RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制及MATLAB仿真（第3版）

第1章緒論
1.1神經(jīng)網(wǎng)絡(luò)控制
1.1.1神經(jīng)網(wǎng)絡(luò)控制的提出
1.1.2神經(jīng)網(wǎng)絡(luò)控制概述
1.1.3自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)概述
1.2RBF神經(jīng)網(wǎng)絡(luò)
1.3機(jī)器人RBF神經(jīng)網(wǎng)絡(luò)控制
1.4控制系統(tǒng)S函數(shù)設(shè)計
1.4.1S函數(shù)介紹
1.4.2S函數(shù)基本參數(shù)
1.4.3實(shí)例
1.5簡單自適應(yīng)控制系統(tǒng)設(shè)計實(shí)例
1.5.1系統(tǒng)描述
1.5.2自適應(yīng)控制律設(shè)計
1.5.3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第2章RBF神經(jīng)網(wǎng)絡(luò)設(shè)計與仿真
2.1RBF神經(jīng)網(wǎng)絡(luò)算法及仿真
2.1.1RBF神經(jīng)網(wǎng)絡(luò)算法設(shè)計
2.1.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計實(shí)例及MATLAB仿真
2.2基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)逼近
2.2.1RBF神經(jīng)網(wǎng)絡(luò)逼近
2.2.2仿真實(shí)例
2.3高斯函數(shù)的參數(shù)對RBF神經(jīng)網(wǎng)絡(luò)逼近的影響
2.4隱含層節(jié)點(diǎn)數(shù)對RBF神經(jīng)網(wǎng)絡(luò)逼近的影響
2.5RBF神經(jīng)網(wǎng)絡(luò)的建模訓(xùn)練
2.5.1RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練 
2.5.2仿真實(shí)例
2.6RBF神經(jīng)網(wǎng)絡(luò)逼近
附錄仿真程序
參考文獻(xiàn)
第3章基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)控制
3.1基于RBF神經(jīng)網(wǎng)絡(luò)的監(jiān)督控制
3.1.1RBF監(jiān)督控制
3.1.2仿真實(shí)例
3.2基于RBF神經(jīng)網(wǎng)絡(luò)的模型參考自適應(yīng)控制
3.2.1控制系統(tǒng)設(shè)計
3.2.2仿真實(shí)例
3.3RBF神經(jīng)網(wǎng)絡(luò)自校正控制
3.3.1系統(tǒng)描述
3.3.2RBF控制算法設(shè)計
3.3.3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第4章自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制
4.1基于神經(jīng)網(wǎng)絡(luò)逼近的自適應(yīng)控制
4.1.1系統(tǒng)描述
4.1.2自適應(yīng)RBF控制器設(shè)計
4.1.3仿真實(shí)例
4.2基于神經(jīng)網(wǎng)絡(luò)逼近的未知參數(shù)自適應(yīng)控制
4.2.1系統(tǒng)描述
4.2.2自適應(yīng)控制設(shè)計
4.2.3仿真實(shí)例
4.3基于RBF神經(jīng)網(wǎng)絡(luò)的直接魯棒自適應(yīng)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(shè)計及分析
4.3.4仿真實(shí)例
4.4基于RBF神經(jīng)網(wǎng)絡(luò)的單參數(shù)直接魯棒自適應(yīng)控制
4.4.1系統(tǒng)描述
4.4.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第5章RBF神經(jīng)網(wǎng)絡(luò)滑?？刂?br />5.1經(jīng)典滑?？刂破髟O(shè)計
5.2基于RBF神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)逼近f(·)的滑?？刂?nbsp;
5.2.3仿真實(shí)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(shí)例
5.4基于神經(jīng)網(wǎng)絡(luò)最小參數(shù)學(xué)習(xí)法的自適應(yīng)滑?？刂?br />5.4.1問題描述
5.4.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的自適應(yīng)控制
5.4.3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第6章基于模型整體逼近的自適應(yīng)RBF控制
6.1基于RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)償?shù)臋C(jī)器人自適應(yīng)控制
6.1.1系統(tǒng)描述
6.1.2RBF神經(jīng)網(wǎng)絡(luò)逼近
6.1.3RBF神經(jīng)網(wǎng)絡(luò)控制和自適應(yīng)律設(shè)計及分析
