《自適應控制理論及應用》由劉小河、管萍、劉麗華編著,介紹自適應控制的基本理論和方法。全書共7章,分別為緒論、自適應控制的理論基礎、模型參考自適應控制系統、自校正控制系統、非線性系統的自適應控制、基于人工神經網絡的自適應控制、基于模糊邏輯的自適應控制等。
《自適應控制理論及應用》按自適應控制理論基礎、自適應控制系統設計、自適應系統的應用幾個層次敘述,力圖做到敘述清楚,論證嚴謹。內容既包含經典的線性系統的自適應控制,又包含20世紀90年代以來得到蓬勃發展的非線性系統自適應控制、智能自適應控制等,并以工程實例來說明理論方法的應用,對研究問題的提法、思路給予了足夠的重視。《自適應控制理論及應用》注重可讀性,便于讀者自學。
《自適應控制理論及應用》可作為高等學校控制科學與工程、電氣工程、電子工程等學科研究生自適應控制理論課程的教材,也可作為自動化專業本科高年級學生的教學參考書。對于高校教師和工程技術人員,《自適應控制理論及應用》也具有較大的參考價值。
前言
第1章 緒論
1.1 自適應控制的概念
1.1.1 自適應控制系統的任務
1.1.2 自適應控制系統的定義
1.2 自適應控制系統的類型
1.2.1 模型參考自適應控制系統
1.2.2 自校正控制系統
1.2.3 自尋優控制系統
1.2.4 其他自適應控制系統
1.3 自適應控制的理論問題
1.4 自適應控制的應用概況
參考文獻
第2章 自適應控制的理論基礎
2.1 Lyapunov穩定性理論
2.1.1 穩定性定義
2.1.2 LyapLulov直接法的基本定理
2.1.3 按首次近似決定穩定性
2.2 正實性和正實引理
2.2.1 正實函數
2.2.2 正實函數矩陣
2.2.3 連續系統和離散系統的正實引理
2.3 超穩定性理論
2.3.1 超穩定性的基本概念
2.3.2 超穩定性定理
2.4 實時參數估計
2.4.1 系統辨識的基本概念
2.4.2 被控對象的離散時間模型
2.4.3 參數估計的最小二乘算法
2.4.4 慢時變參數的遞推估計
2.4.5 閉環系統辨識
2.5 隨機控制基礎
2.5.1 隨機控制問題
2.5.2 隨機控制策略
2.5.3 隨機控制的結構特性
習題
參考文獻
第3章 模型參考自適應控制系統
3.1 模型參考自適應系統的設計問題
3.1.1 模型參考自適應系統的結構類型和數學描述
3.1.2 模型參考自適應系統設計問題的提法
3.2 局部參數最優化設計方法
3.2.1 具有增益可調的MIT律的設計
3.2.2 具有多個可調參數的MIT律的設計
3.2.3 MIT方案的穩定性
3.3 用Lyapunov穩定性理論設計模型參考自適應系統
3.3.1 模型參考自適應控制系統的設計
3.3.2 設計舉例
3.4 基于超穩定性理論的模型參考自適應系統設計
3.4.1 設計的基本思路
3.4.2 用狀態變量描述的自適應系統設計
3.4.3 基于輸入一輸出描述的自適應系統設計
3.5 自適應模型跟隨控制系統
3.5.1 自適應模型跟隨控制系統的基本形式
3.5.2 并聯型自適應模型跟隨控制系統的設計
3.6 離散時間模型參考自適應系統設計
3.6.1 引言
3.6.2 基于輸入一輸出描述的離散時間自適應控制系統設計
習題
參考文獻
第4章 自校正控制系統
4.1 隨機性和預測性自校正控制
4.1.1 最小方差自校正控制
4.1.2 廣義最小方差自校正控制
4.1_3 多步預測自校正控制
4.2 極點配置自校正技術
4.2.1 極點配置設計原理
4.2.2 極點配置自校正控制
4.2.3 前饋補償自校正控制器的零極點配置
4.3 自校正PID控制
4.3.1 PID控制器
4.3.2 自校正PID控制器
習題
參考文獻
第5章 非線性系統的自適應控制
5.1 單輸入一單輸出非線性系統的分段線性化自適應控制
5.1.1 基于Lyapunov理論的分段線性化自適應控制
5.1.2 基于超穩定性理論的分段線性化自適應控制
5.1.3 仿真實例
