滿額折
RBF神經網路自適應控制MATLAB仿真（簡體書）
商品資訊
ISBN13：9787302340409
出版社：清華大學出版社(大陸)
作者：劉金琨
出版日：2014/01/01
裝訂／頁數：平裝／320頁
規格：23.5cm*16.8cm (高/寬)
人民幣定價：69 元
定價
：NT$ 414 元優惠價
：87 折 360 元
絕版無法訂購
商品簡介
作者簡介
名人/編輯推薦
序
目次
相關商品
商品簡介
《電子信息與電氣工程技術叢書：RBF神經網絡自適應控制MATLAB仿真》從MATLAB仿真角度，結合典型機械系統控制的實例，系統地介紹神經網絡控制的基本理論、基本方法和應用技術，是作者多年來從事控制系統教學和科研工作的結晶，同時融人了國內外同行近年來所取得的新成果。
全書共分11章，包括RBF網絡的設計及分析、基于梯度下降法的RBF網絡控制、簡單的RBF網絡自適應控制、RBF網絡滑模控制、基于RBF網絡逼近的自適應控制、基于RBF網絡的自適應反演控制、RBF網絡數字控制、離散系統的RBF網絡控制及自適應RBF網絡觀測器的設計。每種控制方法都通過MATLAB進行了仿真分析。
《電子信息與電氣工程技術叢書：RBF神經網絡自適應控制MATLAB仿真》各部分內容既相互聯系又相互獨立，讀者可根據自己需要選擇學習。《電子信息與電氣工程技術叢書：RBF神經網絡自適應控制MATLAB仿真》適用于從事生產過程自動化、計算機應用、機械電子和電氣自動化領域工作的工程技術人員閱讀，也可作為大專院校工業自動化、自動控制、機械電子、自動化儀表、計算機應用等專業的教學參考書。
全書共分11章，包括RBF網絡的設計及分析、基于梯度下降法的RBF網絡控制、簡單的RBF網絡自適應控制、RBF網絡滑模控制、基于RBF網絡逼近的自適應控制、基于RBF網絡的自適應反演控制、RBF網絡數字控制、離散系統的RBF網絡控制及自適應RBF網絡觀測器的設計。每種控制方法都通過MATLAB進行了仿真分析。
《電子信息與電氣工程技術叢書：RBF神經網絡自適應控制MATLAB仿真》各部分內容既相互聯系又相互獨立，讀者可根據自己需要選擇學習。《電子信息與電氣工程技術叢書：RBF神經網絡自適應控制MATLAB仿真》適用于從事生產過程自動化、計算機應用、機械電子和電氣自動化領域工作的工程技術人員閱讀，也可作為大專院校工業自動化、自動控制、機械電子、自動化儀表、計算機應用等專業的教學參考書。
作者簡介
劉金琨，遼寧省大連市瓦房店人，分別于1989年、1994年和1997年獲東北大學工學學士、碩士和博士學位。1997年至1999年在浙江大學工業控制技術研究所從事博士后研究工作。現為北京航空航天大學控制理論與控制工程專業教授，博士生導師。主要從事智能控制、滑模變結構控制的研究和教學工作。自從從事研究工作以來，主持國家自然基金等科研項目10余項，以第一作者發表學術論文70余篇，出版圖書8部。
名人/編輯推薦
《RBF神經網絡自適應控制MATLAB仿真》各部分內容既相互聯系又相互獨立，讀者可根據自己需要選擇學習。《RBF神經網絡自適應控制MATLAB仿真》適用于從事生產過程自動化、計算機應用、機械電子和電氣自動化領域工作的工程技術人員閱讀，也可作為大專院校工業自動化、自動控制、機械電子、自動化儀表、計算機應用等專業的教學參考書。
序
神經網絡控制出現于20世紀80年代，經歷了30余年的發展，已形成了一個相對獨立的研究分支，成為智能控制系統的一種設計方法，適用于線性與非線性系統、連續與離散系統、確定性與不確定性系統、集中參數與分布參數系統、集中控制與分散控制等。
神經網具有高度并行的結構、強大的學習能力、連續非線性函數逼近能力、容錯能力等優點，極大地促進與拓展了神經網絡技術在非線性系統辨識與控制的應用。在實際工業過程中，存在著非線性、未建模動態、不可測噪聲以及多環路等問題，這些問題對控制系統設計提出了很大的挑戰。
與傳統的控制策略相比，神經網絡在如下幾個方面具有優勢：
（l）神經網絡對任意函數具有學習能力，神經網絡的自學習能力可避免傳統自適應控制理論中占有重要地位的復雜數學分析。