6.1.4仿真實(shí)例
6.2基于滑模魯棒項(xiàng)的RBF神經(jīng)網(wǎng)絡(luò)機(jī)器人控制
6.2.1系統(tǒng)描述
6.2.2RBF逼近
6.2.3控制律設(shè)計及穩(wěn)定性分析
6.2.4仿真實(shí)例
6.3基于HJI理論和RBF神經(jīng)網(wǎng)絡(luò)的魯棒控制
6.3.1HJI定理
6.3.2控制器設(shè)計及穩(wěn)定性分析
6.3.3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第7章基于局部逼近的自適應(yīng)RBF控制
7.1基于名義模型的機(jī)械臂魯棒控制
7.1.1系統(tǒng)描述
7.1.2控制器設(shè)計
7.1.3穩(wěn)定性分析
7.1.4仿真實(shí)例
7.2基于局部模型逼近的自適應(yīng)RBF機(jī)械臂控制
7.2.1問題描述
7.2.2控制器設(shè)計
7.2.3穩(wěn)定性分析
7.2.4仿真實(shí)例
7.3工作空間機(jī)械臂的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
7.3.1關(guān)節(jié)角位置與工作空間直角坐標(biāo)的轉(zhuǎn)換
7.3.2機(jī)械臂的神經(jīng)網(wǎng)絡(luò)建模
7.3.3控制器的設(shè)計
7.3.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第8章基于RBF神經(jīng)網(wǎng)絡(luò)的動態(tài)面自適應(yīng)控制
8.1簡單動態(tài)面控制的設(shè)計與分析
8.1.1系統(tǒng)描述
8.1.2動態(tài)面控制器的設(shè)計
8.1.3動態(tài)面控制器的分析
8.1.4仿真實(shí)例
8.2飛行器航跡角自適應(yīng)神經(jīng)網(wǎng)絡(luò)動態(tài)面控制
8.2.1系統(tǒng)描述
8.2.2自適應(yīng)神經(jīng)網(wǎng)絡(luò)動態(tài)面控制設(shè)計
8.2.3穩(wěn)定性分析
8.2.4仿真實(shí)例
8.3柔性關(guān)節(jié)機(jī)械臂自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)動態(tài)面魯棒控制
8.3.1問題描述
8.3.2自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)動態(tài)面控制器設(shè)計
8.3.3閉環(huán)系統(tǒng)穩(wěn)定性分析
8.3.4仿真驗(yàn)證
附錄仿真程序
參考文獻(xiàn)
第9章數(shù)字RBF神經(jīng)網(wǎng)絡(luò)控制
9.1自適應(yīng)RungeKuttaMerson法
9.1.1引言
9.1.2仿真實(shí)例
9.2SISO系統(tǒng)的數(shù)字自適應(yīng)控制
9.2.1引言
9.2.2仿真實(shí)例
9.3兩關(guān)節(jié)機(jī)械臂的數(shù)字自適應(yīng)RBF控制
9.3.1引言
9.3.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第10章離散神經(jīng)網(wǎng)絡(luò)控制
10.1離散神經(jīng)網(wǎng)絡(luò)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(shè)計和穩(wěn)定性分析
10.2.3仿真實(shí)例
10.3一類離散非線性系統(tǒng)的自適應(yīng)RBF控制 
10.3.1系統(tǒng)描述
10.3.2經(jīng)典控制器設(shè)計
10.3.3自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計
10.3.4穩(wěn)定性分析
10.3.5仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第11章自適應(yīng)RBF觀測器設(shè)計及滑模控制
11.1自適應(yīng)RBF觀測器設(shè)計
11.1.1系統(tǒng)描述
11.1.2自適應(yīng)RBF觀測器設(shè)計
11.1.3仿真實(shí)例
11.2基于RBF自適應(yīng)觀測器的滑?？刂?br />11.2.1滑?？刂破髟O(shè)計
11.2.2仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第12章基于RBF神經(jīng)網(wǎng)絡(luò)的反演自適應(yīng)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(shí)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(shè)計
12.2.3仿真實(shí)例
12.3基于RBF神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)原理
12.3.3控制算法設(shè)計與分析
12.3.4仿真實(shí)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(shè)計
12.5基于RBF神經(jīng)網(wǎng)絡(luò)的高階非線性系統(tǒng)自適應(yīng)反演控制
12.5.1系統(tǒng)描述
12.5.2反演控制律設(shè)計
