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

非线性系统多模型自适应控制研究

摘要第9-10页
ABSTRACT第10-11页
第1章 绪论第14-26页
    1.1 课题研究背景和意义第14-17页
        1.1.1 研究的背景及意义第14-16页
        1.1.2 多模型自适应控制系统简介第16-17页
    1.2 多模型控制方法概述第17-21页
        1.2.1 多模型库的建立第17-19页
        1.2.2 模型切换策略第19-20页
        1.2.3 多模型控制系统的稳定性第20-21页
    1.3 多模型自适应控制第21-24页
        1.3.1 多模型自适应控制方法的一般描述第21页
        1.3.2 多模型自适应控制算法第21-24页
        1.3.3 现有研究方法的不足第24页
    1.4 本文的主要内容及章节安排第24-26页
第2章 预备知识第26-31页
    2.1 递推最小二乘算法第26-28页
    2.2 定义和定理第28-30页
        2.2.1 函数全局有界性第28-29页
        2.2.2 范数的基本概念第29页
        2.2.3 紧集定义第29页
        2.2.4 必然等价原理第29-30页
    2.3 信号增长率第30页
    2.4 本章小结第30-31页
第3章 基于神经网络的非线性系统多模型自适应控制第31-46页
    3.1 引言第31-32页
    3.2 问题描述第32-33页
    3.3 基于BP神经网络的非线性系统辨识第33-36页
        3.3.1 BP神经网络第33页
        3.3.2 非线性系统辨识第33-36页
    3.4 基于RBF神经网络的非线性系统辨识第36-39页
        3.4.1 RBF神经网络第36页
        3.4.2 非线性系统辨识第36-39页
    3.5 非线性系统的多模型库构建第39-40页
        3.5.1 基于系统线性部分的固定模型和自适应模型建立第39-40页
        3.5.2 基于系统非线性部分的神经网络模型建立第40页
    3.6 控制器设计第40-41页
    3.7 切换准则第41页
    3.8 仿真验证第41-45页
    3.9 本章小结第45-46页
第4章 基于聚类方法和神经网络的非线性系统多模型自适应控制第46-60页
    4.1 引言第46-47页
    4.2 问题描述第47页
    4.3 非线性系统多模型库建立第47-49页
        4.3.1 基于聚类方法的固定模型建立第47-48页
        4.3.2 自适应模型建立第48-49页
        4.3.3 非线性神经网络模型建立第49页
    4.4 控制器设计第49页
    4.5 切换准则第49-50页
    4.6 多模型自适应控制算法第50页
    4.7 稳定性分析第50-53页
    4.8 仿真验证第53-59页
    4.9 本章小结第59-60页
第5章 一种基于动态优化模型库的多模型自适应控制第60-73页
    5.1 引言第60-61页
    5.2 问题描述第61-62页
    5.3 基于动态优化模型库的多模型建立第62-65页
        5.3.1 线性局部模型建立第62页
        5.3.2 自由运行自适应模型建立第62页
        5.3.3 模型库的动态优化第62-64页
        5.3.4 可重新赋值自适应模型建立第64页
        5.3.5 非线性神经网络预测模型建立第64-65页
    5.4 控制器设计第65页
    5.5 切换准则第65页
    5.6 仿真验证第65-72页
    5.7 本章小结第72-73页
总结与展望第73-75页
参考文献第75-81页
致谢第81-82页
附录A 攻读学位期间所发表的学术论文目录第82页

论文共82页,点击 下载论文
上一篇:基于进化算法的约束多目标优化问题研究
下一篇:基于SAE多特征融合的静态手势识别方法研究