首页 > 图书中心 >图书详情
RBF神经网络自适应控制及MATLAB仿真（第2版）
作者：刘金琨
定价：99元
印次：2-2
ISBN：9787302517320
出版日期：2018.12.01
印刷日期：2019.09.23
本书结合典型机械系统控制的实例，系统地介绍了神经网络控制的基本理论、基本方法和应用技术。本书是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。 全书共分16章，包括绪论、RBF神经网络的设计与仿真、基于梯度下降法的RBF神经网络控制、自适应RBF神经网络控制、RBF神经网络滑模控制、基于模型整体逼近的自适应RBF控制、基于局部逼近的自适应RBF控制、基于RBF神经网络的动态面自适应控制、数字RBF神经网络控制、离散神经网络控制、自适应RBF观测器设计及滑模控制、基于RBF神经网络的反演自适应控制、基于RBF神经网络的自适应容错控制、基于RBF神经网络的自适应量化控制、基于RBF神经网络的控制输出受限控制和基于RBF神经网络的控制方向未知的状态跟踪。每种控制方法都通过MATLAB进行了仿真分析。 本书各部分内容既相互联系又相对独立，读者可根据需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。
more >前言 神经网络控制出现于20世纪80年代，经历了30余年的发展，已形成了一个相对独立的研究分支，成为智能控制系统的一种设计方法，适用于线性与非线性系统、连续与离散系统、确定性与不确定性系统、集中参数与分布参数系统、集中控制与分散控制系统等。 神经网络具有高度并行的结构、强大的学习能力、连续非线性函数逼近能力、容错能力等优点，极大地促进与拓展了神经网络技术在非线性系统辨识与控制中的应用。在实际工业过程中，存在着非线性、未建模动态、不可测噪声以及多环路等问题，这些问题对控制系统设计提出了很大的挑战。 与传统的控制策略相比，神经网络在如下几个方面具有优势。 （1） 神经网络对任意函数都具有学习能力，神经网络的自学习能力可避免在传统自适应控制理论中占有重要地位的复杂数学分析。 （2） 针对传统控制方法不能解决的高度非线性控制问题，多层神经网络的隐含层神经元采用了激活函数，具有非线性映射功能，这种映射可以逼近任意非线性函数，为解决非线性控制问题提供了有效的解决途径。 （3） 传统自适应控制方法需要模型先验信息来设计控制方案，由于神经网络的逼近能力，控制器不需要具体的模型信息。因此，神经网络控制可以被广泛用于解决具有不确定模型的控制问题。 （4） 在神经网络大规模并行处理架构下，网络的某些节点损坏并不影响整个神经网络的整体性能，有效地提高了控制系统的容错性。 有关神经网络控制理论及其工程应用，近年来已有大量的论文发表。作者多年来一直从事智能控制及应用方面的研究和教学工作，为了促进神经网络控制和自动化技术的进步，反映神经网络控制设计与应用中的最新研究成果，并使广大工程技术人员能了解、掌握和应用这一领域的最新技术，学会用MATLAB语言进行ＲＢＦ(Radial Basis Function,径向基函数)网络控制器的设计，作者编写了这本书，以期抛砖引玉，供广大读者学习参考。 本书是作者在总结多年研究成果的基础上，进一步使其理论化、系统化、规范化、实用化而成，其特点是： （1） 书中给出的ＲＢＦ神经网络控制算法简单，内容先进，取材着重于基本概念、基本理论和基本方法； （2） 本书针对每种ＲＢＦ神经网络控制算法给出了完整的MATLAB仿真程序，并给出了程序的说明和仿真结果，具有很强的可读性； （3） 着重从应用角度出发，突出理论联系实际的功能，面向广大工程技术人员，具有很强的工程性和实用性，书中有大量应用实例及其结果分析，为读者提供了有益的借鉴； （4） 所给出的各种ＲＢＦ神经网络控制算法完整，程序设计结构力求简单明了，便于读者自学和进一步开发。 全书共分16章。第1章为绪论，介绍神经网络控制的基本原理及其在理论和应用方面的发展状况，并介绍了一种简单的自适应控制设计方法； 第2章介绍RBF神经网络的设计与仿真、影响ＲＢＦ神经网络的参数及离线建模方法； 第3章介绍基于梯度下降法的RBF神经网络控制方法，包括基于RBF神经网络的监督控制、基于RBF神经网络的模型参考自适应控制和ＲＢＦ自校正控制三种方法； 第4章介绍几种简单的RBF神经网络自适应控制的设计和分析方法； 第5章介绍RBF神经网络滑模控制的设计及分析方法，并引入了一种基于神经网络最小参数学习法的自适应滑模控制方法； 第6章和第7章分别介绍基于模型整体逼近的自适应RBF控制和基于局部逼近的自适应RBF控制，并以机械手控制为例给出了控制器的设计和分析实例； 第8章以柔性机械臂的控制为例，介绍基于RBF神经网络的自适应动态面控制的设计和分析方法； 第9章介绍RBF神经网络自适应控制的离散化方法； 第10章介绍离散系统的RBF神经网络控制器设计及离散控制系统的稳定性分析方法； 第11章介绍自适应RBF神经网络观测器的设计和分析方法； 第12章介绍基于RBF神经网络的反演自适应控制方法； 第13章介绍基于RBF神经网络的自适应容错控制方法； 第14章介绍基于RBF神经网络的自适应量化控制方法； 第15章介绍基于RBF神经网络的控制输出受限控制； 第16章介绍基于RBF神经网络的控制方向未知的状态跟踪。 本书是作者在原有的英文版著作RBF Neural Network Control for Mechanical Systems—Design, Analysis and Matlab Simulation（Jinkun LIU,Tsinghua & Springer Press, 2013）和原有的中文版著作《RBF神经网络自适应控制MATLAB仿真》（北京: 清华大学出版社，2014）基础上撰写的，并做了适当的增减。 本书是在MATLAB的R2011a环境下开发的，各章节具有很强的独立性，读者可以结合自己的方向深入地进行研究。 作者在本书编写过程中得到新加坡国立大学葛树志教授的热情支持和宝贵建议，在此表示感谢。 假如读者对算法和仿真程序有疑问，可通过 Email 与作者联系（邮箱： ljk@buaa.edu.cn）。程序下载网址为http://shi.buaa.edu.cn/liujinkun。由于作者水平有限，书中难免存在一些不足和疏漏之处，欢迎广大读者批评指正。 作者 于北京航空航天大学
more >
