先進(jìn)控制理論

第1章 緒論
1.1 控制理論的發(fā)展歷史及應(yīng)用
1.1.1 控制理論的發(fā)展歷史
1.1.2 控制理論的應(yīng)用
1.2 先進(jìn)控制基礎(chǔ)
1.2.1 先進(jìn)控制的概念
1.2.2 先進(jìn)控制理論的發(fā)展現(xiàn)狀
1.2.3 工業(yè)過程先進(jìn)控制的核心內(nèi)容
1.2.4 先進(jìn)控制的工程化
1.3 三種重要的先進(jìn)控制理論概述
1.3.1 滑模變結(jié)構(gòu)控制
1.3.2 估計理論
1.3 13預(yù)測控制
第2章 滑模變結(jié)構(gòu)控制基礎(chǔ)
2.1 滑模變結(jié)構(gòu)控制簡介
2.2 滑模變結(jié)構(gòu)控制發(fā)展歷史
2.3 滑模變結(jié)構(gòu)控制基本原理
2.3.1 右端不連續(xù)微分方程
2.3.2 滑模變結(jié)構(gòu)控制的定義
2.3.3 二階滑模變結(jié)構(gòu)控制實例
2.3.4 滑模變結(jié)構(gòu)控制的品質(zhì)
2.3.5 滑模變結(jié)構(gòu)控制的特點
2.4 滑模變結(jié)構(gòu)控制抖振問題
2.4.1 抖振問題產(chǎn)生的原因
2.4.2 抖振問題的肖U弱方法
2.5 滑模變結(jié)構(gòu)控制系統(tǒng)設(shè)計
2.6 滑模變結(jié)構(gòu)控制的應(yīng)用
第3章 連續(xù)時間系統(tǒng)滑模變結(jié)構(gòu)控制
3.1 滑動模態(tài)到達(dá)條件
3.2 等效控制及滑動模態(tài)運動方程
3.2.1 等效控制
3.2.2 滑動模態(tài)運動方程1
3.3 滑模變結(jié)構(gòu)控制匹配條件及不變性
3.4 滑模變結(jié)構(gòu)控制器設(shè)計基本方法
3.5 基于比例切換的滑模變結(jié)構(gòu)控制
3.6 基于趨近律的滑模變結(jié)構(gòu)控制
3.6.1 基于趨近律的調(diào)節(jié)系統(tǒng)
3.6.2 基于趨近律的位置跟蹤系統(tǒng)
3.7 基于準(zhǔn)滑動模態(tài)的滑模變結(jié)構(gòu)控制
3.7.1 準(zhǔn)滑動模態(tài)定義
3.7.2 仿真實例
3.8 基于上下界的滑模變結(jié)構(gòu)控制
3.8.1 系統(tǒng)描述
3.8.2 控制器設(shè)計
3.8.3 仿真實例
第4章 離散時間系統(tǒng)滑模變結(jié)構(gòu)控制
4.1 離散時間系統(tǒng)滑模變結(jié)構(gòu)控制描述
4.2 準(zhǔn)滑動模態(tài)特性
4.3 離散時間滑動模態(tài)到達(dá)條件
4.4 離散時間滑模變結(jié)構(gòu)控制的不變性
4.5 基于等效控制的離散時間滑模變結(jié)構(gòu)控制
4.5.1 基于等效控制的調(diào)節(jié)系統(tǒng)
4.5.2 基于等效控制的位置跟蹤系統(tǒng)
4.6 基于指數(shù)趨近律的離散時間滑模變結(jié)構(gòu)控制
4.6.1 基于指數(shù)趨近律的調(diào)節(jié)系統(tǒng)
4.6.2 基于指數(shù)趨近律的位置跟蹤系統(tǒng)
4.7 基于組合趨近律的滑模變結(jié)構(gòu)控制
4.7.1 變速趨近律及控制
4.7.2 基于組合趨近律的控制
4.7.3 仿真實例
