目录 第1章绪论 1.1神经网络控制 1.1.1神经网络控制的提出 1.1.2神经网络控制概述 1.1.3自适应RBF神经网络概述 1.2RBF神经网络 1.3机器人RBF神经网络控制 1.4控制系统S函数设计 1.4.1S函数介绍 1.4.2S函数基本参数 1.4.3实例 1.5简单自适应控制系统设计实例 1.5.1系统描述 1.5.2自适应控制律设计 1.5.3仿真实例 附录仿真程序 参考文献 第2章RBF神经网络设计与仿真 2.1RBF神经网络算法及仿真 2.1.1RBF神经网络算法设计 2.1.2RBF神经网络设计实例及MATLAB仿真 2.2基于梯度下降法的RBF神经网络逼近 2.2.1RBF神经网络逼近 2.2.2仿真实例 2.3高斯函数的参数对RBF神经网络逼近的影响 2.4隐含层节点数对RBF神经网络逼近的影响 2.5RBF神经网络的建模训练 2.5.1RBF神经网络训练 2.5.2仿真实例 2.6RBF神经网络逼近 附录仿真程序 参考文献 第3章基于梯度下降法的RBF神经网络控制 3.1基于RBF神经网络的监督控制 3.1.1RBF监督控制 3.1.2仿真实例 3.2基于RBF神经网络的模型参考自适应控制 3.2.1控制系统设计 3.2.2仿真实例 3.3RBF神经网络自校正控制 3.3.1系统描述 3.3.2RBF控制算法设计 3.3.3仿真实例 附录仿真程序 参考文献 第4章自适应RBF神经网络控制 4.1基于神经网络逼近的自适应控制 4.1.1系统描述 4.1.2自适应RBF控制器设计 4.1.3仿真实例 4.2基于神经网络逼近的未知参数自适应控制 4.2.1系统描述 4.2.2自适应控制设计 4.2.3仿真实例 4.3基于RBF神经网络的直接鲁棒自适应控制 4.3.1系统描述 4.3.2理想反馈控制和函数逼近 4.3.3控制器设计及分析 4.3.4仿真实例 4.4基于RBF神经网络的单参数直接鲁棒自适应控制 4.4.1系统描述 4.4.2仿真实例 附录仿真程序 参考文献 第5章RBF神经网络滑模控制 5.1经典滑模控制器设计 5.2基于RBF神经网络的二阶SISO系统的滑模控制 5.2.1系统描述 5.2.2基于RBF神经网络逼近f(·)的滑模控制 5.2.3仿真实例 5.3基于RBF逼近未知函数f(·)和g(·)的滑模控制 5.3.1引言 5.3.2仿真实例 5.4基于神经网络最小参数学习法的自适应滑模控制 5.4.1问题描述 5.4.2基于RBF神经网络逼近的自适应控制 5.4.3仿真实例 附录仿真程序 参考文献 第6章基于模型整体逼近的自适应RBF控制 6.1基于RBF神经网络补偿的机器人自适应控制 6.1.1系统描述 6.1.2RBF神经网络逼近 6.1.3RBF神经网络控制和自适应律设计及分析 6.1.4仿真实例 6.2基于滑模鲁棒项的RBF神经网络机器人控制 6.2.1系统描述 6.2.2RBF逼近 6.2.3控制律设计及稳定性分析 6.2.4仿真实例 6.3基于HJI理论和RBF神经网络的鲁棒控制 6.3.1HJI定理 6.3.2控制器设计及稳定性分析 6.3.3仿真实例 附录仿真程序 参考文献 第7章基于局部逼近的自适应RBF控制 7.1基于名义模型的机械臂鲁棒控制 7.1.1系统描述 7.1.2控制器设计 7.1.3稳定性分析 7.1.4仿真实例 7.2基于局部模型逼近的自适应RBF机械臂控制 7.2.1问题描述 7.2.2控制器设计 7.2.3稳定性分析 7.2.4仿真实例 7.3工作空间机械臂的神经网络自适应控制 7.3.1关节角位置与工作空间直角坐标的转换 7.3.2机械臂的神经网络建模 7.3.3控制器的设计 7.3.4仿真实例 附录仿真程序 参考文献 第8章基于RBF神经网络的动态面自适应控制 8.1简单动态面控制的设计与分析 8.1.1系统描述 8.1.2动态面控制器的设计 8.1.3动态面控制器的分析 8.1.4仿真实例 8.2飞行器航迹角自适应神经网络动态面控制 8.2.1系统描述 8.2.2自适应神经网络动态面控制设计 8.2.3稳定性分析 8.2.4仿真实例 8.3柔性关节机械臂自适应RBF神经网络动态面鲁棒控制 8.3.1问题描述 8.3.2自适应RBF神经网络动态面控制器设计 8.3.3闭环系统稳定性分析 8.3.4仿真验证 附录仿真程序 参考文献 第9章数字RBF神经网络控制 9.1自适应RungeKuttaMerson法 9.1.1引言 9.1.2仿真实例 9.2SISO系统的数字自适应控制 9.2.1引言 9.2.2仿真实例 9.3两关节机械臂的数字自适应RBF控制 9.3.1引言 9.3.2仿真实例 附录仿真程序 参考文献 第10章离散神经网络控制 