摘要 | 第5-8页 |
Abstract | 第8-11页 |
第一章 绪论 | 第15-27页 |
1.1 研究背景及意义 | 第15-16页 |
1.2 不确定非线性系统的研究现状 | 第16-17页 |
1.2.1 不确定非线性系统的自适应状态反馈控制 | 第16-17页 |
1.2.2 不确定非线性系统的自适应输出反馈控制 | 第17页 |
1.3 不确定非线性系统的容错控制研究现状 | 第17-19页 |
1.4 事件触发控制问题研究现状 | 第19-23页 |
1.4.1 基于仿真模拟方法的事件触发控制 | 第19-20页 |
1.4.2 事件触发机制与事件触发控制器协同设计方法 | 第20-21页 |
1.4.3 基于模型的事件触发控制 | 第21页 |
1.4.4 自适应事件触发控制方法研究 | 第21-22页 |
1.4.5 不确定连续非线性系统的自适应事件触发控制 | 第22-23页 |
1.5 本文主要工作 | 第23-27页 |
第二章 预备知识 | 第27-31页 |
2.1 一些引理 | 第27-28页 |
2.2 径向基函数神经网络 | 第28页 |
2.3 本文使用的符号 | 第28-29页 |
2.4 脉冲动力系统 | 第29-31页 |
第三章 带有执行器故障和输入量化的非线性系统自适应渐近跟踪控制 | 第31-51页 |
3.1 引言 | 第31-32页 |
3.2 问题描述 | 第32-35页 |
3.3 自适应容错控制设计和稳定性分析 | 第35-43页 |
3.3.1 自适应容错控制设计 | 第35-39页 |
3.3.2 稳定性分析 | 第39-43页 |
3.4 仿真算例 | 第43-49页 |
3.5 本章小结 | 第49-51页 |
第四章 不确定非线性时滞系统的鲁棒自适应容错控制 | 第51-71页 |
4.1 引言 | 第51-52页 |
4.2 问题描述 | 第52-54页 |
4.3 主要结果 | 第54-65页 |
4.3.1 自适应容错控制器设计:时滞为零的情况 | 第55-60页 |
4.3.2 自适应容错控制器设计:时滞不为零的情况 | 第60-65页 |
4.4 算例仿真 | 第65-69页 |
4.5 本章小结 | 第69-71页 |
第五章 基于模型的严格反馈非线性系统的自适应事件触发控制 | 第71-97页 |
5.1 引言 | 第71-72页 |
5.2 基于模型的自适应事件触发控制器设计 | 第72-77页 |
5.2.1 系统模型和问题描述 | 第72-73页 |
5.2.2 控制器设计 | 第73-77页 |
5.3 稳定性分析 | 第77-88页 |
5.3.1 闭环系统模型:脉冲系统方法 | 第77-81页 |
5.3.2 神经网络权重误差的有界性分析 | 第81-83页 |
5.3.3 自适应事件触发机制及闭环系统的稳定性 | 第83-87页 |
5.3.4 最小的事件触发时间间隔 | 第87-88页 |
5.4 仿真算例 | 第88-96页 |
5.5 本章小结 | 第96-97页 |
第六章 基于事件触发的非线性纯反馈系统的自适应神经网络控制 | 第97-121页 |
6.1 引言 | 第97-98页 |
6.2 基于神经网络的自适应事件触发控制器设计 | 第98-105页 |
6.2.1 系统模型和问题描述 | 第98-99页 |
6.2.2 控制器设计 | 第99-105页 |
6.3 稳定性分析 | 第105-114页 |
6.3.1 闭环系统动态:脉冲系统方法 | 第105-107页 |
6.3.2 事件触发机制及稳定性分析 | 第107-112页 |
6.3.3 最小事件触发时间间隔 | 第112-114页 |
6.4 仿真研究 | 第114-120页 |
6.5 本章小结 | 第120-121页 |
第七章 多输入多输出非线性系统的自适应神经网络事件触发跟踪控制 | 第121-141页 |
7.1 引言 | 第121-122页 |
7.2 基于神经网络的自适应事件触发控制器设计 | 第122-133页 |
7.2.1 系统模型和问题描述 | 第122-123页 |
7.2.2 控制器设计 | 第123-133页 |
7.3 最小事件触发时间间隔 | 第133-134页 |
7.4 仿真研究 | 第134-135页 |
7.5 本章小结 | 第135-141页 |
第八章 结论与展望 | 第141-145页 |
参考文献 | 第145-169页 |
致谢 | 第169-171页 |
攻读博士学位期间所做的主要工作 | 第171-175页 |
作者简介 | 第175页 |