神經網絡建模與動態系統辨識 Neural Network Modeling and Identification of Dynamical Systems

鄧逸凡 西安交通大學自動化學院副研究員、碩士生導師。研究方向為飛行器動力學建模、制導與控制、現代控制理論與應用、智能技術等。

譯者序
前言
致謝
縮略詞表
符號表
引言
第1章 非線性動態系統受控運動的建模問題
1.1 作為研究對象的動態系統
1.1.1 動態系統的一般概念
1.1.2 動態系統的分類
1.1.3 環境的類型
1.1.4 系統與環境的交互
1.1.5 動態系統概念的形式化
1.1.6 系統的行為和活動
1.2 動態系統和自適應問題
1.2.1 自適應的類型
1.2.2 自適應控制問題的一般特徵
1.2.3 自適應系統基本結構的變體
1.2.4 自適應控制問題中模型的作用
1.3 動態系統建模的通用方法
1.3.1 動態系統建模過程
1.3.2 動態系統模型設計中需要解決的主要問題
1.4 參考文獻
第2章 動態神經網絡：結構和訓練方法
2.1 人工神經網絡結構
2.1.1 人工神經網絡設計的生成法
2.1.2 神經網絡模型的分層結構
2.1.3 作為ANN構造單元的神經元
2.1.4 神經元的結構組織
2.2 人工神經網絡訓練方法
2.2.1 神經網絡訓練框架概述
2.2.2 靜態神經網絡訓練
2.2.3 動態神經網絡訓練
2.3 動態神經網絡自適應方法
2.3.1 擴展卡爾曼濾波器
2.3.2 具有中間神經元的ANN模型
2.3.3 ANN模型的增量構造
2.4 動態神經網絡訓練集獲取問題
2.4.1 訓練動態神經網絡所需數據集構造過程的細節
2.4.2 訓練動態神經網絡所需數據集構造過程的直接方法
2.4.3 獲取動態神經網絡訓練.數據集的間接方法
2.5 參考文獻
第3章 動態系統建模與控制的神經網絡黑箱方法
3.1 動態系統開發和維護相關的典型問題
3.2 解決動態系統相關問題的神經網絡黑箱方法
3.2.1 模型的主要類型
3.2.2 對作用在動態系統上的幹擾的考慮方法
3.3 基於ANN的動態系統建模與辨識
3.3.1 動態系統建模的前饋神經網絡
3.3.2 動態系統建模的遞歸神經網絡
3.4 基於ANN的動態系統控制
3.4.1 利用人工神經網絡調整受控對象的動態特性
3.4.2 多模態飛機的神經控制器最優集成綜合
3.5 參考文獻
第4章 非線性動態系統神經網絡黑箱建模：飛機受控運動
4.1 基於多層神經網絡的飛機運動ANN模型
4.1.1 基於多層神經網絡的飛機運動ANN模型的一般結構
4.1.2 飛機運動神經網絡模型的批處理學習
4.1.3 飛機運動神經網絡模型的實時學習
4.2 基於多層神經網絡飛機運動ANN模型的性能評估
4.3 ANN模型在不確定性條件下非線性動態系統自適應控制問題中的應用
4.3.1 對自適應系統的需求
4.3.2 模型參考自適應控制
4.3.3 模型預測控制
4.3.4 不確定性條件下飛機角運動的自適應控制
4.4 參考文獻
第5章 受控動態系統的半經驗神經網絡模型
5.1 半經驗ANN動態系統建模方法
5.2 半經驗ANN模型設計過程
5.3 半經驗ANN模型導數計算
5.4 半經驗ANN模型同倫延拓訓練方法
5.5 半經驗ANN模型實驗最優設計
5.6 參考文獻
第6章 飛行器運動神經網絡半經驗建模
6.1 飛行器氣動特性辨識與運動建模問題
6.2 機動飛行器縱向短周期運動半經驗建模
6.3 飛行器三軸旋轉運動半經驗建模
6.4 機動飛行器縱向平動與角運動半經驗建模
6.5 參考文獻
附錄 自適應系統的計算實驗結果