-88页 |
| 6.2 基于RBF-NN的约束无模型自适应控制 | 第88-98页 |
| 6.2.1 利用RBF-NN辨识Jacobian信息 | 第88-89页 |
| 6.2.2 基于RBF-NN的约束自适应PID控制 | 第89-90页 |
| 6.2.3 基于RBF-NN的自适应类PID控制 | 第90-92页 |
| 6.2.4 SOFC控制仿真模型 | 第92-94页 |
| 6.2.5 基于RBF-NN的约束PID控制仿真验证 | 第94-96页 |
| 6.2.6 类PID型神经网络控制仿真验证 | 第96-98页 |
| 6.3 基于即时学习的自适应PID控制 | 第98-107页 |
| 6.3.1 一种改进的即时学习辨识算法 | 第98-102页 |
| 6.3.2 基于即时学习的自适应PID控制器设计 | 第102-103页 |
| 6.3.3 连续搅拌釜式反应器仿真模型 | 第103-105页 |
| 6.3.4 数据完备情况的仿真验证 | 第105页 |
| 6.3.5 数据不完备情况的仿真验证 | 第105-107页 |
| 6.4 小结 | 第107-108页 |
| 第七章 总结与展望 | 第108-110页 |
| 7.1 总结 | 第108-109页 |
| 7.2 展望 | 第109-110页 |
| 参考文献 | 第110-123页 |
| 致谢 | 第123-124页 |
| 在学期间的研究成果及发表的学术论文 | 第124-125页 |
