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

一、控制测量(control survey) 1、目的与作用 (1)为测图或工程建设的测区建立统一的平面控制网(horizontal control network)和高 程控制网(vertical control network) (2)控制误差的积累 (3)作为进行各种细部测量的基准

• 1.1 引言 • 1.2自动控制系统示例 • 1.3闭环控制和开环控制 • 1.4自动控制系统的分类 • 1.5对自动控制系统的基本要求 • 1.6对本课程的基本要求

• 1.1 引言 • 1.2自动控制系统示例 • 1.3闭环控制和开环控制 • 1.4自动控制系统的分类 • 1.5对自动控制系统的基本要求 • 1.6对本课程的基本要求

1.1 引言 1.2 自动控制系统示例 1.3 闭环控制和开环控制 1.4 自动控制系统的分类 1.5 对自动控制系统的基本要求 对本课程的基本要求

6.1 引言 6.2 反馈系统的状态空间描述 6.3 状态反馈系统的能控性和能观性 6.4 状态反馈极点配置 6.5 状态反馈在系统综合中的其他应用 6.6 线性反馈离散系统的状态反馈 6.7 状态观测器 6.8 带状态观测器的状态反馈控制系统 6.9 线性系统的能检性及其观测器设计 6.10 输出反馈控制及最优逼近法在系统综合中的应用 6.11 线性二次型最优控制问题

控制系统的校正方法 • 概述 • 超前校正和滞后校正 • PID调节器 本章基本要求： 理解串联校正的含义； 掌握超前校正原理； 掌握滞后校正原理； 掌握比例、积分、微分、比例积分、比例微分、比例积分； 微分控制规律；

控制系统的时域分析法 • 稳定性 • 稳态性能 • 动态性能 本章小结： 闭环系统稳定性 • 工程系统能正常工作的前提必须是稳定的 • 劳斯稳定性判据 系统稳态特性 • 系统的控制精度问题 • 稳态误差系数：位置误差系数、速度误差系数、加速度误差系数 • 稳态误差系数由系统的结构和参数决定 • 结构：开环系统中所含有积分器的数量 • 参数：系统的开环增益 系统动态特性 • 动态性能指标：超调量，调整时间，上升时间和延迟时间 • 逼近性：超调量和调整时间 • 快速性：上升时间和延迟时间 • 二阶系统的动态响应：阻尼比和无阻尼振荡角频率 • 高阶系统的动态特性可以用主导极点近似

9.1 载人飞船的结构组成 9.2 载人飞船的制导与控制 9.3 载人飞船的再入返回控制

针对自动化高速公路（Automated highway system，AHS）车队稳定性问题，发展了一种多目标自适应巡航控制算法，根据李雅普诺夫（Lyapunov）稳定性理论对该问题进行了量化分析，并给出了同质与异质车队稳定性的设计要求，基于模型预测控制（Model predictive control，MPC）理论，综合协调驾驶员期望响应、跟驰安全性、车队稳定性、车队整体品质等控制目标，采用加权二次型性能泛函以及线性矩阵不等式约束的形式，将协同式多目标自适应巡航（Adaptive cruise control, ACC）设计问题最终转化成带约束的在线凸二次规划问题。仿真结果表明，相比单车ACC而言，协同ACC的约束空间更为严苛，车队互联系统稳定性易受车间时距、车队规模、多目标权重、瞬态工况、车辆异质性等因素的影响，建议在跟驰安全性、车队稳定性良好的前提下寻求一定的驾乘舒适性与燃油经济性，以确保车队整体品质