RBF神經網絡自適應控制及MATLAB仿真（第3版）

第1章緒論
1.1神經網絡控制
1.1.1神經網絡控制的提出
1.1.2神經網絡控制概述
1.1.3自適應RBF神經網絡概述
1.2RBF神經網絡
1.3機器人RBF神經網絡控制
1.4控制系統(tǒng)S函數(shù)設計
1.4.1S函數(shù)介紹
1.4.2S函數(shù)基本參數(shù)
1.4.3實例
1.5簡單自適應控制系統(tǒng)設計實例
1.5.1系統(tǒng)描述
1.5.2自適應控制律設計
1.5.3仿真實例
附錄仿真程序
參考文獻
第2章RBF神經網絡設計與仿真
2.1RBF神經網絡算法及仿真
2.1.1RBF神經網絡算法設計
2.1.2RBF神經網絡設計實例及MATLAB仿真
2.2基于梯度下降法的RBF神經網絡逼近
2.2.1RBF神經網絡逼近
2.2.2仿真實例
2.3高斯函數(shù)的參數(shù)對RBF神經網絡逼近的影響
2.4隱含層節(jié)點數(shù)對RBF神經網絡逼近的影響
2.5RBF神經網絡的建模訓練
2.5.1RBF神經網絡訓練 
2.5.2仿真實例
2.6RBF神經網絡逼近
附錄仿真程序
參考文獻
第3章基于梯度下降法的RBF神經網絡控制
3.1基于RBF神經網絡的監(jiān)督控制
3.1.1RBF監(jiān)督控制
3.1.2仿真實例
3.2基于RBF神經網絡的模型參考自適應控制
3.2.1控制系統(tǒng)設計
3.2.2仿真實例
3.3RBF神經網絡自校正控制
3.3.1系統(tǒng)描述
3.3.2RBF控制算法設計
3.3.3仿真實例
附錄仿真程序
參考文獻
第4章自適應RBF神經網絡控制
4.1基于神經網絡逼近的自適應控制
4.1.1系統(tǒng)描述
4.1.2自適應RBF控制器設計
4.1.3仿真實例
4.2基于神經網絡逼近的未知參數(shù)自適應控制
4.2.1系統(tǒng)描述
4.2.2自適應控制設計
4.2.3仿真實例
4.3基于RBF神經網絡的直接魯棒自適應控制
4.3.1系統(tǒng)描述
4.3.2理想反饋控制和函數(shù)逼近
4.3.3控制器設計及分析
4.3.4仿真實例
4.4基于RBF神經網絡的單參數(shù)直接魯棒自適應控制
4.4.1系統(tǒng)描述
4.4.2仿真實例
附錄仿真程序
參考文獻
第5章RBF神經網絡滑?？刂?br />5.1經典滑?？刂破髟O計
5.2基于RBF神經網絡的二階SISO系統(tǒng)的滑模控制
5.2.1系統(tǒng)描述
5.2.2基于RBF神經網絡逼近f(·)的滑?？刂?nbsp;
5.2.3仿真實例
5.3基于RBF逼近未知函數(shù)f(·)和g(·)的滑模控制
5.3.1引言
5.3.2仿真實例
5.4基于神經網絡最小參數(shù)學習法的自適應滑?？刂?br />5.4.1問題描述
5.4.2基于RBF神經網絡逼近的自適應控制
5.4.3仿真實例
附錄仿真程序
參考文獻
第6章基于模型整體逼近的自適應RBF控制
6.1基于RBF神經網絡補償?shù)臋C器人自適應控制
6.1.1系統(tǒng)描述
6.1.2RBF神經網絡逼近
6.1.3RBF神經網絡控制和自適應律設計及分析
6.1.4仿真實例
6.2基于滑模魯棒項的RBF神經網絡機器人控制
6.2.1系統(tǒng)描述
6.2.2RBF逼近
6.2.3控制律設計及穩(wěn)定性分析
6.2.4仿真實例
6.3基于HJI理論和RBF神經網絡的魯棒控制
6.3.1HJI定理
6.3.2控制器設計及穩(wěn)定性分析
