反饋控制系統(tǒng)導(dǎo)論

前言
第l章緒論
1.1反饋控制系統(tǒng)概述
1.2反饋控制系統(tǒng)的特性
1.3反饋控制原理
1.3.1干擾的抑制
1.3.2跟蹤
1.3.3對象不確定性的靈敏度
1.4反饋控制系統(tǒng)的性能指標
1.4.1暫態(tài)分析
1.4.2穩(wěn)態(tài)分析
1.5Matlab在控制系統(tǒng)中的應(yīng)用
1.5.1Matlab簡介
1.5.2Matlab控制功能介紹
1.6本書的內(nèi)容和安排
習題
第2章系統(tǒng)建模及其不確定性分析
2.1系統(tǒng)建模
2.1.1系統(tǒng)的數(shù)學模型
2.1.2有限維LTI系統(tǒng)模型
2.1.3無限維LTI系統(tǒng)的模型
2.2非線,陸模型的線性化
2.2.1在工作點附近的線性化
2.2.2反饋線性化
2.3建模不確定性
2.3.1動態(tài)不確定性的表述
2.3.2參數(shù)不確定性轉(zhuǎn)換為動態(tài)不確定性
2.3.3來自系統(tǒng)辨識的不確定性
習題
第3章反饋控制系統(tǒng)穩(wěn)定性分析
3.1信號和系統(tǒng)的范數(shù)
3.2BIBO穩(wěn)定性分析
3.3反饋控制系統(tǒng)的穩(wěn)定性分析
3.4勞斯-赫爾維茲穩(wěn)定判據(jù)
3.5穩(wěn)定性分析的頻域方法
3.5.1Cauchy定理
3.5.2奈奎斯特穩(wěn)定判據(jù)
3.5.3穩(wěn)定裕度
3.5.4利用伯德圖分析臨界穩(wěn)定狀態(tài)
習題
第4章校正控制器設(shè)計與分析
4.1校正控制器的設(shè)計
4.1.1超前控制器設(shè)計
4.1.2滯后控制器設(shè)計
4.1.3超前-滯后控制器設(shè)計
4.2PID控制器設(shè)計
4.3跟蹤和噪聲抑制問題
4.4伯德圖中增益-相位關(guān)系
4.5設(shè)計實例
習題
第5章魯棒穩(wěn)定性與魯棒控制器
5.1未建模動態(tài)與對象不確定性
5.1.1未建模動態(tài)
5.1.2對象不確定性
5.2魯棒穩(wěn)定性
5.2.1魯棒穩(wěn)定判據(jù)
5.2.2穩(wěn)定對象的魯棒穩(wěn)定性
5.3魯棒性能指標
5.4參數(shù)不確定系統(tǒng)的魯棒穩(wěn)定性分析
5.4.1對象中的不確定性參數(shù)
5.4.2魯棒穩(wěn)定的Kharitanov判據(jù)
5.4.3Kharitanov定理的推廣
5.5穩(wěn)定對象的魯棒控制器設(shè)計
5.5.1所有穩(wěn)定控制器的參數(shù)化
5.5.2Q(s)的設(shè)計準則
5.6H.控制器的設(shè)計
5.6.1問題的敘述
5.6.2頻譜因式分解
5.6.3最優(yōu)H∞控制器
5.6.4次優(yōu)H∞控制器
習題
第6章時間滯后系統(tǒng)的分析與設(shè)計
6.1時間滯后系統(tǒng)的分析
6.1.1滯后系統(tǒng)的穩(wěn)定性
6.1.2滯后的帕德近似
6.1.3滯后裕度
6.2時滯補償控制系統(tǒng)
6.2.1Smith預(yù)估補償控制
6.2.2增益自適應(yīng)補償控制
6.2.3觀測器補償控制
6.2.4內(nèi)?？刂?br />6.3大滯后系統(tǒng)的無模型智能控制
6.3.1大滯后SISO非線性復(fù)雜系統(tǒng)問題
6.3.2無模型智能控制問題
6.3.3大滯后系統(tǒng)的無模型智能控制實現(xiàn)
習題
第7章狀態(tài)空間分析方法
7.1狀態(tài)空間描述法