5.2 一類多輸入-多輸出非線性系統的自適應模型跟隨控制
5.2.1 系統的描述
5.2.2 基于Newton迭代法的非線性系統的模型跟隨控制
5.2.3 非線性系統的局部自適應模型跟隨控制
5.2.4 仿真實例
5.3 基于反饋線性化的非線性系統模型跟蹤控制
5.3.1 反饋線性化的基本概念
5.3.2 非線性系統的反饋線性化
5.3.3 基于反饋線性化的非線性系統漸近模型跟蹤控制
5.3.4 仿真實例
5.4 基于后推法的非線性系統自適應控制
參考文獻
第6章 基于人工神經網絡的自適應控制
6.1 人工神經網絡基礎
6.1.1 神經元模型與網絡連接
6.1. 2 前向神經網絡的模型
6.2 神經網絡的自適應辨識
6.2.1 正向建模
6.2.2 神經網絡逆模型辨識
6.3 神經網絡模型參考自適應控制
6.3.1 間接神經網絡模型參考自適應控制
6.3.2 直接神經網絡模型參考自適應控制
6.4 神經網絡自校正控制
6.4.1 直接神經網絡自校正控制
6.4.2 間接神經網絡自校正控制
6.5 其他智能自適應控制
6.5.1 自學習智能自適應控制
6.5.2 專家式智能自適應控制-
6.5.3 分層遞階智能自適應控制
6.6 自適應PID神經網絡控制系統設計與仿真
6.6.1 自適應:PID神經網絡
6.6.2 PID神經網絡控制器學習算法
6.6.3 PID神經網絡控制系統仿真
習題
參考文獻
第7章 基于模糊邏輯的自適應控制
7.1 模糊控制的理論基礎
7.1.1 模糊集合及其運算規則
7.1.2 模糊控制
7.1.3 基本模糊控制器的設計
7.2 模糊自適應控制
7.2.1 模糊推理系統
7.2.2 間接自適應模糊控制
7.2.3 直接自適應模糊控制
7.3 基于模糊神經網絡的模型參考自適應控制
7.3.1 模糊神經網絡
7.3.2 基于模糊神經網絡的模型參考自適應控制
7.4 模糊滑模自適應控制
7.4.1 滑模控制的基本原理
7.4.2 自適應模糊滑模控制器
7.4.3 自適應模糊滑模控制器的設計步驟
7.5 模糊自適應控制實例
7.5.1 工業電弧爐的模糊神經自適應控制
7.5.2 撓性衛星的自適應模糊滑模控制
習題
參考文獻
在控制工程中,控制的目標是設計控制器使被控對象滿足某種性能指標,或使系統運動軌跡按某種理想的軌跡運行,達到一種最優的運行狀態。在線性系統理論和最優控制理論中,人們對這些問題進行了深入研究,得到了非常豐富的成果,形成了完整的理論體系。不過,這里要求被控對象的模型都是已知的,并且在多數情況下還要求被控對象具有線性時不變的特征。
在實際的控制工程中,控制對象往往存在不定性。有時人們對被控對象的數學模型了解并不完全,模型結構存在某種不定性;或者對模型結構(如模型的階數、傳遞函數零極點的個數等)已經了解,但是由于環境、工況的影響,被控對象模型的參數可能在很大范圍內發生變化。下面舉一些例子。
(1)飛機控制:在飛機飛行中,隨飛機飛行高度、速度的變化,某些參數的變化可達10%~50%。
(2)導彈(火箭):在導彈發射過程中,其質量、重心隨燃料消耗而迅速變化。
(3)過程控制:在冶金、化工等工業過程控制中,其過程參數隨工況、環境的變化而發生變化。
(4)船舶控制:在船舶航線控制中,輪船的動態參數隨船載、吃水、速度、波浪等外部條件而發生變化。
由上述例子可以看出,控制對象的不定性主要可以分為以下幾類:①數學模型的不定性。這是由于對象的數學模型本身是由實際對象機理的近似,或人們對受控對象機理本身的了解不完全所造成的。②參數變化的不定性。因為工作條件、工況的影響,被控對象的參數可能在較大范圍內發生變化。③環境影響的不定性。環境對系統通常造成干擾,其中多數干擾是隨機的。
當系統存在上述不定性時,按照確定性數學模型所設計出來的控制器就不可能得到良好的控制性能,有時甚至系統會出現不穩定現象。因此,需要一種新的控制系統,它能夠自動補償系統由于過程對象的參數、環境的不定性而造成的系統性能變化,這就是自適應控制系統。
……