6.3.3仿真實例
附錄仿真程序
參考文獻
第7章基于局部逼近的自適應RBF控制
7.1基于名義模型的機械臂魯棒控制
7.1.1系統(tǒng)描述
7.1.2控制器設計
7.1.3穩(wěn)定性分析
7.1.4仿真實例
7.2基于局部模型逼近的自適應RBF機械臂控制
7.2.1問題描述
7.2.2控制器設計
7.2.3穩(wěn)定性分析
7.2.4仿真實例
7.3工作空間機械臂的神經網絡自適應控制
7.3.1關節(jié)角位置與工作空間直角坐標的轉換
7.3.2機械臂的神經網絡建模
7.3.3控制器的設計
7.3.4仿真實例
附錄仿真程序
參考文獻
第8章基于RBF神經網絡的動態(tài)面自適應控制
8.1簡單動態(tài)面控制的設計與分析
8.1.1系統(tǒng)描述
8.1.2動態(tài)面控制器的設計
8.1.3動態(tài)面控制器的分析
8.1.4仿真實例
8.2飛行器航跡角自適應神經網絡動態(tài)面控制
8.2.1系統(tǒng)描述
8.2.2自適應神經網絡動態(tài)面控制設計
8.2.3穩(wěn)定性分析
8.2.4仿真實例
8.3柔性關節(jié)機械臂自適應RBF神經網絡動態(tài)面魯棒控制
8.3.1問題描述
8.3.2自適應RBF神經網絡動態(tài)面控制器設計
8.3.3閉環(huán)系統(tǒng)穩(wěn)定性分析
8.3.4仿真驗證
附錄仿真程序
參考文獻
第9章數(shù)字RBF神經網絡控制
9.1自適應RungeKuttaMerson法
9.1.1引言
9.1.2仿真實例
9.2SISO系統(tǒng)的數(shù)字自適應控制
9.2.1引言
9.2.2仿真實例
9.3兩關節(jié)機械臂的數(shù)字自適應RBF控制
9.3.1引言
9.3.2仿真實例
附錄仿真程序
參考文獻
第10章離散神經網絡控制
10.1離散神經網絡控制概述
10.2一類離散非線性系統(tǒng)的直接RBF控制
10.2.1系統(tǒng)描述
10.2.2控制算法設計和穩(wěn)定性分析
10.2.3仿真實例
10.3一類離散非線性系統(tǒng)的自適應RBF控制 
10.3.1系統(tǒng)描述
10.3.2經典控制器設計
10.3.3自適應神經網絡控制器設計
10.3.4穩(wěn)定性分析
10.3.5仿真實例
附錄仿真程序
參考文獻
第11章自適應RBF觀測器設計及滑模控制
11.1自適應RBF觀測器設計
11.1.1系統(tǒng)描述
11.1.2自適應RBF觀測器設計
11.1.3仿真實例
11.2基于RBF自適應觀測器的滑?？刂?br />11.2.1滑模控制器設計
11.2.2仿真實例
附錄仿真程序
參考文獻
第12章基于RBF神經網絡的反演自適應控制
12.1一種二階非線性系統(tǒng)的反演控制
12.1.1基本原理
12.1.2仿真實例
12.2一種三階非線性系統(tǒng)的反演控制
12.2.1系統(tǒng)描述
12.2.2反演控制器設計
12.2.3仿真實例
12.3基于RBF神經網絡的二階非線性系統(tǒng)反演控制
12.3.1基本原理
12.3.2RBF神經網絡原理
12.3.3控制算法設計與分析
12.3.4仿真實例
12.4高階非線性系統(tǒng)反演控制
12.4.1系統(tǒng)描述
12.4.2反演控制器的設計
12.5基于RBF神經網絡的高階非線性系統(tǒng)自適應反演控制
12.5.1系統(tǒng)描述
12.5.2反演控制律設計
12.5.3自適應律的設計
