基于RBF网络辨识的模型参考自适应控制系统分析与仿真
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-13页 |
| ·课题研究的背景和意义 | 第10页 |
| ·模型参考自适应控制的国内外研究现状分析 | 第10-12页 |
| ·本论文的主要内容及结构 | 第12-13页 |
| 第2章 模型参考自适应控制理论 | 第13-19页 |
| ·自适应控制理论 | 第13-14页 |
| ·自适应控制的定义及特点 | 第13页 |
| ·自适应控制系统结构及原理 | 第13-14页 |
| ·自适应控制的分类 | 第14页 |
| ·模型参考自适应控制 | 第14-15页 |
| ·模型参考自适应控制分类 | 第14页 |
| ·模型参考自适应控制结构及原理 | 第14-15页 |
| ·模型参考自适应控制系统设计方法 | 第15页 |
| ·模型参考自适应控制设计基础 | 第15-18页 |
| ·确定性系统参数估计的梯度算法 | 第15-16页 |
| ·Lyapunov稳定性理论 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 经典控制方法的分析与仿真 | 第19-37页 |
| ·用梯度法设计自适应控制系统 | 第19-26页 |
| ·MIT控制规律及规范化算法 | 第19-23页 |
| ·仿真分析 | 第23-26页 |
| ·基于稳定性理论设计控制规律 | 第26-30页 |
| ·具有可调增益的MRAC自适应律 | 第26-28页 |
| ·仿真分析 | 第28-30页 |
| ·利用输入-输出的控制系统分析与仿真 | 第30-35页 |
| ·利用输入-输出设计系统的一般步骤 | 第30-31页 |
| ·仿真实例 | 第31-35页 |
| ·三种经典设计方法的比较 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 径向基网络辨识器分析与优化 | 第37-62页 |
| ·神经网络系统辨识的基本理论 | 第38-41页 |
| ·系统辨识的基本结构 | 第38页 |
| ·神经网络系统辨识的原理及特点 | 第38-39页 |
| ·神经网络系统辨识的非线性模型 | 第39-41页 |
| ·径向基函数神经网络的训练 | 第41-43页 |
| ·径向基函数神经网络基本结构 | 第41-42页 |
| ·RBF神经网络的映射 | 第42页 |
| ·K-means算法的原理及步骤 | 第42-43页 |
| ·K-means算法的局限性 | 第43页 |
| ·K-MEANS算法改进 | 第43-51页 |
| ·优化初始聚类中心K-means算法 | 第44-45页 |
| ·排除离群点K-means算法 | 第45页 |
| ·混合优化K-means算法 | 第45-50页 |
| ·利用K-means算法训练RBF神经网络 | 第50-51页 |
| ·系统辨识仿真分析 | 第51-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于RBF网络辨识的MRAC系统仿真分析 | 第62-76页 |
| ·PID控制原理 | 第62-63页 |
| ·基于RBF网络辨识的单神经元PID MRAC | 第63-75页 |
| ·单神经元PID控制的学习规则 | 第63页 |
| ·单神经元PID控制的学习算法 | 第63-64页 |
| ·单神经元PID MRAC结构及原理 | 第64-65页 |
| ·控制系统仿真分析 | 第65-75页 |
| ·本章小结 | 第75-76页 |
| 总结与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文 | 第82-83页 |
