摘要 | 第5-7页 |
Abstract | 第7-9页 |
第一章 绪论 | 第13-24页 |
1.1 引言 | 第13页 |
1.2 最优控制理论概述 | 第13-15页 |
1.3 神经网络自适应控制理论概述 | 第15-16页 |
1.4 基于神经网络的近似动态规划理论概述 | 第16-22页 |
1.4.1 动态规划的基本理论 | 第16-18页 |
1.4.2 基于神经网络的近似动态规划基本理论 | 第18-20页 |
1.4.3 基于神经网络的近似动态规划的发展历程及研究现状 | 第20-22页 |
1.5 本文主要工作 | 第22-24页 |
第二章 一类带有外部扰动和摩擦的机械系统的神经网络跟踪控制 | 第24-41页 |
2.1 引言 | 第24-25页 |
2.2 问题描述 | 第25-26页 |
2.3 控制器设计 | 第26-30页 |
2.3.1 针对外部扰动的神经网络加速前馈补偿器设计 | 第27页 |
2.3.2 针对摩擦的神经网络前馈补偿器设计 | 第27-28页 |
2.3.3 RISE反馈项设计 | 第28-30页 |
2.4 稳定性分析 | 第30-33页 |
2.5 仿真研究 | 第33-39页 |
2.6 小结 | 第39-41页 |
第三章 一类连续非仿射非线性系统的鲁棒自适应评价设计 | 第41-66页 |
3.1 引言 | 第41-42页 |
3.2 基于神经网络的鲁棒自适应评价设计 | 第42-53页 |
3.2.1 问题描述 | 第42页 |
3.2.2 基于NN的鲁棒自适应评价设计 | 第42-45页 |
3.2.3 稳定性分析 | 第45-48页 |
3.2.4 仿真研究 | 第48-53页 |
3.3 基于模糊小波神经网络的鲁棒自适应评价设计 | 第53-65页 |
3.3.1 问题描述 | 第53-55页 |
3.3.2 基于FWN的鲁棒自适应评价设计 | 第55-56页 |
3.3.3 稳定性分析 | 第56-61页 |
3.3.4 仿真研究 | 第61-65页 |
3.4 小结 | 第65-66页 |
第四章 基于数据的一类未知连续非线性系统的鲁棒近似最优跟踪控制 | 第66-86页 |
4.1 引言 | 第66-67页 |
4.2 问题描述 | 第67页 |
4.3 数据驱动模型的建立 | 第67-70页 |
4.4 基于ADP的近似最优跟踪控制器设计 | 第70-76页 |
4.4.1 评价NN设计 | 第71-72页 |
4.4.2 控制NN设计 | 第72-73页 |
4.4.3 稳定性分析 | 第73-76页 |
4.5 基于ADP的鲁棒近似最优跟踪控制设计 | 第76-77页 |
4.6 仿真研究 | 第77-82页 |
4.7 小结 | 第82-86页 |
第五章 基于GHJB方法的一类离散非线性系统的带约束近似最优控制 | 第86-99页 |
5.1 引言 | 第86-87页 |
5.2 问题描述 | 第87-89页 |
5.3 基于GHJB方法的带约束近似最优控制器设计 | 第89-94页 |
5.3.1 基于C-GHJB方程的迭代算法及其收敛性证明 | 第89-92页 |
5.3.2 基于C-GHJB方程的迭代算法的神经网络实现 | 第92-94页 |
5.4 仿真研究 | 第94-95页 |
5.5 小结 | 第95-99页 |
第六章 基于数据的一类离散零和对策的自适应评价设计 | 第99-112页 |
6.1 引言 | 第99-100页 |
6.2 问题描述 | 第100-101页 |
6.3 基于数据的一类离散零和对策的自适应评价设计 | 第101-108页 |
6.3.1 基于数据的系统状态方程 | 第101-103页 |
6.3.2 基于数据的最优性能指标函数和最优控制策略 | 第103-107页 |
6.3.3 基于数据的迭代ACD算法 | 第107-108页 |
6.4 仿真研究 | 第108-111页 |
6.5 小结 | 第111-112页 |
第七章 基于单网络ADP的一类非线性非零和对策的近似最优控制 | 第112-132页 |
7.1 引言 | 第112-113页 |
7.2 问题描述 | 第113-115页 |
7.3 基于单网络ADP的近似最优控制 | 第115-120页 |
7.4 稳定性分析 | 第120-125页 |
7.5 仿真研究 | 第125-131页 |
7.6 小结 | 第131-132页 |
第八章 问题与展望 | 第132-134页 |
参考文献 | 第134-146页 |
攻读博士学位期间的研究成果 | 第146-148页 |
致谢 | 第148-149页 |
个人简历 | 第149页 |