4.8 自適應(yīng)離散時間滑模變結(jié)構(gòu)控制
4.8.1 離散時間指數(shù)趨近律控制的抖振分析
4.8.2 自適應(yīng)滑?？刂破鞯脑O(shè)計
4.8.3 仿真實例
第5章 估計問題基礎(chǔ)
5.1 估計理論的發(fā)展過程和估計問題的分類
5.2 模型參數(shù)估計問題
5.2.1 參數(shù)估計
5.2.2 線性參數(shù)模型最小二乘估計
5.3 信號、狀態(tài)估計問題
5.4 信息融合估計問題
5.5 自校正狀態(tài)與信號估計問題
5.6 自校正狀態(tài)與信號信息融合估計問題
第6章 KaIman濾波與狀態(tài)估計
6.1 引言
6.2 射影理論
6.2.1 線性最小方差估計和射影
6.2.2 新息序列
6.3 Kalman濾波器和預(yù)報器
6.4 Kalman平滑器
6.5 白噪聲估值器
6.6 信息濾波器
6.7 穩(wěn)態(tài)Kalman濾波
6.8 基于Kalman濾波的時域Wiener濾波
6.8.1 白噪聲Wiener濾波器
6.8.2 Wiener狀態(tài)濾波器
6.8.3 狀態(tài)分量解耦Wiener濾波器
6.8.4 觀測Wiener·預(yù)報器
6.8.5 應(yīng)用于設(shè)計多通道ARMA信號Wiener濾波器
6.9 基于濾波器的趨近律滑模變結(jié)構(gòu)控制
6.9.1 Kalman濾波器的設(shè)計
6.9.2 仿真實例
第7章 估計融合
7.1 引言
7.2 三種加權(quán)多傳感器最優(yōu)信息融合準(zhǔn)則
7.2.1 按矩陣加權(quán)線性最小方差最優(yōu)融合準(zhǔn)則和算法
7.2.2 按標(biāo)量加權(quán)線性最小方差最優(yōu)信息融合準(zhǔn)則和算法
7.2.3 按對角陣加權(quán)線性最小方差最優(yōu)融合估計準(zhǔn)則和算法
7.3 多傳感器信息融合Kalman濾波器和預(yù)報器
7.4 多傳感器信息融合穩(wěn)態(tài)Kal。man濾波器和預(yù)報器
7.5 加權(quán)觀測融合Kalman濾波器
7.6 帶不同觀測陣的兩種加權(quán)觀測融合Kalman濾波器的功能等價性
7.6.1 集中式觀測融合Kalman濾波器
7.6.2 加權(quán)觀測融合Kalman濾波算法
7.6.3 加權(quán)觀測融合。Kalman濾波算法
7.6.4 觀測融合Kalman濾波算法的功能等價性
第8章 模型算法控制
8.1 算法原理
8.1.1 脈沖響應(yīng)模型
8.1.2 模型預(yù)測與反饋校正
8.1.3 優(yōu)化控制：單入單出情形
8.1.4 優(yōu)化控制：多入多出情形
8.2 約束的處理
8.3 預(yù)測控制的一般實施方式
第9章 動態(tài)矩陣控制
9.1 階躍響應(yīng)模型及其辨識
9.2 算法原理
9.2.1 單入單出情形
9.2.2 單入單出情形：另一種推導(dǎo)方式
9.2.3 多入多出情形
9.2.4.MATLAB工具箱的說明
9.3 約束的處理
第10章 廣義預(yù)測控制
10.1 算法原理
10.1.1 預(yù)測模型
10.1.2 丟番圖方程的解法
10.1.3 滾動優(yōu)化
10.1.4 在線辨識與校正
10.2 一些基本性質(zhì)
10.3 多變量系統(tǒng)和約束系統(tǒng)情形
10.3.1 多變量廣義預(yù)測控制
10.3.2 約束的處理
參考文獻(xiàn)