不確定動(dòng)態(tài)系統(tǒng)智能評(píng)判學(xué)習(xí)與控制

目錄
前言
**篇 連續(xù)時(shí)間系統(tǒng)
第1章 不確定系統(tǒng)智能評(píng)判學(xué)習(xí)與控制概述 3
1.1 引言 3
1.2 自適應(yīng)評(píng)判控制設(shè)計(jì) 5
1.2.1 基本設(shè)計(jì)思路 5
1.2.2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)與系統(tǒng)穩(wěn)定性分析 7
1.2.3 改進(jìn)評(píng)判網(wǎng)絡(luò)學(xué)習(xí)準(zhǔn)則 9
1.3 魯棒自適應(yīng)評(píng)判控制設(shè)計(jì) 10
1.3.1 基本魯棒鎮(zhèn)定設(shè)計(jì) 10
1.3.2 魯棒軌跡跟蹤問(wèn)題 12
1.3.3 結(jié)合事件驅(qū)動(dòng)機(jī)制的討論 14
1.4 自適應(yīng)H1控制設(shè)計(jì) 16
1.5 應(yīng)用與前景 19
1.6 本章小結(jié) 20
第2章 基于學(xué)習(xí)的復(fù)雜非線(xiàn)性系統(tǒng)魯棒優(yōu)化 21
2.1 引言 21
2.2 問(wèn)題描述 22
2.3 自學(xué)習(xí)魯棒優(yōu)化控制設(shè)計(jì) 23
2.3.1 控制問(wèn)題轉(zhuǎn)化 24
2.3.2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 26
2.3.3 閉環(huán)系統(tǒng)穩(wěn)定性分析 28
2.4 復(fù)雜關(guān)聯(lián)系統(tǒng)分散鎮(zhèn)定 31
2.5 仿真實(shí)驗(yàn) 34
2.6 本章小結(jié) 39
第3章 事件驅(qū)動(dòng)環(huán)境下的自適應(yīng)保成本控制 40
3.1 引言 40
3.2 問(wèn)題描述 41
3.3 事件驅(qū)動(dòng)保成本控制設(shè)計(jì) 44
3.3.1 事件驅(qū)動(dòng)機(jī)制描述 44
3.3.2 智能評(píng)判控制的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 47
3.3.3 閉環(huán)系統(tǒng)穩(wěn)定性分析 49
3.3.4 Zeno行為消除 52
3.4 仿真實(shí)驗(yàn) 53
3.5 本章小結(jié) 61
第4章 連續(xù)時(shí)間非線(xiàn)性魯棒控制與跟蹤綜合 62
4.1 引言 62
4.2 問(wèn)題描述 63
4.3 自學(xué)習(xí)魯棒控制綜合 64
4.3.1 魯棒鎮(zhèn)定設(shè)計(jì)基礎(chǔ) 64
4.3.2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 65
4.4 自學(xué)習(xí)魯棒跟蹤控制 66
4.4.1 跟蹤設(shè)計(jì)基礎(chǔ) 66
4.4.2 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 68
4.5 仿真實(shí)驗(yàn) 70
4.6 本章小結(jié) 77
第5章 采用策略學(xué)習(xí)的先進(jìn)控制器設(shè)計(jì)方法 79
5.1 引言 79
5.2 問(wèn)題描述 80
5.3 策略學(xué)習(xí)優(yōu)化控制設(shè)計(jì) 81
5.3.1 預(yù)補(bǔ)償系統(tǒng)轉(zhuǎn)化 81
5.3.2 積分強(qiáng)化學(xué)習(xí)算法提出 83
5.3.3 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 85
5.4 仿真實(shí)驗(yàn) 87
5.5 本章小結(jié) 94
第二篇 離散時(shí)間系統(tǒng)
第6章 未知非線(xiàn)性系統(tǒng)自學(xué)習(xí)優(yōu)化控制設(shè)計(jì) 97
6.1 引言 97
6.2 問(wèn)題描述 99
6.3 迭代GDHP控制設(shè)計(jì) 101
6.3.1 非線(xiàn)性系統(tǒng)辨識(shí) 101
6.3.2 迭代ADP算法提出 104
6.3.3 收斂性分析 105
6.3.4 設(shè)計(jì)步驟 110
6.3.5 基于GDHP技術(shù)的實(shí)現(xiàn)方案 111
6.4 迭代SN-DHP控制設(shè)計(jì) 114
6.4.1 改進(jìn)的辨識(shí)方法 114
6.4.2 改進(jìn)的迭代ADP算法 117
6.4.3 基于SN-DHP技術(shù)的實(shí)現(xiàn)方案 118
6.5 仿真實(shí)驗(yàn) 121
6.5.1 迭代GDHP方法驗(yàn)證 121
6.5.2 迭代SN-DHP方法驗(yàn)證 126
6.6 本章小結(jié) 130
第7章 迭代神經(jīng)動(dòng)態(tài)規(guī)劃近似**反饋調(diào)節(jié) 131
7.1 引言 131
7.2 問(wèn)題描述 132
7.3 迭代NDP控制設(shè)計(jì) 133
7.3.1 迭代算法及其收斂性分析 133
7.3.2 基于NDP技術(shù)的實(shí)現(xiàn)方案 135
7.3.3 具體的算法設(shè)計(jì)步驟 139
7.4 仿真實(shí)驗(yàn) 140
7.5 本章小結(jié) 145
第8章 具有外部干擾的非線(xiàn)性系統(tǒng)軌跡跟蹤 147
8.1 引言 147
8.2 問(wèn)題描述 148
8.3 無(wú)模型H1跟蹤控制設(shè)計(jì) 150
8.3.1 非線(xiàn)性系統(tǒng)辨識(shí) 150
8.3.2 迭代算法提出 153
8.3.3 收斂性分析 156
8.3.4 基于DHP技術(shù)的實(shí)現(xiàn)方案 159
8.4 仿真實(shí)驗(yàn) 161
8.5 本章小結(jié) 167
第9章 混合驅(qū)動(dòng)機(jī)制下的智能優(yōu)化控制策略 169
9.1 引言 169
9.2 問(wèn)題描述 169
9.3 混合驅(qū)動(dòng)優(yōu)化控制設(shè)計(jì) 171
9.3.1 穩(wěn)定性分析 171
9.3.2 混合驅(qū)動(dòng)實(shí)現(xiàn)方案 175
9.4 仿真實(shí)驗(yàn) 178
9.5 本章小結(jié) 184
第10章 離散時(shí)間系統(tǒng)智能評(píng)判魯棒鎮(zhèn)定初探 185
10.1 引言 185
10.2 問(wèn)題描述 185
10.3 自學(xué)習(xí)魯棒控制設(shè)計(jì) 187
10.3.1 離散時(shí)間GHJB方程 187
10.3.2 逐次逼近方法 189
10.3.3 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) 192
10.3.4 魯棒控制器設(shè)計(jì) 194
10.4 仿真實(shí)驗(yàn) 196
10.5 本章小結(jié) 202
參考文獻(xiàn) 203
基本符號(hào) 218