一种新的前馈神经网络训练算法及其在控制中的应用

文摘

英文文摘

0前言

1智能控制简介

1.1控制科学发展的历史回顾

1.2智能控制的产生背景

1.3智能控制的基本概念与研究内容

1.3.1智能控制的基本概念

1.3.2智能和智能控制的定义

1.3.3智能控制研究的主要内容

1.4智能控制系统分类

2神经网络基础

2.1神经网络的发展历程

2.2典型的神经元模型

2.3典型的神经网络模型

2.3.1前馈神经网络

2.3.2 RBF神经网络

2.3.3递归神经网络

2.3.4随机神经网络

2.4神经网络与自动控制

3前馈神经网络的训练算法

3.1训练前馈神经网络的BP算法

3.2训练前馈神经网络的GEKF算法

3.2.1 GEKF算法

3.2.2前馈神经网络训练

3.3训练前馈神经网络的DEKF算法

3.3.1 DEKF算法

3.3.2有效的计算公式

3.4训练前馈神经网络的MEKA算法

3.4.1全局方法

3.4.2局部方法

3.4.2 MEKA算法

3.5训练前馈神经网络的局部线性化最小二乘算法

3.5.1局部线性化最小二乘算法

3.5.2局部线性化最小二乘算法的应用仿真

3.5.3结论

4基于神经网络的系统建模与控制

4.1基于神经网络的系统建模

4.1.1正向建模

4.1.2逆向建模

4.2神经网络控制

4.2.1神经网络模型参考自适应控制

4.2.2神经网络自校正控制

4.2.3神经网络监督学习控制

4.2.4神经网络预测控制

4.2.5神经网络直接逆动态控制

4.2.6神经网络内模控制

4.2.7当前神经网络控制的研究课题

5基于前馈神经网络的非线性系统自适应控制

5.1非线性系统鲁棒无模型学习自适应控制理论

5.1.1无模型学习自适应控制

5.1.2性能分析

5.2基于前馈神经网络的非线性系统自适应控制

5.2.1非线性系统无模型自适应控制

5.3仿真试验

5.3.1非线性系统

5.3.2控制仿真

6结论与展望

参考文献

致谢