| 前言 | 第1-11页 |
| 第一章 不确定系统概述 | 第11-17页 |
| ·不确定性存在的背景 | 第11页 |
| ·不确定系统的鲁棒控制理论 | 第11-12页 |
| ·不确定性的描述 | 第12-14页 |
| ·参数不确定模型 | 第12-13页 |
| ·非参数化不确定性 | 第13-14页 |
| ·Lyapunov 稳定定理 | 第14-17页 |
| 第二章 神经网络的基本原理 | 第17-27页 |
| ·神经网络概述 | 第17-20页 |
| ·控制用神经元模型 | 第17页 |
| ·神经元的结构 | 第17-19页 |
| ·神经网络的工作方式与学习规则 | 第19-20页 |
| ·反向传播神经网络 | 第20-23页 |
| ·网络结构 | 第20-21页 |
| ·BP 学习算法 | 第21-22页 |
| ·BP 算法存在的缺陷 | 第22-23页 |
| ·径向基函数神经网络 | 第23-27页 |
| ·网络结构 | 第24页 |
| ·RBF 网络学习方法 | 第24-26页 |
| ·相关问题 | 第26-27页 |
| 第三章 非线性不确定系统神经网络自适应控制 | 第27-39页 |
| ·引言 | 第27页 |
| ·自适应控制 | 第27-30页 |
| ·自适应控制定义 | 第28页 |
| ·功能及特点 | 第28页 |
| ·自适应控制系统的基本结构 | 第28-29页 |
| ·自适应控制技术的发展及应用 | 第29-30页 |
| ·跟踪控制问题 | 第30-31页 |
| ·非线性不确定系统神经网络自适应控制 | 第31-34页 |
| ·问题描述 | 第31-32页 |
| ·基于RBF 神经网络的自适应控制器设计 | 第32页 |
| ·稳定性分析 | 第32-33页 |
| ·仿真实例 | 第33-34页 |
| ·改进的非线性不确定系统神经网络自适应控制器 | 第34-38页 |
| ·基于RBF 神经网络的自适应控制器设计 | 第35页 |
| ·稳定性分析 | 第35-36页 |
| ·仿真实例 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第四章 不确定非线性时滞系统神经网络控制 | 第39-45页 |
| ·引言 | 第39页 |
| ·问题的提出 | 第39-40页 |
| ·主要结果 | 第40-43页 |
| ·仿真实例 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第五章 线性不确定系统神经网络滑模鲁棒控制 | 第45-57页 |
| ·引言 | 第45页 |
| ·变结构自适应控制 | 第45-49页 |
| ·切换面及切换控制律 | 第46-47页 |
| ·变结构控制系统设计 | 第47-48页 |
| ·变结构控制律设计 | 第48页 |
| ·变结构控制律的稳定性 | 第48-49页 |
| ·滑模变结构控制 | 第49-50页 |
| ·设计目标 | 第49页 |
| ·滑模面设计 | 第49-50页 |
| ·滑模条件 | 第50页 |
| ·抖振问题 | 第50页 |
| ·线性不确定系统神经网络滑模控制 | 第50-53页 |
| ·问题描述 | 第51页 |
| ·神经网络滑模控制器设计 | 第51-52页 |
| ·仿真实例 | 第52-53页 |
| ·基于神经网络的线性不确定系统滑模鲁棒控制 | 第53-56页 |
| ·问题描述 | 第53-54页 |
| ·鲁棒控制器的设计 | 第54-55页 |
| ·仿真实例 | 第55-56页 |
| ·神经网络滑模补偿控制器 | 第56页 |
| ·小结 | 第56-57页 |
| 第六章 基于鲁棒H_∞的非线性不确定时滞系统神经网络滑模控制 | 第57-66页 |
| ·引言 | 第57页 |
| ·鲁棒H_∞控制 | 第57-59页 |
| ·鲁棒H_∞控制问题 | 第58页 |
| ·基本定理 | 第58-59页 |
| ·非线性不确定时滞系统鲁棒控制器设计 | 第59-62页 |
| ·问题的提出 | 第60页 |
| ·鲁棒控制器的设计 | 第60-61页 |
| ·仿真实例 | 第61-62页 |
| ·神经网络滑模补偿控制器的设计 | 第62-65页 |
| ·稳定性分析 | 第62-63页 |
| ·仿真实例 | 第63-65页 |
| ·小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间发表的论文 | 第72-73页 |
| 中文详细摘要 | 第73-78页 |