10.1离散神经网络控制概述 10.2一类离散非线性系统的直接RBF控制 10.2.1系统描述 10.2.2控制算法设计和稳定性分析 10.2.3仿真实例 10.3一类离散非线性系统的自适应RBF控制 10.3.1系统描述 10.3.2经典控制器设计 10.3.3自适应神经网络控制器设计 10.3.4稳定性分析 10.3.5仿真实例 附录仿真程序 参考文献 第11章自适应RBF观测器设计及滑模控制 11.1自适应RBF观测器设计 11.1.1系统描述 11.1.2自适应RBF观测器设计 11.1.3仿真实例 11.2基于RBF自适应观测器的滑模控制 11.2.1滑模控制器设计 11.2.2仿真实例 附录仿真程序 参考文献 第12章基于RBF神经网络的反演自适应控制 12.1一种二阶非线性系统的反演控制 12.1.1基本原理 12.1.2仿真实例 12.2一种三阶非线性系统的反演控制 12.2.1系统描述 12.2.2反演控制器设计 12.2.3仿真实例 12.3基于RBF神经网络的二阶非线性系统反演控制 12.3.1基本原理 12.3.2RBF神经网络原理 12.3.3控制算法设计与分析 12.3.4仿真实例 12.4高阶非线性系统反演控制 12.4.1系统描述 12.4.2反演控制器的设计 12.5基于RBF神经网络的高阶非线性系统自适应反演控制 12.5.1系统描述 12.5.2反演控制律设计 12.5.3自适应律的设计 12.5.4仿真实例 附录仿真程序 参考文献 第13章基于RBF神经网络的自适应容错控制 13.1SISO系统执行器自适应容错控制 13.1.1控制问题描述 13.1.2控制律的设计与分析 13.1.3仿真实例 13.2基于RBF神经网络的自适应容错控制 13.2.1控制问题描述 13.2.2RBF神经网络设计 13.2.3控制律的设计与分析 13.2.4仿真实例 13.3基于传感器和执行器容错的自适应控制 13.3.1系统描述 13.3.2控制器设计与分析 13.3.3仿真实例 13.4基于传感器和执行器容错的神经网络自适应控制 13.4.1系统描述 13.4.2控制器设计与分析 13.4.3神经网络逼近 13.4.4仿真实例 附录仿真程序 参考文献 第14章基于RBF神经网络的自适应量化控制 14.1执行器自适应量化控制 14.1.1系统描述 14.1.2量化控制器设计与分析 14.1.3仿真实例 14.2基于RBF神经网络的执行器自适应量化控制 14.2.1系统描述 14.2.2RBF神经网络设计 14.2.3量化控制器设计与分析 14.2.4仿真实例 附录仿真程序 参考文献 第15章基于RBF神经网络的控制输出受限控制 15.1输出受限引理 15.2基于位置输出受限控制算法设计 15.2.1系统描述 15.2.2控制器的设计 15.2.3仿真实例 15.3基于RBF神经网络的输出受限控制 15.3.1系统描述 15.3.2RBF神经网络原理 15.3.3控制器的设计 15.3.4仿真实例 附录仿真程序 参考文献 第16章基于RBF神经网络的控制方向未知的状态跟踪 16.1控制方向未知的状态跟踪 16.1.1系统描述 16.1.2控制律的设计 16.1.3仿真实例 16.2基于RBF神经网络的控制方向未知的状态跟踪 16.2.1系统描述 16.2.2RBF神经网络设计 16.2.3控制律的设计 16.2.4仿真实例 附录仿真程序 参考文献 第17章基于RBF神经网络逼近的多智能体一致性控制 17.1多智能体系统一致性控制 17.1.1代数图论 17.1.2系统描述 17.1.3控制器的设计 17.1.4仿真实例 17.2基于RBF神经网络逼近的多智能体系统一致性控制 17.2.1系统描述 17.2.2基于RBF神经网络逼近f(·)的滑模控制 17.2.3控制器的设计 17.2.4仿真实例 附录仿真程序 参考文献 第18章基于模糊RBF神经网络逼近的自适应控制 18.1模糊RBF神经网络 18.1.1模糊RBF神经网络设计 18.1.2模糊神经网络的学习算法 18.1.3仿真实例 18.2基于模糊RBF神经网络的自适应控制 18.2.1系统描述 18.2.2基于模糊RBF神经网络逼近f(·)的滑模控制 18.2.3仿真实例 附录仿真程序 参考文献 第19章基于RBF神经网络的事件驱动滑模控制 19.1基于事件驱动的滑模控制 19.1.1系统描述 19.1.2控制器设计 19.1.3芝诺分析 19.1.4仿真实例 19.2基于神经网络的事件驱动滑模控制 19.2.1系统描述 19.2.2RBF神经网络逼近 19.2.3控制器设计 19.2.4芝诺分析 19.2.5仿真实例 附录仿真程序 参考文献