1. 直接自适应控制和间接自适应控制的基本概念； 2. 模糊模型参考学习控制（FMRLC）的原理、结构； 3. FMRLC 的设计和实现

教学内容 首先介绍人工神经网络的基本概念和 ANN 的特性，以及神经网络的学习方法。然后讲授典型的前向神经网络、反馈神经网络的原理、结构、基本算法，给出了 BP 网络的算法改进。最后介绍了神经网络 PID 控制。 教学重点 1. 神经网络的各种学习算法，神经网络的训练。 2. 感知器网络、BP 网络的结构和算法、BP 网络学习算法的改进，反馈网络的结构、学习算法。 3. 神经网络 PID 控制

实际的数据采集系统往往需要同时 测量多种物理量或同一种物理量的多个 测量点。因此,多路模拟输人通道更具 有普遍性。按照系统中数据采集电路是 各路共用一个还是每路各用一个,多路 模拟输人通道可分为集中采集式和分散 采集式两大类型

随机误差:由串入仪表的随机干扰、仪器内部器 件噪声和A/D量化噪声等引起的,在相同条件下测量 同一量时,其大小和符号作无规则变化而无法预测 但在多次测量中符合统计规律的误差采用模拟 滤波器是主要硬件方法

11.1 基本原理 11.2 基本迭代学习控制算法 11.3 迭代学习控制的关键技术 11.4 机械手轨迹跟踪迭代学习控制仿真实例 11.5 线性时变连续系统迭代学习控制 11.6 移动机器人轨迹跟踪迭代学习控制

4.2.3.1 空调系统的控制内容 4.2.3.2 新风机组自动控制 4.2.3.4 变风量空调系统 4.2.3.5 风机盘管的控制 4.2.4 通风系统自动控制

9.1 概述 9.2 神经网络控制结构 9.3 单神经元网络控制 9.4 RBF网络监督控制 9.5 RBF网络自校正控制 9.6 基于RBF网络直接模型参考自适应控制 9.7 一种简单的RBF网络自适应控制 9.8 基于不确定逼近的RBF网络自适应控制 9.9 基于模型整体逼近的机器人RBF网络自适应控制 9.10 神经网络数字控制

水与空气、能量并称为人类生存的三大要素。 任务:在建筑物中可靠、经济、安全地为人类的生活 和生产活动提供充足、优质的水源,并将使用后的水进行 定的水质处理使之符合环保要求后再排入城市管网或自 然水系。 工程范围:建筑给排水、热水和饮水供应、消防给水 建筑排水、建筑中水、建筑小区给排水和建筑水处理等

（1)依赖于初始条件。 （2)与求解空间有紧密关系,促使较快地收敛到局部解,但同时对解域有约束,如可微或连续。利用这些约束,收敛快。 （3)有些方法,如 Davison-Fletcher-Powell--直接依赖于至少一阶导数;共轭梯度法隐含地依赖于梯度

一、模糊逻辑控制器的基本结构 二、模糊控制系统的设计 三、PD控制器模糊益调节 四、利 MATLAB用设计模糊控制器 五、模糊系统的稳定性分析