先進(jìn)PID控制MATLAB仿真（第二版）

第1章  數(shù)字PID控制
  1.1  PID控制原理
  1.2  連續(xù)系統(tǒng)的模擬PID仿真
  1.2.1  基本的PID控制
  1.2.2  線性時(shí)變系統(tǒng)的PID控制
  1.3  數(shù)字PID控制
  1.3.1  位置式PID控制算法
  1.3.2  連續(xù)系統(tǒng)的數(shù)字PID控制仿真
  1.3.3  離散系統(tǒng)的數(shù)字PID控制仿真
  1.3.4  增量式PID控制算法及仿真
  1.3.5  積分分離PID控制算法及仿真
  1.3.6  抗積分飽和PID控制算法及仿真
  1.3.7  梯形積分PID控制算法
  1.3.8  變速積分PID算法及仿真
  1.3.9  帶濾波器的PID控制仿真
  1.3.10  不完全微分PID控制算法及仿真
  1.3.11  微分先行PID控制算法及仿真
  1.3.12  帶死區(qū)的PID控制算法及仿真
  1.3.13  基于前饋補(bǔ)償?shù)腜ID控制算法及仿真
  1.3.14  步進(jìn)式PID控制算法及仿真
  1.3.15  PID控制的方波響應(yīng)
  1.3.16  一種離散微分-跟蹤器
第2章  常用的PID控制系統(tǒng)
  2.1  單回路PID控制系統(tǒng)
  2.2  串級(jí)PID控制
  2.2.1  串級(jí)PID控制原理
  2.2.2  仿真程序及分析
  2.3  純滯后系統(tǒng)的大林控制算法
  2.3.1  大林控制算法原理
  2.3.2  仿真程序及分析
  2.4  純滯后系統(tǒng)的Smith控制算法
  2.4.1  連續(xù)Smith預(yù)估控制
  2.4.2  仿真程序及分析
  2.4.3  數(shù)字Smith預(yù)估控制
  2.4.4  仿真程序及分析
  2.5  基于Ziegler-Nichols方法的PID整定
  2.5.1  連續(xù)Ziegler-Nichols方法的PID整定
  2.5.2  仿真程序及分析
  2.5.3  離散Ziegler-Nichols方法的PID整定
  2.5.4  仿真程序及分析
第3章  專家PID控制和模糊PID控制
  3.1  專家PID控制
  3.1.1  專家PID控制原理
  3.1.2   仿真程序及分析
  3.2  一個(gè)典型的模糊控制器的設(shè)計(jì)
  3.2.1  模糊控制的基本原理
  3.2.2  模糊控制器設(shè)計(jì)步驟
  3.2.3  模糊控制器設(shè)計(jì)實(shí)例
  3.2.4  模糊控制位置跟蹤
  3.3  模糊自適應(yīng)整定PID控制
  3.3.1  模糊自適應(yīng)整定PID控制原理
  3.3.2  仿真程序及分析
  3.4  模糊免疫PID控制算法
  3.4.1  模糊免疫PID控制算法原理
  3.4.2  仿真程序及分析
  3.5  基于Sugeno的模糊控制
  3.5.1  Sugeno模糊模型
  3.5.2  Sugeno模糊模型的建立
  3.5.3  基于Sugeno的倒立擺模糊控制
  3.6  基于控制規(guī)則表的模糊PD控制
  3.6.1  模糊控制器的原理
  3.6.2  仿真程序及分析
第4章  神經(jīng)PID控制
  4.1  基于單神經(jīng)元網(wǎng)絡(luò)的PID智能控制
  4.1.1  幾種典型的學(xué)習(xí)規(guī)則
  4.1.2  單神經(jīng)元自適應(yīng)PID控制
  4.1.3  改進(jìn)的單神經(jīng)元自適應(yīng)PID控制
  4.1.4  仿真程序及分析
  4.1.5  基于二次型性能指標(biāo)學(xué)習(xí)算法的單神經(jīng)元自適應(yīng)PID控制
  4.1.6  仿真程序及分析
  4.2  基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制
  4.2.1  基于BP神經(jīng)網(wǎng)絡(luò)的PID整定原理
  4.2.2  仿真程序及分析
  4.3  基于RBF神經(jīng)網(wǎng)絡(luò)整定的PID控制
  4.3.1  RBF神經(jīng)網(wǎng)絡(luò)模型
  4.3.2  RBF網(wǎng)絡(luò)PID整定原理
  4.3.3  仿真程序及分析
  4.4  基于RBF神經(jīng)網(wǎng)絡(luò)辨識(shí)的單神經(jīng)元PID模型參考自適應(yīng)控制
