(1）非线性 (2）分布处理 (3）学习并行和自适应 (4）数据融合 (5）适用于多变量系统 (6）便于硬件实现

神经元网络的特点： （1）非线性 （2）分布处理 （3）学习并行和自适应 （4）数据融合 （5）适用于多变量系统 （6）便于硬件实现

一、系统的稳定性 如果一个线性定常系统在扰动作用消失后，能 够恢复到原始的平衡状态，即系统的零输入响应 是收敛的，则称系统是稳定的。 反之，若系统不能恢复到原始的平衡状态， 即系统的零输入响应具有等幅震荡或发散性质， 则称系统是不稳定的

(1） 产生的背景 (a) 更好的映射非线性函数 (b) 模拟人类神经系统,分工合作 (c) 在控制中,克服“时间交叉” (Temporal Crosstalk) 现象

模块（组合）网络 （1） 产生的背景 （a) 更好的映射非线性函数 （b) 模拟人类神经系统,分工合作 （c) 在控制中,克服“时间交叉”(Temporal Crosstalk) 现象

前已指出,对于状态完全能控的线性定常系统,可以通过线性状态反馈任意配置闭 系统的极点。事实上,不仅是极点配置,而且系统镇定、解耦控制、线性二次型最优控制 (LQ)问题等,也都可由状态反馈实现。然而,在4.2节介绍极点配置方法时,曾假设所有 的状态变量均可有效地用于反馈。但在实际情况中,并非所有的状态度变量都可用于反 馈。这时需要估计不可量测的状态变量。需特别强调,应避免将一个状态变量微分产生另 一个状态变量,因为噪声通常比控制信号变化更迅速,所以信号的微分总是减小了信噪 比

控制系统中常见的三种数学模型形式： 1、外部描述：把系统的输出量与输入量之间的关系 把系统的输出量与输入量之间的关系 用数学方式表达出来，称之为输入 用数学方式表达出来，称之为输入—输出描述，或外 输出描述，或外 部描述，例如微分方程式、传递函数和差分方程。 部描述，例如微分方程式、传递函数和差分方程。 2、内部描述：不仅可以描述系统的输入、输出之 ：不仅可以描述系统的输入、输出之 间的关系，而且还可以描述系统的内部特性，称之 间的关系，而且还可以描述系统的内部特性，称之 为状态变量描述，或内部描述，适用于多输入、多 为状态变量描述，或内部描述，适用于多输入、多 输出系统，也适用于时变系统、非线性系统和随机 输出系统，也适用于时变系统、非线性系统和随机 控制系统。 3、方块图表示： 方块图表示：用比较直观的方块图模型来进行描 用比较直观的方块图模型来进行描 述

本章主要内容： 线性系统的状态转移矩阵及其性质 线性系统的状态响应 ——零状态响应和零输入响应 线性系统的输出响应 线性定常系统的响应 线性定常系统状态转移矩阵的计算方法 系统等价变换对响应的影响 线性离散系统的状态空间描述及响应

2.1 线性系统响应的特点 2.2 线性系统状态转移矩阵及其性质 2.3 线性时变系统的响应 2.4 线性定常系统的响应 2.5 线性离散系统的响应

2.1 线性系统响应的特点 2.2 线性系统状态转移矩阵及其性质 2.3 线性时变系统的响应 2.4 线性定常系统的响应 2.5 线性离散系统的响应