（2）針對傳統控制方法不能解決的高度非線性控制問題，多層神經網絡的隱含層神經元采用了激活函數，它具有非線性映射功能，這種映射可以逼近任意非線性函數，為解決非線性控制問題提供了有效的解決途徑。
（3）傳統自適應控制方法需要模型先驗信息來設計控制方案。由于神經網絡的逼近能力，控制器不要具體的模型信息，因此，神經網絡控制可以廣泛用于解決具有不確定模型的控制問題。
（4）在神經網絡的大規模并行處理架構下，網絡的某些節點損壞并不影響整個神經網絡的整體性能，有效地提高了控制系統的容錯性。
有關神經網絡控制理論及其工程應用，近年來已有大量的論文發表。作者多年來一直從事智能控制及應用方面的研究和教學工作，為了促進神經網絡控制和自動化技術的進步，反映神經網絡控制設計與應用中的最新研究成果，并使廣大工程技術人員能了解、掌握和應用這一領域的最新技術，學會用MATI.AB語言進行RBF網絡控制器的設計，作者編寫了這本書，借以拋磚引玉。
本書是在總結作者多年研究成果的基礎上，進一步理論化、系統化、規范化、實用化而成，其特點如下：
（1）RBF神經網絡控制算法簡單，內容先進，取材著重于基本概念、基本理論和基本方法。
（2）針對每種RBF網絡控制算法給出了完整的MATLAB仿真程序，并給出了程序的說明和仿真結果，具有很強的可讀性。
（3）著重從應用領域角度出發，突出理論聯系實際，面向廣大工程技術人員，具有很強的工程性和實用性。書中有大量應用實例及其結果分析，為讀者提供了有益的借鑒。
神經網具有高度并行的結構、強大的學習能力、連續非線性函數逼近能力、容錯能力等優點，極大地促進與拓展了神經網絡技術在非線性系統辨識與控制的應用。在實際工業過程中，存在著非線性、未建模動態、不可測噪聲以及多環路等問題，這些問題對控制系統設計提出了很大的挑戰。
與傳統的控制策略相比，神經網絡在如下幾個方面具有優勢：
（l）神經網絡對任意函數具有學習能力，神經網絡的自學習能力可避免傳統自適應控制理論中占有重要地位的復雜數學分析。
（2）針對傳統控制方法不能解決的高度非線性控制問題，多層神經網絡的隱含層神經元采用了激活函數，它具有非線性映射功能，這種映射可以逼近任意非線性函數，為解決非線性控制問題提供了有效的解決途徑。
（3）傳統自適應控制方法需要模型先驗信息來設計控制方案。由于神經網絡的逼近能力，控制器不要具體的模型信息，因此，神經網絡控制可以廣泛用于解決具有不確定模型的控制問題。
（4）在神經網絡的大規模并行處理架構下，網絡的某些節點損壞并不影響整個神經網絡的整體性能，有效地提高了控制系統的容錯性。
有關神經網絡控制理論及其工程應用，近年來已有大量的論文發表。作者多年來一直從事智能控制及應用方面的研究和教學工作，為了促進神經網絡控制和自動化技術的進步，反映神經網絡控制設計與應用中的最新研究成果，并使廣大工程技術人員能了解、掌握和應用這一領域的最新技術，學會用MATI.AB語言進行RBF網絡控制器的設計，作者編寫了這本書，借以拋磚引玉。
本書是在總結作者多年研究成果的基礎上，進一步理論化、系統化、規范化、實用化而成，其特點如下：
（1）RBF神經網絡控制算法簡單，內容先進，取材著重于基本概念、基本理論和基本方法。
（2）針對每種RBF網絡控制算法給出了完整的MATLAB仿真程序，并給出了程序的說明和仿真結果，具有很強的可讀性。
（3）著重從應用領域角度出發，突出理論聯系實際，面向廣大工程技術人員，具有很強的工程性和實用性。書中有大量應用實例及其結果分析，為讀者提供了有益的借鑒。
目次
第1章緒論
1.1神經網絡控制
1.1.1 神經網絡控制的提出
1.1.2神經網絡控制概述
1.1.3自適應RBF神經網絡概述
1.2 RBF神經網絡
1.3機器人RBF神經網絡控制
1.4控制系統S函數設計
1.4.1 S函數介紹
1.4.2 S函數基本參數
1.4.3實例
1.5簡單自適應控制系統設計實例
1.5.1 系統描述
1.5.2 自適應控制律設計
1.5.3仿真實例
附錄仿真程序
參考文獻
第2章RBF神經網絡設計與仿真