  4.4.1  神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制原理
  4.4.2  仿真程序及分析
  4.5  基于CMAC（神經(jīng)網(wǎng)絡(luò)）與PID的并行控制
  4.5.1  CMAC概述
  4.5.2  一種典型CMAC算法及其仿真
  4.5.3  仿真程序及分析
  4.5.4  CMAC與PID復(fù)合控制算法
  4.5.5  仿真程序及分析
  4.6  CMAC與PID并行控制的Simulink仿真
  4.6.1  Simulink仿真方法
  4.6.2  仿真程序及分析
  4.7  基于Hopfield網(wǎng)絡(luò)的PID模型參考自適應(yīng)控制
  4.7.1  系統(tǒng)描述
  4.7.2  基于Hopfield網(wǎng)絡(luò)的控制器優(yōu)化
  4.7.3  仿真程序及分析
  4.8  基于模糊RBF網(wǎng)絡(luò)整定的PID控制
  4.8.1  模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
  4.8.2  仿真程序及分析
第5章  基于遺傳算法整定的PID控制
  5.1  遺傳算法的基本原理
  5.2  遺傳算法的優(yōu)化設(shè)計(jì)
  5.2.1  遺傳算法的構(gòu)成要素
  5.2.2  遺傳算法的應(yīng)用步驟
  5.3  遺傳算法求函數(shù)極大值
  5.3.1  二進(jìn)制編碼遺傳算法求函數(shù)極大值
  5.3.2  仿真程序
  5.3.3  實(shí)數(shù)編碼遺傳算法求函數(shù)極大值
  5.3.4  仿真程序
  5.4  基于遺傳算法的PID整定
  5.4.1  基于遺傳算法的PID整定原理
  5.4.2  基于實(shí)數(shù)編碼遺傳算法的PID整定
  5.4.3  仿真程序
  5.4.4  基于二進(jìn)制編碼遺傳算法的PID整定
  5.4.5  仿真程序
  5.4.6  基于自適應(yīng)在線遺傳算法整定的PID控制
  5.4.7  仿真程序
  5.5  基于遺傳算法摩擦模型參數(shù)辨識(shí)的PID控制
  5.5.1  辨識(shí)原理及仿真實(shí)例
  5.5.2  仿真程序
第6章  先進(jìn)PID多變量控制
  6.1  PID多變量控制
  6.1.1  PID控制原理
  6.1.2  仿真程序及分析
  6.1.3  多變量PID控制的Simulink仿真
  6.2  單神經(jīng)元PID控制
  6.2.1  單神經(jīng)元PID控制原理
  6.2.2  仿真程序及分析
  6.2.3  多變量單神經(jīng)元PID控制的Simulink仿真
  6.3  基于DRNN神經(jīng)網(wǎng)絡(luò)整定的PID控制
  6.3.1  基于DRNN神經(jīng)網(wǎng)絡(luò)參數(shù)自學(xué)習(xí)PID控制原理
  6.3.2  DRNN神經(jīng)網(wǎng)絡(luò)的Jacobian信息辨識(shí)
  6.3.3  仿真程序及分析
第7章  幾種先進(jìn)PID控制方法
  7.1  基于干擾觀測(cè)器的PID控制
  7.1.1  干擾觀測(cè)器設(shè)計(jì)原理
  7.1.2  連續(xù)系統(tǒng)的控制仿真
  7.1.3  離散系統(tǒng)的控制仿真
  7.2  非線性系統(tǒng)的PID魯棒控制
  7.2.1  基于NCD優(yōu)化的非線性優(yōu)化PID控制
  7.2.2  基于NCD與優(yōu)化函數(shù)結(jié)合的非線性優(yōu)化PID控制
  7.3  一類非線性PID控制器設(shè)計(jì)
  7.3.1  非線性控制器設(shè)計(jì)原理
  7.3.2  仿真程序及分析
  7.4  基于重復(fù)控制補(bǔ)償?shù)母呔萈ID控制
  7.4.1  重復(fù)控制原理
  7.4.2  基于重復(fù)控制補(bǔ)償?shù)腜ID控制
  7.4.3  仿真程序及分析
  7.5  基于零相差前饋補(bǔ)償?shù)腜ID控制
  7.5.1  零相差控制原理
  7.5.2  基于零相差前饋補(bǔ)償?shù)腜ID控制
  7.5.3  仿真程序及分析
  7.6  基于卡爾曼濾波器的PID控制
  7.6.1  卡爾曼濾波器原理
  7.6.2  仿真程序及分析
