仿腦智能控制：基于腦操作特性神經網絡的設計方法

目錄
第1章 緒論 1
1.1 背景 1
1.1.1 智能控制的基礎知識 1
1.1.2 腦科學技術研究 2
1.2 智能控制研究現(xiàn)狀 4
1.2.1 智能控制系統(tǒng)宏觀結構 5
1.2.2 神經網絡控制的*新進展 6
1.3 本書內容與體系架構 10
1.3.1 目標與意義 10
1.3.2 內容概要 11
習題1 12
第2章 受操作性條件反射啟發(fā)的仿生神經網絡非線性控制 13
2.1 引言 13
2.2 操作性條件反射學習機制 15
2.2.1 行為心理學層面的OC學習 15
2.2.2 神經心理學層面的OC學習 17
2.3 操作性條件反射仿生模型 20
2.3.1 獎賞機制 20
2.3.2 神經自適應單元 21
2.3.3 仿生神經網絡 24
2.4 基于OCBM的仿生控制方法 26
2.4.1 問題描述 26
2.4.2 控制策略 26
2.4.3 穩(wěn)定性分析 29
2.5 仿真驗證 33
2.5.1 非時變模型下的控制效果驗證 33
2.5.2 關鍵參數(shù)對控制性能的影響 38
2.5.3 不同系統(tǒng)模型的控制性能對比 40
2.5.4 漂移模型的控制效果驗證 42
2.6 本章小結 44
習題2 44
第3章 伴有局部權值學習及FNSG策略的神經自適應控制 46
3.1 引言 46
3.2 問題描述 48
3.2.1 跟蹤誤差動態(tài)特性 48
3.2.2 控制目標 49
3.2.3 光滑飽和函數(shù) 49
3.3 基于自增長神經元網絡的控制器設計 50
3.3.1 神經網絡輸入的緊集限制 51
3.3.2 自調節(jié)網絡結構 53
3.3.3 控制方案 56
3.3.4 FNSG策略 56
3.4 FNSG神經控制器穩(wěn)定性分析 61
3.5 仿真驗證 66
3.5.1 系統(tǒng)無擾動情形 66
3.5.2 系統(tǒng)有擾動情形 71
3.6 本章小結 75
習題3 76
第4章 基于多內涵自調節(jié)神經網絡的仿生智能控制 77
4.1 引言 77
4.2 UAT的應用限制及對策 79
4.2.1 未知時變理想權值 79
4.2.2 神經元數(shù)量在線自調節(jié)方案 80
4.2.3 基函數(shù)結構多元化 82
4.2.4 緊集先決條件 83
4.3 多內涵自調節(jié)神經網絡 84
4.4 改進型NN控制器設計 88
4.4.1 經典魯棒控制方案 89
4.4.2 基于MSAE-NN控制方案 90
4.5 仿真驗證 93
4.5.1 神經元數(shù)量自調節(jié)且基函數(shù)類型單一 94
4.5.2 神經元數(shù)量固定且基函數(shù)類型單一 96
4.5.3 神經元數(shù)量自調節(jié)且基函數(shù)類型多元化 99
4.6 本章小結 102
習題4 103
第5章 仿生智能控制在多自由度機器人系統(tǒng)中的應用 104
5.1 引言 104
5.2 問題描述 105
5.2.1 機器人系統(tǒng)動力學模型 105
5.2.2 被控對象誤差動態(tài)方程 106
5.3 面向機器人系統(tǒng)的MSAE-NN模型 108
5.4 仿生學習控制器設計 109
5.4.1 關節(jié)空間控制方案 109
5.4.2 笛卡兒任務空間控制方案 112
5.4.3 BLAC特性討論 115
5.5 仿真驗證 115
5.5.1 全部關節(jié)執(zhí)行器運行正常 118
5.5.2 部分關節(jié)執(zhí)行器運行故障 122
5.6 本章小結 126
習題5 126
參考文獻 127
習題答案(僅供參考) 136
附錄 141