12.5.4仿真實例
附錄仿真程序
參考文獻
第13章基于RBF神經網絡的自適應容錯控制
13.1SISO系統(tǒng)執(zhí)行器自適應容錯控制
13.1.1控制問題描述
13.1.2控制律的設計與分析
13.1.3仿真實例
13.2基于RBF神經網絡的自適應容錯控制
13.2.1控制問題描述
13.2.2RBF神經網絡設計
13.2.3控制律的設計與分析
13.2.4仿真實例
13.3基于傳感器和執(zhí)行器容錯的自適應控制
13.3.1系統(tǒng)描述
13.3.2控制器設計與分析
13.3.3仿真實例
13.4基于傳感器和執(zhí)行器容錯的神經網絡自適應控制
13.4.1系統(tǒng)描述
13.4.2控制器設計與分析
13.4.3神經網絡逼近
13.4.4仿真實例
附錄仿真程序
參考文獻
第14章基于RBF神經網絡的自適應量化控制
14.1執(zhí)行器自適應量化控制
14.1.1系統(tǒng)描述
14.1.2量化控制器設計與分析
14.1.3仿真實例
14.2基于RBF神經網絡的執(zhí)行器自適應量化控制
14.2.1系統(tǒng)描述
14.2.2RBF神經網絡設計
14.2.3量化控制器設計與分析
14.2.4仿真實例
附錄仿真程序
參考文獻
第15章基于RBF神經網絡的控制輸出受限控制
15.1輸出受限引理
15.2基于位置輸出受限控制算法設計
15.2.1系統(tǒng)描述
15.2.2控制器的設計
15.2.3仿真實例
15.3基于RBF神經網絡的輸出受限控制
15.3.1系統(tǒng)描述
15.3.2RBF神經網絡原理
15.3.3控制器的設計
15.3.4仿真實例
附錄仿真程序
參考文獻
第16章基于RBF神經網絡的控制方向未知的狀態(tài)跟蹤
16.1控制方向未知的狀態(tài)跟蹤
16.1.1系統(tǒng)描述
16.1.2控制律的設計
16.1.3仿真實例
16.2基于RBF神經網絡的控制方向未知的狀態(tài)跟蹤
16.2.1系統(tǒng)描述
16.2.2RBF神經網絡設計
16.2.3控制律的設計
16.2.4仿真實例
附錄仿真程序
參考文獻
第17章基于RBF神經網絡逼近的多智能體一致性控制
17.1多智能體系統(tǒng)一致性控制
17.1.1代數(shù)圖論
17.1.2系統(tǒng)描述
17.1.3控制器的設計
17.1.4仿真實例
17.2基于RBF神經網絡逼近的多智能體系統(tǒng)一致性控制
17.2.1系統(tǒng)描述
17.2.2基于RBF神經網絡逼近f(·)的滑?？刂?br />17.2.3控制器的設計
17.2.4仿真實例
附錄仿真程序
參考文獻
第18章基于模糊RBF神經網絡逼近的自適應控制
18.1模糊RBF神經網絡
18.1.1模糊RBF神經網絡設計
18.1.2模糊神經網絡的學習算法
18.1.3仿真實例
18.2基于模糊RBF神經網絡的自適應控制
18.2.1系統(tǒng)描述
18.2.2基于模糊RBF神經網絡逼近f(·)的滑?？刂?nbsp;
18.2.3仿真實例
附錄仿真程序
參考文獻
第19章基于RBF神經網絡的事件驅動滑?？刂?br />19.1基于事件驅動的滑?？刂?br />19.1.1系統(tǒng)描述
19.1.2控制器設計
19.1.3芝諾分析
19.1.4仿真實例
19.2基于神經網絡的事件驅動滑模控制
19.2.1系統(tǒng)描述
19.2.2RBF神經網絡逼近
19.2.3控制器設計
19.2.4芝諾分析
19.2.5仿真實例
附錄仿真程序
參考文獻