复杂非线性系统的自适应优化控制

内容简介

《复杂非线性系统的自适应优化控制》系统地研究了基于自适应动态规划方法的复杂非线性系统的自适应迭代控制理论和相关的应用问题。全书共分为8章，分别针对离散时间非线性系统和连续时间非线性系统的镇定控制和跟踪控制问题进行了深入的探讨。第1章介绍了自适应动态规划的基本理论和发展现状；第2章研究了执行器死区约束下的非线性系统自适应跟踪控制问题；第3～6章详细研究了几类离散非线性系统的自适应镇定和跟踪控制问题；第7、8章分别基于神经网络和模糊模型深入研究了两类连续时间非仿射非线性系统的鲁棒自适应评价设计问题。
《复杂非线性系统的自适应优化控制》可作为高等学校自动化、电气工程及其自动化、测控技术等相关专业本科生、研究生的教材，也可供相关学科的工程技术人员参考。

目录

前言
第1章 绪论
1.1 引言
1.2 非线性系统控制理论概述
1.3 非线性系统自适应控制理论概述
1.4 自适应迭代控制的发展及研究现状
1.4.1 自适应动态规划算法的发展历程
1.4.2 自适应动态规划算法的基本理论
1.4.3 自适应动态规划算法的研究现状
1.5 本书结构
参考文献
第2章 执行器带未知死区的一类非线性系统的神经网络自适应控制
2.1 引言
2.2 问题描述和预备知识
2.3 自适应控制器设计
2.3.1 自适应控制器的形式
2.3.2 对象的部分非线性动态行为的估计
2.3.3 针对执行器死区的补偿器设计
2.3.4 权值调节律与稳定性分析
2.4 仿真研究
2.5 小结
参考文献
第3章 带有饱和执行器的一类非线性离散系统的迭代优化控制
3.1 引言
3.2 约束非线性系统的离散HJB方程
3.3 基于迭代自适应动态规划算法的近似控制
3.3.1 迭代自适应动态规划算法的推导
3.3.2 迭代自适应动态规划算法的收敛性分析
3.3.3 迭代自适应动态规划算法的实现
3.4 仿真研究
3.5 小结
参考文献
第4章 一类离散非仿射系统基于GI-GDHP算法的近似跟踪控制
4.1 引言
4.2 问题描述
4.3 跟踪控制器的设计
4.3.1 基于隐函数定理的前馈控制器设计
4.3.2 反馈控制器设计
4.4 跟踪控制器的实现
4.4.1 前馈控制器的实现
4.4.2 反馈控制器的神经网络实现
4.4.3 跟踪控制器的设计过程
4.4.4 神经网络近似过程的收敛性分析
4.5 仿真研究
4.6 小结
参考文献
第5章 带有控制约束的一类非线性广义系统的近似控制
5.1 引言
5.2 控制器的间接设计
5.2.1 问题陈述
5.2.2 基于GI-DHP算法的控制器设计和实现
5.2.3 仿真研究
5.3 控制器的直接设计
5.3.1 问题陈述和约束广义系统的离散HJB方程的推导
5.3.2 组合迭代DHP算法的推导和实现
5.3.3 仿真研究
5.4 小结
参考文献
第6章 基于单网络GI-DHP算法的一类非线性系统的近似控制
6.1 引言
6.2 问题陈述
6.3 贪婪迭代DHP算法的推导和实现
6.3.1 贪婪迭代DHP算法的推导
6.3.2 贪婪迭代DHP算法的收敛性分析
6.3.3 单网络贪婪迭代DHP算法的神经网络实现
6.4 仿真研究
6.5 小结
参考文献
第7章 一类连续非仿射非线性系统的鲁棒自适应评价设计
7.1 引言
7.2 基于神经网络的鲁棒自适应评价设计
7.2.1 问题描述
7.2.2 基于控制网和评价网的鲁棒自适应评价设计
7.2.3 稳定性分析
7.3 仿真研究
7.4 小结
参考文献
第8章 一类具有未知控制方向的非仿射非线性系统的鲁棒自适应评价设计
8.1 引言
8.2 问题描述和模糊小波神经网络
8.2.1 问题描述
8.2.2 模糊小波神经网络
8.3 基于FWN的鲁棒自适应评价设计
8.3.1 控制FWN设计
8.3.2 评价FWN设计
8.4 稳定性分析
8.5 仿真研究
8.6 小结
参考文献

摘要与插图

第1章 绪论
1.1 引言
众所周知， 针对线性定常系统的控制的理论和方法已经成熟[1-4]。 而针对非线性系统而言， 虽然人们也对其控制问题进行了相应的研究， 但由于其高度的复杂性， 一般很难得到其解析的控制解。 然而， 非线性是自然界和工程技术领域中遍的现象， 许多实际工程系统都具有本质上的非线性， 必须用非线性系统描述才合理。 因此， 研究非线性系统的控制问题， 无论在理论上还是在实践上， 都具有重大的意义。
动态规划是贝尔曼于20 世纪50 年代提出的求解多阶段决策过程化的一种数学方法， 现已在控制领域获得广泛应用。 然而， 随着系统维数和时间段的增加， 该方法显示出了一个致命的缺点， 即其计算量和存储量呈现惊人的增长， 出现了所谓的“维数灾” 问题。 为了克服这些缺点， Werbos 于1977 年先提出了自适应动态规划（ADP） 方法的框架[5]， 其主要思想是利用一个函数近似结构（如神经网络、模糊模型、多项式等） 来估计代价函数， 用于按时间正向求解动态规划问题。 近些年来， ADP 方法获得了控制界广泛的关注， 由于其融合了模糊控制、神经网络及增强学习技术， 为解决非线性系统的控制问题提供了新的思路， 从而成为了近年来国内外控制领域研究的热点。
另一方面， 由于神经网络具有强大的非线性逼近能力和学习能力， 为复杂非线性系统的控制开辟了一条崭新的途径。 神经网络自适应控制就是基于自适应的基本原理， 结合神经网络的特点和理论产生的新方法， 它简化了单纯自适应控制系统设计的复杂性， 发挥了自适应与神经网络各自的长处， 因而在智能控制研究领域中受到了广泛的关注， 并取得了大量的研究成果[6-10]。
模糊控制自诞生以来， 经历了近40 年的完善和发展， 逐步被认为是解决复杂非线性系统建模和控制的一种行之有效的方法。 通过模糊逻辑， 把语言信息构造到控制系统上， 从而对难以建立数学模型的对象， 提供了新颖的系统分析与设计的理念。 可以预见， 如果将模糊控制和控制技术相结合将是解决复杂非线性系统控制问题的新途径。
本章先介绍了非线性系统控制的基本理论， 其次介绍了非线性系统自适应控制的发展历程， 接着重点介绍了基于神经网络的自适应动态规划算法的基本理论和研究现状， 简述了