基于多模型切换的智能控制研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-27页 |
| ·研究背景与意义 | 第13-17页 |
| ·多模型控制研究现状 | 第17-24页 |
| ·多模型集的建立 | 第18-22页 |
| ·多模型集的优化 | 第22-23页 |
| ·多模型切换控制的稳定性研究 | 第23-24页 |
| ·本文工作 | 第24-27页 |
| 第二章 预备知识 | 第27-31页 |
| ·向量范数基本概念 | 第27-28页 |
| ·范数 | 第27页 |
| ·奇异值 | 第27-28页 |
| ·基本引理 | 第28-29页 |
| ·LYAPUNOV 稳定性 | 第29-31页 |
| ·稳定性定义 | 第29-30页 |
| ·Lyapunov 稳定性 | 第30-31页 |
| 第三章 基于在线学习的多模型自适应控制 | 第31-42页 |
| ·引言 | 第31-32页 |
| ·问题的描述 | 第32-33页 |
| ·多模型自适应控制 | 第33-37页 |
| ·系统结构 | 第33-34页 |
| ·自适应模型的参数估计 | 第34-35页 |
| ·动态模型库 | 第35-36页 |
| ·切换策略 | 第36-37页 |
| ·稳定性分析 | 第37-39页 |
| ·仿真研究 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 神经网络多模型切换控制 | 第42-54页 |
| ·引言 | 第42-43页 |
| ·基于RBF 神经网络的多模型切换控制 | 第43-50页 |
| ·最近邻聚类学习算法 | 第44-45页 |
| ·RBF 神经网络在线建模 | 第45-50页 |
| ·控制器设计 | 第50页 |
| ·切换控制策略 | 第50-51页 |
| ·仿真研究 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第五章 基于递阶结构的多模型自适应控制 | 第54-66页 |
| ·引言 | 第54-55页 |
| ·问题的描述 | 第55页 |
| ·递阶结构的多模型控制 | 第55-61页 |
| ·基本工况级 | 第56-57页 |
| ·控制模型级 | 第57-61页 |
| ·切换策略 | 第61-62页 |
| ·稳定性分析 | 第62-63页 |
| ·仿真实例 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第六章 RBF 神经网络动态补偿的多模型控制 | 第66-81页 |
| ·引言 | 第66-67页 |
| ·问题的描述 | 第67-74页 |
| ·连续时间系统情形 | 第67-71页 |
| ·离散时间系统情形 | 第71-74页 |
| ·基于RBF 神经网络补偿控制器的设计 | 第74-77页 |
| ·基于神经网络的辨识模型NNI | 第75-76页 |
| ·神经网络补偿器NNC 的设计 | 第76-77页 |
| ·模型切换策略 | 第77-78页 |
| ·仿真实例 | 第78-80页 |
| ·小结 | 第80-81页 |
| 第七章 非线性系统的模糊多模型控制 | 第81-93页 |
| ·引言 | 第81页 |
| ·非线性系统的多模型描述 | 第81-82页 |
| ·模糊多模型控制系统结构 | 第82-83页 |
| ·控制量加权系数的计算 | 第83-85页 |
| ·控制器的设计 | 第85-86页 |
| ·稳定性分析 | 第86-89页 |
| ·数值仿真 | 第89-92页 |
| ·小结 | 第92-93页 |
| 第八章 锅炉过热汽温多模型切换控制 | 第93-105页 |
| ·引言 | 第93-95页 |
| ·多模型过热汽温控制系统设计 | 第95-102页 |
| ·过热汽温静态和动态特性分析 | 第95-100页 |
| ·过热汽温多模型建立 | 第100-101页 |
| ·切换策略 | 第101页 |
| ·典型工况下控制器设计及参数整定 | 第101-102页 |
| ·仿真研究 | 第102-104页 |
| ·模型与控制器匹配及不匹配情形下阶跃扰动试验 | 第102-104页 |
| ·变工况试验 | 第104页 |
| ·小结 | 第104-105页 |
| 第九章 结束语 | 第105-107页 |
| ·全文总结 | 第105-106页 |
| ·尚需进一步研究的问题 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-118页 |
| 作者简介 | 第118-119页 |
