首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

数据驱动无模型自适应控制技术研究

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

论文共125页,点击 下载论文
上一篇:面向三维打印的复杂模型融合建模及优化关键技术研究
下一篇:菲利普·拉金《吉尔》翻译实践报告