针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题.仿真结果证明了该算法的有效性

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

重点:单位序列响应 难点:LTI方法求单位序列响应 一、线性离散系统的描述及响应 1、离散时间信号(复习第一章)

4.1 信号的正交分解与傅里叶级数 4.2 信号的频谱 4.3 傅里叶变换的性质 4.4 线性非时变系统的频域分析 4.5 傅里叶变换计算机模拟举例

第六节线性反馈系统的综合问题 一、综合问题简介 二、状态反馈和输出反馈 三、极点配置问题 四、镇定问题 五、状态观测器

3.6.1 稳态误差的定义 3.6.2 系统类型 3.6.3 扰动作用下的稳态误差

能控性和能观测性是系统的两个基本结构特征。 60年代初,卡尔曼(RE. Kalman)提出和研究了能控性和 能观测性这两个重要概念

5.7 线性二次型最优控制问题 5.8状态重构问题和状态观测器

一、描述连续系统的微分方程如下,写出各系统的状态方程和输出方程。 (1)y(t)+5y2(t)+7y(t)+3y(t)=f(t) (2)y2(t)+4y(t)=f(t) 二、描述连续系统的系统函数如下,画出其直接形式的信号流图,写出其相应的状态方程和输出方程

6.1Z变换 6.2变换的性质 6.3逆Z变换 6.4离散系统的Z域分析 6.5离散时间系统的频率响应特性