先進控制理論（簡體書）

本書主要闡述了目前在工程技術領域備受關注的先進控制理論分支，如最優控制、自適應控制、非線性控制初步、模糊控制、神經網絡控制等。在分析各種控制理論各自特點的同時重點著眼於對它們的理解與應用，力求淺顯易懂，避免深奧枯燥的純理論證明與論述。突出實踐應用，以實例給出各控制理論在工程領域的應用效果，以體現應用中最先進的理論與技術前沿。

本書可作為高等學校自動化、電氣工程及其自動化等專業的教材，也可作為測控技術與儀器、機電一體化等相關專業的教學參考書。對從事控制工程領域研究、設計和開發的工程技術人員，本書也具有較好的參考價值。

劉小河，博士，教授,北京交通大學兼職博士生導師，北京信息科技大學自動化學院院長，電話：01082427153。北京市教學名師（2012），北京市創新拔尖人才（2006），2006.5-2013.4年任教育部教學指導委員會自動化分委員會委員；兼任中國自動化學會應用專業委員會委員，北京人工智能學會常務理事，北京信息科技大學學術委員會委員，《北京信息科技大學學報》編委；北京信息科技大學控制與科學一級學科責任教授，北京市重點建設學科控制理論與控制工程學科帶頭人。 研究方向：非線性系統分析與控制，自適應控制。多年從事自動化、電氣工程領域教學與研究；出版著作5部，在控制理論及應用、系統仿真學報、電子科學學刊、應用科學學報、中國電機工程學報、電工技術學報等學術刊物上及國內外學術會議發表論文80餘篇，其中EI檢索40餘篇，ISTP檢索6篇，核心刊物近30篇。主持國家自然科學基金項目2項（已結題1項），主持2項北京市自然科學基金項目（其中重點項目1項），主持完成北京市教委創新拔尖人才等項目3項，經驗收達到優秀水平。主持完成其他科研項目10余項，現主持國家自然科學基金項目1項，其他項目2項，上述項目總經費200余萬元。

目錄




第1章狀態空間方法基礎與最優控制




1．1控制系統的狀態變量描述及求解




1．1．1控制系統的狀態變量描述




1．1．2狀態空間描述與傳遞函數陣的相互轉換




1．1．3線性定常連續系統狀態方程的求解




1．2線性系統的可控性和可觀測性




1．2．1可控性和可觀測性的概念




1．2．2線性連續系統的可控性和可觀測性判據




1．3李雅普諾夫穩定性分析




1．3．1李雅普諾夫穩定性的基本概念




1．3．2李雅普諾夫直接法的基本定理




1．3．3線性定常系統的穩定性判據




1．3．4按首次近似決定非線性系統穩定性




1．4最優控制




1．4．1最優控制問題




1．4．2利用變分法求解最優控制問題的方法




1．4．3極小值原理




1．4．4基於二次型性能指標的線性系統最優控制




習題




第2章自適應控制




2.1自適應控制的基本概念




2.1.1自適應控制系統




2.1.2自適應控制系統的分類




2.2模型參考自適應控制




2.2.1模型參考自適應系統的數學描述




2.2.2梯度法




2.2.3基於穩定性理論的自適應控制系統設計方法




2.3自校正控制




2.3.1實時參數辨識




2.3.2最小方差控制




2.3.3廣義最小方差自校正控制




2.3.4極點配置自校正技術




習題




第3章非線性系統控制初步




3．1概述




3．2非線性控制系統的反饋線性化




3．2．1反饋線性化的基本概念




3．2．2狀態空間的坐標變換




3．2．3非線性系統的反饋線性化




3．3非線性控制系統的漸近輸出跟蹤控制




3．3．1基於反饋線性化的非線性系統漸近模型跟蹤控制




3．3．2仿真實例




習題




第4章模糊控制




4．1模糊數學基礎




4．1．1模糊集合




4．1．2模糊關係與模糊推理




4．2模糊控制基本原理




4．2．1模糊控制器的基本結構




4．2．2精確量的模糊化




4．2．3模糊規則設計




4．2．4輸出信息的模糊判決




4．2．5基本模糊控制器的設計




4．3改進型模糊控制器




4．3．1參數自尋優模糊控制




4．3．2改善精度的模糊控制




4．3．3模糊PID控制




4．3．4TS模糊模型




4．4自適應模糊控制




4．4．1模糊推理系統




4．4．2間接自適應模糊控制




4．4．3直接自適應模糊控制




4．5模糊控制的應用及發展方向




4．5．1模糊控制的應用




4．5．2模糊控制的發展方向




習題




第5章神經網絡控制




5．1神經網絡理論基礎




5．1．1神經網絡發展簡史




5．1．2神經網絡原理




5．1．3神經網絡的學習算法




5．2典型神經網絡




5．2．1BP神經網絡的模型




5．2．2徑向基函數神經網絡




5．2．3小腦模型神經網絡




5．3神經網絡控制




5．3．1神經網絡控制的結構




5．3．2單神經元自適應控制




5．3．3神經網絡模型參考自適應控制




5．3．4神經網絡自校正控制




5．3．5PID神經網絡控制




5．3．6神經網絡控制系統的實現




5．4神經網絡控制的展望




習題




參考文獻