7.2狀態(tài)反饋與極點配置
7.3線性二次型調(diào)節(jié)器
7.4狀態(tài)觀測器
7.5反饋控制器
7.5.1觀測器與狀態(tài)反饋
7.5.2H2最佳控制器
7.5.3所有穩(wěn)定控制器的參數(shù)化
習題
第8章定性控制系統(tǒng)
8.1定性數(shù)學基礎(chǔ)
8.1.1定性量定義
8.1.2定性量運算
8.2定性控制系統(tǒng)的構(gòu)成與設(shè)計
8.2.1定性控制系統(tǒng)構(gòu)成
8.2.2定性控制系統(tǒng)分析
8.2.3全狀態(tài)反饋定性控制系統(tǒng)設(shè)計
8.3定性-PID控制
8.3.1并聯(lián)型定性-PID控制
8.3.2切換型定性-PID控制
8.4含未知擾動情況的定性控制
8.5MIMO非線性系統(tǒng)的定性控制
習題
第9章模糊控制系統(tǒng)和非線性分析
9.1引言
9.1.1模糊控制器設(shè)計步驟
9.1.2性能評價
9.1.3應(yīng)用領(lǐng)域
9.2一個示范例子的介紹
9.2.1選擇模糊控制器的輸入和輸出
9.2.2把控制知識融入規(guī)則中
9.2.3知識的模糊量化
9.2.4匹配：決定用哪一條規(guī)則
9.2.5推理步驟：確定結(jié)論
9.2.6把結(jié)論轉(zhuǎn)換成控制作用
9.2.7模糊決策的圖形描述
9.3語言變量.語言值和規(guī)則
9.3.1論域
9.3.2語言變量
9.3.3語言值
9.3.4語言規(guī)則
9.4模糊集合.模糊規(guī)則和模糊推理
9.4.1模糊集合
9.4.2模糊if-then規(guī)則
9.4.3模糊推理(近似推理)
9.4.4解模糊
9.5模糊建模(模糊推理系統(tǒng))
9.5.1Mamdani模糊模型
9.5.2Takagi-Sugeno模糊系統(tǒng)
9.5.3模糊系統(tǒng)是通用近似器
9.5.4Tsukamoto模糊模型
9.5.5模糊模型的分割形式
9.6模糊系統(tǒng)的非線性分析
9.6.1參數(shù)化模糊控制器
9.6.2李稚普諾夫穩(wěn)定性分析
9.6.3絕對穩(wěn)定性和圓判據(jù)
9.6.4溫度控制的例子
9.6.5穩(wěn)態(tài)跟蹤誤差的分析
第10章模糊辨識和估計與模糊.神經(jīng)建模
10.1模糊辨識和估計的最小二乘算法
10.1.1批量最小二乘算法
10.1.2遞推最小二乘算法
10.1.3模糊系統(tǒng)的調(diào)整
10.1.4模糊系統(tǒng)的批量最小二乘訓練
10.1.5模糊系統(tǒng)的遞推最小二乘訓練
10.2模糊辨識和估計的梯度法
10.2.1標準模糊系統(tǒng)的訓練
10.2.2T-S模糊系統(tǒng)的訓練
10.2.3動量項和步長大小
10.2.4牛頓(Newton)和高斯-牛頓(Gauss-Newton)方法
10.3自適應(yīng)網(wǎng)絡(luò)
10.3.1自適應(yīng)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
10.3.2反向傳播學習規(guī)則
10.3.3復(fù)合學習規(guī)則
10.3.4自適應(yīng)網(wǎng)絡(luò)的特例--神經(jīng)網(wǎng)絡(luò)
10.4自適應(yīng)神經(jīng)-模糊推理系統(tǒng)
10.4.1ANFIS結(jié)構(gòu)
10.4.2復(fù)合學習算法
10.4.3ANFIS建模實例1：氣動執(zhí)行器建模及故障診斷
10.4.4ANFIS建模實例2：混沌時間序列的預(yù)測
叁考文獻