仿腦智能控制：基于腦操作特性神經(jīng)網(wǎng)絡(luò)的設(shè)計方法

目錄
第1章 緒論 1
1.1 背景 1
1.1.1 智能控制的基礎(chǔ)知識 1
1.1.2 腦科學技術(shù)研究 2
1.2 智能控制研究現(xiàn)狀 4
1.2.1 智能控制系統(tǒng)宏觀結(jié)構(gòu) 5
1.2.2 神經(jīng)網(wǎng)絡(luò)控制的*新進展 6
1.3 本書內(nèi)容與體系架構(gòu) 10
1.3.1 目標與意義 10
1.3.2 內(nèi)容概要 11
習題1 12
第2章 受操作性條件反射啟發(fā)的仿生神經(jīng)網(wǎng)絡(luò)非線性控制 13
2.1 引言 13
2.2 操作性條件反射學習機制 15
2.2.1 行為心理學層面的OC學習 15
2.2.2 神經(jīng)心理學層面的OC學習 17
2.3 操作性條件反射仿生模型 20
2.3.1 獎賞機制 20
2.3.2 神經(jīng)自適應(yīng)單元 21
2.3.3 仿生神經(jīng)網(wǎng)絡(luò) 24
2.4 基于OCBM的仿生控制方法 26
2.4.1 問題描述 26
2.4.2 控制策略 26
2.4.3 穩(wěn)定性分析 29
2.5 仿真驗證 33
2.5.1 非時變模型下的控制效果驗證 33
2.5.2 關(guān)鍵參數(shù)對控制性能的影響 38
2.5.3 不同系統(tǒng)模型的控制性能對比 40
2.5.4 漂移模型的控制效果驗證 42
2.6 本章小結(jié) 44
習題2 44
第3章 伴有局部權(quán)值學習及FNSG策略的神經(jīng)自適應(yīng)控制 46
3.1 引言 46
3.2 問題描述 48
3.2.1 跟蹤誤差動態(tài)特性 48
3.2.2 控制目標 49
3.2.3 光滑飽和函數(shù) 49
3.3 基于自增長神經(jīng)元網(wǎng)絡(luò)的控制器設(shè)計 50
3.3.1 神經(jīng)網(wǎng)絡(luò)輸入的緊集限制 51
3.3.2 自調(diào)節(jié)網(wǎng)絡(luò)結(jié)構(gòu) 53
3.3.3 控制方案 56
3.3.4 FNSG策略 56
3.4 FNSG神經(jīng)控制器穩(wěn)定性分析 61
3.5 仿真驗證 66
3.5.1 系統(tǒng)無擾動情形 66
3.5.2 系統(tǒng)有擾動情形 71
3.6 本章小結(jié) 75
習題3 76
第4章 基于多內(nèi)涵自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)的仿生智能控制 77
4.1 引言 77
4.2 UAT的應(yīng)用限制及對策 79
4.2.1 未知時變理想權(quán)值 79
4.2.2 神經(jīng)元數(shù)量在線自調(diào)節(jié)方案 80
4.2.3 基函數(shù)結(jié)構(gòu)多元化 82
4.2.4 緊集先決條件 83
4.3 多內(nèi)涵自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò) 84
4.4 改進型NN控制器設(shè)計 88
4.4.1 經(jīng)典魯棒控制方案 89
4.4.2 基于MSAE-NN控制方案 90
4.5 仿真驗證 93
4.5.1 神經(jīng)元數(shù)量自調(diào)節(jié)且基函數(shù)類型單一 94
4.5.2 神經(jīng)元數(shù)量固定且基函數(shù)類型單一 96
4.5.3 神經(jīng)元數(shù)量自調(diào)節(jié)且基函數(shù)類型多元化 99
4.6 本章小結(jié) 102
習題4 103
第5章 仿生智能控制在多自由度機器人系統(tǒng)中的應(yīng)用 104
5.1 引言 104
5.2 問題描述 105
5.2.1 機器人系統(tǒng)動力學模型 105
5.2.2 被控對象誤差動態(tài)方程 106
5.3 面向機器人系統(tǒng)的MSAE-NN模型 108
5.4 仿生學習控制器設(shè)計 109
5.4.1 關(guān)節(jié)空間控制方案 109
5.4.2 笛卡兒任務(wù)空間控制方案 112
5.4.3 BLAC特性討論 115
5.5 仿真驗證 115
5.5.1 全部關(guān)節(jié)執(zhí)行器運行正常 118
5.5.2 部分關(guān)節(jié)執(zhí)行器運行故障 122
5.6 本章小結(jié) 126
習題5 126
參考文獻 127
習題答案(僅供參考) 136
附錄 141