| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·立方体控制研究的目的和意义 | 第7页 |
| ·神经网络控制的研究现状 | 第7-8页 |
| ·遗传算法的研究现状 | 第8-9页 |
| ·状态观测器的概况 | 第9-11页 |
| ·线性观测器的研究现状 | 第9-10页 |
| ·非线性观测器的研究现状 | 第10-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 2 立方体系统的建模与分析 | 第13-21页 |
| ·立方体系统概述 | 第13-14页 |
| ·硬件系统 | 第13-14页 |
| ·软件系统 | 第14页 |
| ·立方体系统的特性 | 第14-15页 |
| ·立方体系统的数学模型 | 第15-19页 |
| ·立方体系统的性能分析 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 立方体系统的LQR状态反馈控制 | 第21-33页 |
| ·LQR控制的基本原理 | 第21-22页 |
| ·立方体系统LQR控制器的设计与仿真 | 第22-24页 |
| ·立方体系统状态观测器的设计 | 第24-27页 |
| ·基于观测器的立方体系统LQR控制仿真 | 第27-31页 |
| ·对立方体系统的模型进行线性化处理后的情况 | 第27-30页 |
| ·立方体系统模型未经线性化处理的情况 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 4 立方体系统的进化RBF神经网络控制 | 第33-45页 |
| ·RBF神经网络控制器的设计 | 第33-37页 |
| ·RBF神经网络的基本原理 | 第33-34页 |
| ·RBF神经网络控制器 | 第34-37页 |
| ·遗传算法优化RBF神经网络控制器参数 | 第37-40页 |
| ·遗传算法的基本原理 | 第37-39页 |
| ·基于遗传算法的RBF网络参数优化 | 第39-40页 |
| ·RBF网络的RLS算法 | 第40-41页 |
| ·立方体系统的进化RBF神经网络控制仿真 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 5 立方体实物系统的实时控制 | 第45-53页 |
| ·立方体实物控制系统 | 第45-48页 |
| ·硬件组成 | 第45-46页 |
| ·软件系统 | 第46页 |
| ·立方体的Simulink模块 | 第46-48页 |
| ·立方体系统的LQR实时控制 | 第48-51页 |
| ·立方体系统的进化RBF神经网络实时控制 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 LIPSCHITZ非线性观测器设计及其在立方体系统中的应用研究 | 第53-64页 |
| ·LIPSCHITZ非线性系统观测器 | 第53-61页 |
| ·非线性系统观测器的定义 | 第53-55页 |
| ·Lipschitz非线性全维观测器设计 | 第55-57页 |
| ·Lipschitz非线性降维观测器设计 | 第57-59页 |
| ·仿真示例与分析 | 第59-61页 |
| ·立方体系统的非线性降维观测器 | 第61-63页 |
| ·立方体系统的非线性模型 | 第61-62页 |
| ·立方体系统的Lipschitz非线性降维观测器设计 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 7 结论与展望 | 第64-65页 |
| ·论文总结 | 第64页 |
| ·工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |