神经网络控制技术及其应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

神经网络控制技术及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 理论与方法 1

第一章 绪论 1

1．1 控制理论的发展与面临的挑战 1

1．2 神经网络技术的发展与现状 3

1．3 神经网络与系统建模和控制 5

1．3．1 神经网络建模 6

1．3．2 神经网络控制 8

1．3．3 当前神经网络控制的研究课题 12

1．3．4 神经网络与模糊控制的结合 13

1．4 电液伺服控制技术的发展与现状 14

1．5 本书的内容及章节安排 16

第二章 神经网络控制技术基础 18

2．1 控制用神经元模型 18

2．2 神经网络模型及其学习算法 20

2．2．1 MFNN模型与BP算法 20

2．2．2 DRNN模型与动态BP算法 22

2．2．3 复合输入DRNN模型及其训练 24

2．2．4 CMAC网络模型 25

2．2．5 B样条神经网络模型 27

2．3 神经网络的逼近能力分析 29

2．4 神经网络的训练与BP算法存在的缺陷 31

2．4．1 神经网络的训练 31

2．4．2 BP算法存在的缺陷 33

2．5 增广LPIDBP学习算法 34

2．5．1 LPIDBP学习算法的推导 34

2．5．2 仿真研究 37

2．6 全局寻优自适应快速BP学习算法 39

2．6．1 GCAQBP学习算法的推导 39

2．6．2 GCAQBP学习算法性能分析 41

2．7 本章小结 42

第三章 非线性系统的神经网络辨识 44

3．1 系统辨识的基本概念 44

3．2 非线性系统神经网络辨识的可行性 45

3．2．1 非线性系统辨识模型 45

3．2．2 非线性系统辨识模型的神经网络实现 45

3．3 非线性系统的神经网络辨识方法 48

3．3．1 概述 48

3．3．2 非线性静态系统的神经网络辨识 50

3．3．3 非线性动态系统的神经网络辨识 54

3．4．1 辨识结构及方法 58

3．4 神经网络在线自适应跟踪辨识 58

3．4．2 电液伺服系统仿真研究 60

3．5 本章小结 62

第四章 神经网络并行自学习鲁棒自适应跟踪控制 63

4．1 引言 63

4．3 神经网络并行自学习鲁棒自适应跟踪控制器设计 64

4．3．1 控制器结构及工作原理 64

4．2 跟踪控制问题描述 64

4．3．2 自适应神经网络模型(ANNM)及其训练 66

4．3．3 神经网络控制器(NNC)及其训练 68

4．3．4 运行监控器 70

4．3．5 鲁棒控制器(RC) 70

4．3．6 NNPSLRATC的算法实现及其特点 71

4．4 神经网络并行自学习鲁棒自适应控制系统的稳定性 73

4．4．1 并行自学习系统的反馈稳定性 73

4．4．2 鲁棒自适应跟踪系统的稳定性 74

4．5．1 控制对象 76

4．5 仿真研究 76

4．5．2 仿真结果 77

4．6 实验研究 79

4．6．1 控制对象 79

4．6．2 控制结果 81

4．7 本章小结 82

第五章 模型参考神经网络直接自适应控制 83

5．1 引言 83

5．2．1 控制器结构及控制算法 85

5．2 广义PID神经网络直接自适应控制器设计 85

5．2．2 仿真研究 88

5．3 模型参考混合神经网络直接自适应控制器设计 92

5．3．1 控制器结构及控制算法 92

5．3．2 仿真研究 95

5．4 本章小结 96

第六章 神经网络在线自学习模糊自适应控制 98

6．1 引言 98

6．2 神经网络在线自学习模糊自适应控制器设计 99

6．2．1 控制器结构及工作原理 99

6．2．2 神经网络控制器(NNC)及其训练 99

6．3 神经网络控制系统的能控性和稳定性分析 103

6．4 实验研究 105

6．4．1 控制对象及控制系统设计 105

6．4．2 实验结果 106

6．5 本章小结 107

第七章 基于神经网络辨识模型的在线迭代学习控制 109

7．1 引言 109

7．2 基于神经网络辨识的模型参考递推控制原理 110

7．3．1 迭代学习控制原理 113

7．3 神经网络在线迭代学习控制算法 113

7．3．2 神经网络在线迭代学习控制算法及收敛性分析 114

7．4 仿真研究 116

7．5 本章小结 121

第二篇 应用与实现 122

第八章 电液伺服板簧试验系统的神经网络自适应控制 122

8．1 引言 122

8．2 电液伺服板簧试验系统的数学描述 123

8．3 基于范数空间的稳定性分析 125

8．3．1 基本理论 126

8．3．2 位置闭环系统稳定性分析 128

8．3．3 力闭环系统稳定性分析 131

8．4 电液伺服板簧试验系统特性研究 133

8．4．1 静态特性试验 133

8．4．2 位置控制特性试验 134

8．4．3 力控制特性试验 136

8．5 神经网络自适应控制试验研究 137

8．5．1 位置伺服系统的神经网络控制 137

8．5．2 力伺服系统的神经网络控制 140

8．6 本章小结 143

第九章 不对称缸电液伺服系统神经网络补偿非线性控制 144

9．1 引言 144

9．2 基本理论 145

9．3 非线性系统反馈线性化设计 147

9．3．1 一般方法 147

9．3．2 非线性系统反馈线性化控制 149

9．4 不对称缸电液伺服系统反馈线性化跟踪控制 150

9．4．1 系统分析与设计 150

9．4．2 仿真研究 152

9．5．1 电液伺服系统不确定参数神经网络在线补偿方法 156

9．5 神经网络参数在线自适应补偿控制 156

9．5．2 仿真结果 158

9．6 本章小结 159

第十章 液压系统压力脉动神经网络自适应主动控制 160

10．1 引言 160

10．2 液压系统压力脉动主动控制原理 161

10．2．1 脉动波相消性干涉的原理和实现条件 161

10．2．2 液压系统压力脉动主动控制原理 162

10．3 自适应压力脉动主动控制系统模型 164

10．4 基于B样条神经网络的自适应压力脉动主动控制系统 166

10．5 液压系统压力脉动主动控制仿真研究 168

10．5．1 仿真系统设计 168

10．5．2 主通道模型为线性模型的仿真结果 169

10．5．3 主通道模型为非线性模型的仿真结果 170

10．6 试验研究 172

10．6．1 试验装置简介 172

10．6．2 试验结果及分析 173

10．7 本章小结 175

11．1 工程背景 176

第十一章 大型智能电液伺服结构试验系统 176

11．2 大型结构试验系统概述 177

11．3 电液伺服结构试验系统的研究现状与发展要求 179

11．4 大型智能电液伺服结构试验系统设计 180

11．4．1 神经网络智能伺服加载控制系统 180

11．4．2 数据采集与分析系统 184

11．4．3 电液执行机构 187

11．5 实验研究 189

11．5．1 静力与协调加载试验 189

11．4．4 主要技术指标 189

11．5．2 疲劳加载试验 191

11．6 应用实例 194

11．6．1 试验对象及要求 194

11．6．2 加载及测试系统设计 195

11．6．3 加载控制结果 197

11．7 本章小结 199

第十二章 结束语 200

12．1 一般性结论 200

12．2 未来的研究课题 202

参考文献 205