系統(tǒng)辨識與自適應控制MATLAB仿真（修訂版）

第1章 緒論
1.1 自適應控制問題的提出
1.2 自適應控制的種類
1.2.1 模型參考自適應控制系統(tǒng)
1.2.2 自校正控制系統(tǒng)
1.2.3 智能自適應控制系統(tǒng)
1.2.4 其他形式的自適應控制系統(tǒng)
1.3 自適應控制的應用現(xiàn)狀
1.3.1 在工業(yè)領域中的典型應用
1.3.2 在非工業(yè)領域中的應用
1.4 自適應控制存在的問題及發(fā)展方向
第2章 系統(tǒng)辨識
2.1 系統(tǒng)辨識概述
2.1.1 數(shù)學模型及建模方法
2.1.2 系統(tǒng)辨識的定義及其分類
2.1.3 參數(shù)模型
2.1.4 系統(tǒng)辨識的基本原理
2.1.5 系統(tǒng)辨識的步驟
2.2 白噪聲、M序列與噪信比
2.2.1 白噪聲與有色噪聲
2.2.2 M序列與逆M序列
2.2.3 噪信比
2.3 最小二乘參數(shù)估計法
2.3.1 批處理最小二乘法
2.3.2 遞推最小二乘法
2.3.3 遺忘因子遞推最小二乘法
2.3.4 遞推增廣最小二乘法
2.4 梯度校正參數(shù)估計法
2.4.1 確定性系統(tǒng)的梯度校正參數(shù)估計法
2.4.2 隨機牛頓法
2.5 極大似然參數(shù)估計法
2.6 多變量系統(tǒng)參數(shù)估計
第3章 模型參考自適應控制
3.1 連續(xù)系統(tǒng)數(shù)值積分基礎知識
3.1.1 歐拉法
3.1.2 龍格一庫塔法
3.2 基于梯度法的模型參考自適應控制
3.2.1 MIT自適應律
3.2.2 MIT歸一化算法
3.3 基于Lyapunov穩(wěn)定性理論的模型參考自適應控制
3.3.1 Lyapunov穩(wěn)定性理論與正實傳遞函數(shù)
3.3.2 可調(diào)增益Lyapunov-MRAC
3.3.3 系統(tǒng)狀態(tài)變量可測時的MRAC
3.3.4 Narendra穩(wěn)定自適應控制器
3.4 離散時間模型參考自適應系統(tǒng)
3.4.1 二階系統(tǒng)的離散時間MRAS
3.4.2 n階系統(tǒng)的離散時間MRAS
第4章 自校正控制
4.1 Diophantine方程的求解
4.1.1 單步Diophantine方程的求解
4.1.2 多步Diophantine方程的求解
4.2 最小方差自校正控制
4.2.1 單步輸出預測
4.2.2 最小方差控制
4.2.3 最小方差間接自校正控制
4.2.4 最小方差直接自校正控制
4.3 廣義最小方差自校正控制
4.3.1 廣義最小方差控制
4.3.2 廣義最小方差間接自校正控制
4.3.3 廣義最小方差直接自校正控制
4.4 廣義預測控制
4.4.1 預測控制的提出
4.4.2 預測控制的基本機理
4.4.3 廣義預測控制
4.5 改進的廣義預測控制
4.5.1 基于CARIMA模型的JGPC
4.5.2 基于CARMA模型的JGPC
第5章 基于常規(guī)控制策略的自校正控制
5.1 極點配置自校正控制
5.1.1 極點配置控制
5.1.2 極點配置間接自校正控制
5.1.3 極點配置直接自校正控制
5.2 自校正PID控制
5.2.1 常規(guī)PID控制
5.2.2 自校正PID控制
第6章 非線性系統(tǒng)辨識與控制
6.1 基于BP神經(jīng)網(wǎng)絡的系統(tǒng)辨識
6.1.1 BP神經(jīng)網(wǎng)絡
6.1.2 基于局部誤差的BP神經(jīng)網(wǎng)絡辨識
6.1.3 基于全局誤差的BP神經(jīng)網(wǎng)絡辨識
6.2 基于RBF、神經(jīng)網(wǎng)絡的系統(tǒng)辨識與控制
6.2.1 RBF神經(jīng)網(wǎng)絡
6.2.2 基于RBF神經(jīng)網(wǎng)絡的系統(tǒng)辨識
6.2.3 基于RBF神經(jīng)網(wǎng)絡的PID自校正控制
6.3 模糊控制
6.3.1 模糊集合論
6.3.2 模糊控制器設計
6.3.3 模糊控制M文件仿真
6.3.4 模糊控制Simulink仿真
參考文獻