前言
第l章 緒論
1．1 反饋控製係統概述
1．2 反饋控製係統的特性
1．3 反饋控製原理
1．3．1 乾擾的抑製
1．3．2 跟蹤
1．3．3 對象不確定性的靈敏度
1．4 反饋控製係統的性能指標
1．4．1 暫態分析
1．4．2 穩態分析
1．5 matlab在控製係統中的應用
1．5．1 matlab簡介
1．5．2 matlab控製功能介紹
1．6 本書的內容和安排
習題
第2章 係統建模及其不確定性分析
2．1 係統建模
2．1．1 係統的數學模型
2．1．2 有限維lti係統模型
.2．1．3 無限維lti係統的模型
2．2 非綫，陸模型的綫性化
2．2．1 在工作點附近的綫性化
2．2．2 反饋綫性化
2．3 建模不確定性
2．3．1 動態不確定性的錶述
2．3．2 參數不確定性轉換為動態不確定性
2．3．3 來自係統辨識的不確定性
習題
第3章 反饋控製係統穩定性分析
3．1 信號和係統的範數
3．2 bibo穩定性分析
3．3 反饋控製係統的穩定性分析
3．4 勞斯-赫爾維茲穩定判據
3．5 穩定性分析的頻域方法
3．5．1 cauchy定理
3．5．2 奈奎斯特穩定判據
3．5．3 穩定裕度
3．5．4 利用伯德圖分析臨界穩定狀態
習題
第4章 校正控製器設計與分析
4．1 校正控製器的設計
4．1．1 超前控製器設計
4．1．2 滯後控製器設計
4．1．3 超前-滯後控製器設計
4．2 pid控製器設計
4．3 跟蹤和噪聲抑製問題
4．4 伯德圖中增益-相位關係
4．5 設計實例
習題
第5章 魯棒穩定性與魯棒控製器
5．1 未建模動態與對象不確定性
5．1．1 未建模動態
5．1．2 對象不確定性
5．2 魯棒穩定性
5．2．1 魯棒穩定判據
5．2．2 穩定對象的魯棒穩定性
5．3 魯棒性能指標
5．4 參數不確定係統的魯棒穩定性分析
5. 4．1 對象中的不確定性參數
5．4．2 魯棒穩定的kharitanov判據
5．4．3 kharitanov定理的推廣
5．5 穩定對象的魯棒控製器設計
5．5．1 所有穩定控製器的參數化
5．5．2 q(s)的設計準則
5. 6 h。控製器的設計
5．6．1 問題的敘述
5．6．2 頻譜因式分解
5．6．3 最優h∞控製器
5．6．4 次優h∞控製器
習題
第6章 時間滯後係統的分析與設計
6．1 時間滯後係統的分析
6．1．1 滯後係統的穩定性
6．1．2 滯後的帕德近似
6．1．3 滯後裕度
6．2 時滯補償控製係統
6．2．1 smith預估補償控製
6．2．2 增益自適應補償控製
6．2．3 觀測器補償控製
6．2．4 內模控製
6．3 大滯後係統的無模型智能控製
6．3．1 大滯後siso非綫性復雜係統問題
6．3．2 無模型智能控製問題
6．3．3 大滯後係統的無模型智能控製實現
習題
第7章 狀態空間分析方法
7．1 狀態空間描述法
7．2 狀態反饋與極點配置
7．3 綫性二次型調節器
7．4 狀態觀測器
7．5 反饋控製器
7．5．1 觀測器與狀態反饋
7．5．2 h2最佳控製器
7．5．3 所有穩定控製器的參數化
習題
第8章 定性控製係統
8．1 定性數學基礎
8．1．1 定性量定義
8．1．2 定性量運算
8．2 定性控製係統的構成與設計
8．2．1 定性控製係統構成
8．2．2 定性控製係統分析
8．2．3 全狀態反饋定性控製係統設計
8．3 定性-pid控製
8．3．1 並聯型定性-pid控製
8．3．2 切換型定性-pid控製
8．4 含未知擾動情況的定性控製
8．5 mimo非綫性係統的定性控製
習題
第9章 模糊控製係統和非綫性分析
9．1 引言
9．1．1 模糊控製器設計步驟
9．1．2 性能評價
9．1．3 應用領域
9．2 一個示範例子的介紹
9。2．1 選擇模糊控製器的輸入和輸齣
9．2．2 把控製知識融入規則中
9．2．3 知識的模糊量化
9．2．4 匹配：決定用哪一條規則
9．2．5 推理步驟：確定結論
9．2．6 把結論轉換成控製作用
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 語言規則
9．4 模糊集閤、模糊規則和模糊推理
9．4．1 模糊集閤
9．4．2 模糊if-then規則
9．4．3 模糊推理(近似推理)
9．4．4 解模糊
9．5 模糊建模(模糊推理係統)
9．5．1 mamdani模糊模型
9．5．2 takagi-sugeno模糊係統
9．5．3 模糊係統是通用近似器
9．5．4 tsukamoto模糊模型
9．5．5 模糊模型的分割形式
9．6 模糊係統的非綫性分析
9．6．1 參數化模糊控製器
9．6．2 李稚普諾夫穩定性分析
9．6．3 絕對穩定性和圓判據
9．6．4 溫度控製的例子
9．6．5 穩態跟蹤誤差的分析
第10章 模糊辨識和估計與模糊．神經建模
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 模糊係統的調整
10．1．4 模糊係統的批量最小二乘訓練
10．1．5 模糊係統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 標準模糊係統的訓練
10．2．2 t-s模糊係統的訓練
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 自適應網絡
10．3．1 自適應神經網絡的結構
10．3．2 反嚮傳播學習規則
10．3．3 復閤學習規則
10．3．4 自適應網絡的特例--神經網絡
10．4 自適應神經-模糊推理係統
10．4．1 anfis結構
10．4．2 復閤學習算法
10．4．3 anfis建模實例1：氣動執行器建模及故障診斷
10．4．4 anfis建模實例2：混沌時間序列的預測
叁考文獻
· · · · · · (收起)