  7.6.3  基于卡爾曼濾波器的PID控制
  7.6.4  仿真程序及分析
  7.7  單級(jí)倒立擺的PID控制
  7.7.1  單級(jí)倒立擺建模
  7.7.2  單級(jí)倒立擺控制
  7.7.3  仿真程序及分析
  7.8  吊車-雙擺系統(tǒng)的控制
  7.8.1  吊車-雙擺系統(tǒng)的建模
  7.8.2  吊車-雙擺系統(tǒng)的仿真
  7.9  基于Anti-windup的PID控制
  7.9.1  Anti-windup的基本原理
  7.9.2  仿真程序及分析
  7.10  基于PD增益自適應(yīng)調(diào)節(jié)的模型參考自適應(yīng)控制
  7.10.1  控制器的設(shè)計(jì)
  7.10.2  穩(wěn)定性分析
  7.10.3  仿真程序及分析
第8章  灰色PID控制
  8.1  灰色控制原理
  8.1.1  生成數(shù)列
  8.1.2  GM模型
  8.2  干擾信號(hào)的灰色估計(jì)
  8.2.1  灰色估計(jì)的理論基礎(chǔ)
  8.2.2  仿真實(shí)例
  8.3  灰色PID控制
  8.3.1  灰色PID控制的理論基礎(chǔ)
  8.3.2  連續(xù)系統(tǒng)灰色PID控制
  8.3.3  仿真程序及分析
  8.3.4  離散系統(tǒng)灰色PID控制
  8.3.5  仿真程序及分析
  8.4  灰色PID的位置跟蹤
  8.4.1  連續(xù)系統(tǒng)灰色PID位置跟蹤
  8.4.2  仿真程序及分析
  8.4.3  離散系統(tǒng)灰色PID位置跟蹤
  8.4.4  仿真程序及分析
第9章  伺服系統(tǒng)PID控制
  9.1  基于Lugre摩擦模型的PID控制
  9.1.1  伺服系統(tǒng)的摩擦現(xiàn)象
  9.1.2  伺服系統(tǒng)的Lugre摩擦模型
  9.1.3  仿真程序及分析
  9.2  基于Stribeck摩擦模型的PID控制
  9.2.1  Stribeck摩擦模型描述
  9.2.2  一個(gè)典型伺服系統(tǒng)描述
  9.2.3  仿真程序及分析
  9.3  伺服系統(tǒng)三環(huán)的PID控制
  9.3.1  伺服系統(tǒng)三環(huán)的PID控制原理
  9.3.2  仿真程序及分析
  9.4  二質(zhì)量伺服系統(tǒng)的PID控制
  9.4.1  二質(zhì)量伺服系統(tǒng)的PID控制原理
  9.4.2  仿真程序及分析
  9.5  伺服系統(tǒng)的模擬PD+數(shù)字前饋控制
  9.5.1  伺服系統(tǒng)的模擬PD+數(shù)字前饋控制原理
  9.5.2  仿真程序及分析
第10章  機(jī)器人的PID控制
  10.1  確定性單臂機(jī)械手的PD+前饋控制
  10.1.1  單臂機(jī)械手的運(yùn)動(dòng)方程
  10.1.2  控制器的設(shè)計(jì)
  10.1.3  仿真程序及分析
  10.2  不確定性單臂機(jī)械手的PD+前饋控制
  10.2.1  不確定性單臂機(jī)械手的運(yùn)動(dòng)方程
  10.2.2  仿真程序及分析
  10.3  不確定性單臂機(jī)械手的PD魯棒控制
  10.3.1  控制器設(shè)計(jì)
  10.3.2  穩(wěn)定性分析
  10.3.3  仿真程序及分析
  10.4  基于PD的N關(guān)節(jié)機(jī)器人控制
  10.4.1  N關(guān)節(jié)機(jī)器人運(yùn)動(dòng)方程
  10.4.2  PD控制
  10.4.3  PD控制+前饋控制
  10.4.4  PD控制+修正前饋控制
  10.4.5  仿真程序及分析
  10.5  機(jī)器人的魯棒自適應(yīng)PD控制
  10.5.1  機(jī)器人動(dòng)力學(xué)模型及其結(jié)構(gòu)特性
  10.5.2  控制器的設(shè)計(jì)
  10.5.3  仿真程序及分析
第11章  PID實(shí)時(shí)控制的C++語(yǔ)言設(shè)計(jì)及應(yīng)用
  11.1  M語(yǔ)言的C++轉(zhuǎn)化
  11.2  基于C++的三軸飛行模擬轉(zhuǎn)臺(tái)伺服系統(tǒng)PID實(shí)時(shí)控制
  11.2.1  控制系統(tǒng)構(gòu)成
  11.2.2  實(shí)時(shí)控制程序分析
  11.2.3  仿真程序及分析
  參考文獻(xiàn)