2.1 RBF神經網絡算法及仿真
2.1.1 RBF網絡算法設計
2.1.2 RBF網絡設計實例及MATLAB仿真
2.2基于梯度下降法的RBF神經網絡逼近
2.2.1 RBF網絡逼近
2.2.2仿真實例
2.3高斯基函數的參數對RBF網絡逼近的影響
2.4隱含層節點數對RBF網絡逼近的影響
2.5 RBF神經網絡的建模訓練
2.5.1 RBF神經網絡訓練
2.5.2仿真實例
2.6 RBF神經網絡逼近
附錄仿真程序
參考文獻
第3章基于梯度下降法的RBF神經網絡控制
3.1 基于RBF神經網絡的監督控制
3.1.1 RBF監督控制
3.1.2仿真實例
3.2基于RBF神經網絡的模型參考自適應
3.2.1控制系統設計
3.2.2仿真實例
3.3 RBF自校正控制
3.3.1 系統描述
3.3.2 RBF控制算法設計
3.3.3仿真實例
附錄仿真程序
參考文獻
第4章 自適應RBF神經網絡控制
4.1 基于神經網絡逼近的自適應控制
4.1.1 系統描述
4.1.2自適應RBF控制器設計
4.1.3仿真實例
4.2基于神經網絡逼近的未知參數自適應控制
4.2.1 系統描述
4.2.2自適應控制設計
4.2.3仿真實例
4.3基于RBF神經網絡的直接魯棒自適應控制
4.3.1 系統描述
4.3.2理想反饋控制和函數逼近
4.3.3控制器設計及分析
4.3.4仿真實例
附錄仿真程序
參考文獻
第5章神經網絡滑模控制
5.1 經典滑模控制器設計
第7章 基于局部逼近的自適應RBF控制
第8章基于RBF網絡的動態面自適應控制
第9章 數字RBF神經網絡控制
第10章離散神經網絡控制
第11章自適應RBF觀測器設計及滑模控制
1.1神經網絡控制
1.1.1 神經網絡控制的提出
1.1.2神經網絡控制概述
1.1.3自適應RBF神經網絡概述
1.2 RBF神經網絡
1.3機器人RBF神經網絡控制
1.4控制系統S函數設計
1.4.1 S函數介紹
1.4.2 S函數基本參數
1.4.3實例
1.5簡單自適應控制系統設計實例
1.5.1 系統描述
1.5.2 自適應控制律設計
1.5.3仿真實例
附錄仿真程序
參考文獻
第2章RBF神經網絡設計與仿真
2.1 RBF神經網絡算法及仿真
2.1.1 RBF網絡算法設計
2.1.2 RBF網絡設計實例及MATLAB仿真
2.2基于梯度下降法的RBF神經網絡逼近
2.2.1 RBF網絡逼近
2.2.2仿真實例
2.3高斯基函數的參數對RBF網絡逼近的影響
2.4隱含層節點數對RBF網絡逼近的影響
2.5 RBF神經網絡的建模訓練
2.5.1 RBF神經網絡訓練
2.5.2仿真實例
2.6 RBF神經網絡逼近
附錄仿真程序
參考文獻
第3章基于梯度下降法的RBF神經網絡控制
3.1 基于RBF神經網絡的監督控制
3.1.1 RBF監督控制
3.1.2仿真實例
3.2基于RBF神經網絡的模型參考自適應
3.2.1控制系統設計
3.2.2仿真實例
3.3 RBF自校正控制
3.3.1 系統描述
3.3.2 RBF控制算法設計
3.3.3仿真實例
附錄仿真程序
參考文獻
第4章 自適應RBF神經網絡控制
4.1 基于神經網絡逼近的自適應控制
4.1.1 系統描述
4.1.2自適應RBF控制器設計
4.1.3仿真實例
4.2基于神經網絡逼近的未知參數自適應控制
4.2.1 系統描述
4.2.2自適應控制設計
4.2.3仿真實例
4.3基于RBF神經網絡的直接魯棒自適應控制
4.3.1 系統描述
4.3.2理想反饋控制和函數逼近
4.3.3控制器設計及分析
4.3.4仿真實例
附錄仿真程序
參考文獻
第5章神經網絡滑模控制
5.1 經典滑模控制器設計
第7章 基于局部逼近的自適應RBF控制
第8章基于RBF網絡的動態面自適應控制
第9章 數字RBF神經網絡控制
第10章離散神經網絡控制
第11章自適應RBF觀測器設計及滑模控制
今日66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。
優惠價：87
360
絕版無法訂購