多变量非线性系统的神经网络逆控制方法

前言
第1章 绪论
第2章 神经网络逆控制方法概述
2.1 非线性系统的逆系统
2.1.1 逆系统
2.1.2 逆系统的实现(构造)
2.2 非线性系统的神经网络逆系统
2.2.1 逆系统解析实现的困难和神经网络逆系统的提出
2.2.2 神经网络逆系统结构
2.3 非线性系统的神经网络逆控制方法
2.4 小结
第3章 逆系统
3.1 逆系统的基本概念
3.1.1 逆系统
3.1.2 系统的可逆性
3.1.3 伪线性复合系统——线性化解耦系统
3.2 基于状态方程描述SISO系统的逆系统
3.2.1 SISO非线性系统的相对阶
3.2.2 SISO系统的可逆性
3.2.3 SISO逆系统的解析实现
3.3 基于状态方程描述MIMO系统的逆系统
3.3.1 Interactor算法
3.3.2 MIMO非线性系统的向量相对阶和向量本性阶
3.3.3 MIMO系统的可逆性——函数可控性
3.3.4 MIMO逆系统的静态、动态解耦及其解析实现
3.4 基于输入输出微分方程描述系统的逆系统
3.4.1 SISO系统的可逆性
3.4.2 SISO逆系统的解析实现
3.4.3 MIMO系统的可逆性
3.4.4 MIMO逆系统的解析实现
3.4.5 不同描述系统的逆系统之间的关系
3.5 伪线性复合系统
3.5.1 伪线性复合系统的状态方程描述
3.5.2 完全线性化与部分线性化
3.5.3 隐动态问题
3.6 广义逆系统
3.6.1 广义逆系统的概念
3.6.2 基于输入输出微分方程描述系统的广义逆系统
3.6.3 基于状态方程描述系统的广义逆系统
3.7 小结
附录A 雅可比矩阵、雅可比矩阵的秩与行列式的关系
附录B 隐函数定理和反函数定理
第4章 神经网络逆系统
4.1 神经网络逆系统的提出
4.2 连续时间动态神经网络
4.2.1 人工神经元与神经网络
4.2.2 静态神经网络
4.2.3 动态神经网络
4.2.4 构造逆系统的动态神经网络
4.3 神经网络逆系统的结构
4.3.1 神经网络逆系统的基本结构
4.3.2 神经网络逆系统的扩展结构
4.3.3 神经网络逆系统结构的确定
4.4 神经网络逆系统的学习、训练
4.4.1 神经网络逆系统的训练结构与步骤
4.4.2 激励信号的选取
4.4.3 训练样本的获取
4.4.4 神经网络的选型与训练
4.4.5 神经网络逆系统训练综合例
4.5 神经网络逆系统的线性化解耦效果
4.6 小结
附录
第5章 神经网络逆系统控制方法
5.1 伪线性系统的动态特性分析
5.1.1 伪线性系统的非理想线性化解耦特性
5.1.2 伪线性系统的“物理特性”
5.2 神经网络逆复合控制器
5.2.1 被控系统的静、动态特性分析
5.2.2 神经网络逆系统设计
5.2.3 附加控制器设计
5.3 神经网络逆+输出反馈控制
5.4 神经网络逆+线性最优控制
5.5 小结
第6章 神经网络逆控制应用例
6.1 多自由度机械手解耦控制
6.1.1 多自由度机械手的动力学模型及其可逆性
6.1.2 多自由度机械手的神经网络逆系统控制
6.2 遥操作机器人解耦控制
6.2.1 遥操作机器人的主从控制结构与通讯延时
6.2.2 神经网络广义逆系统——从控制器
6.2.3 Smith预估器——主控制器
6.2.4 遥操作机器人主从控制器的实际设计
6.3 生物发酵过程解耦控制
6.3.1 生物发酵过程模型
6.3.2 可逆性分析
6.3.3 发酵过程的神经网络逆解耦控制
6.4 感应电机解耦控制
6.4.1 感应电机模型
6.4.2 可逆性分析
6.4.3 感应电机的神经网络逆解耦控制
6.4.4 神经网络逆系统辨识
6.4.5 神经网络逆解耦控制效果
6.5 电力系统发电机控制
6.5.1 电力系统的非线性微分-代数结构模型
6.5.2 发电机的非线性微分-代数结构模型
6.5.3 具有微分-代数结构的发电机模型的可逆性分析
6.5.4 采用扩展结构的发电机神经网络逆解耦控制
6.5.5 不同输出函数下的神经网络逆控制
6.5.6 两区域四机电力系统的神经网络逆控制
6.6 小结
参考文献