12.5.3自適應(yīng)律的設(shè)計
12.5.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第13章基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)容錯控制
13.1SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯控制
13.1.1控制問題描述
13.1.2控制律的設(shè)計與分析
13.1.3仿真實(shí)例
13.2基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)容錯控制
13.2.1控制問題描述
13.2.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計
13.2.3控制律的設(shè)計與分析
13.2.4仿真實(shí)例
13.3基于傳感器和執(zhí)行器容錯的自適應(yīng)控制
13.3.1系統(tǒng)描述
13.3.2控制器設(shè)計與分析
13.3.3仿真實(shí)例
13.4基于傳感器和執(zhí)行器容錯的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
13.4.1系統(tǒng)描述
13.4.2控制器設(shè)計與分析
13.4.3神經(jīng)網(wǎng)絡(luò)逼近
13.4.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第14章基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)量化控制
14.1執(zhí)行器自適應(yīng)量化控制
14.1.1系統(tǒng)描述
14.1.2量化控制器設(shè)計與分析
14.1.3仿真實(shí)例
14.2基于RBF神經(jīng)網(wǎng)絡(luò)的執(zhí)行器自適應(yīng)量化控制
14.2.1系統(tǒng)描述
14.2.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計
14.2.3量化控制器設(shè)計與分析
14.2.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第15章基于RBF神經(jīng)網(wǎng)絡(luò)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(shè)計
15.2.1系統(tǒng)描述
15.2.2控制器的設(shè)計
15.2.3仿真實(shí)例
15.3基于RBF神經(jīng)網(wǎng)絡(luò)的輸出受限控制
15.3.1系統(tǒng)描述
15.3.2RBF神經(jīng)網(wǎng)絡(luò)原理
15.3.3控制器的設(shè)計
15.3.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第16章基于RBF神經(jīng)網(wǎng)絡(luò)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(shè)計
16.1.3仿真實(shí)例
16.2基于RBF神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)設(shè)計
16.2.3控制律的設(shè)計
16.2.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第17章基于RBF神經(jīng)網(wǎng)絡(luò)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(shè)計
17.1.4仿真實(shí)例
17.2基于RBF神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)逼近f(·)的滑?？刂?br />17.2.3控制器的設(shè)計
17.2.4仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第18章基于模糊RBF神經(jīng)網(wǎng)絡(luò)逼近的自適應(yīng)控制
18.1模糊RBF神經(jīng)網(wǎng)絡(luò)
18.1.1模糊RBF神經(jīng)網(wǎng)絡(luò)設(shè)計
18.1.2模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
18.1.3仿真實(shí)例
18.2基于模糊RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制
18.2.1系統(tǒng)描述
18.2.2基于模糊RBF神經(jīng)網(wǎng)絡(luò)逼近f(·)的滑模控制 
18.2.3仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)
第19章基于RBF神經(jīng)網(wǎng)絡(luò)的事件驅(qū)動滑?？刂?br />19.1基于事件驅(qū)動的滑模控制
19.1.1系統(tǒng)描述
19.1.2控制器設(shè)計
19.1.3芝諾分析
19.1.4仿真實(shí)例
19.2基于神經(jīng)網(wǎng)絡(luò)的事件驅(qū)動滑?？刂?br />19.2.1系統(tǒng)描述
19.2.2RBF神經(jīng)網(wǎng)絡(luò)逼近
19.2.3控制器設(shè)計
19.2.4芝諾分析
19.2.5仿真實(shí)例
附錄仿真程序
參考文獻(xiàn)