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

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

冷连轧机动态规格变换时各机架的入口厚度一般变化较大,采用传统自适应控制的辨识算法的收敛速度不能跟随参数实际变化速度,控制效果不佳.针对这一问题,提出一种多模型自适应控制方法.通过对五机架冷连轧机进行仿真表明,多模型自适应FGC系统具有较好的控制精度、跟踪速度以及稳定性

第一章 生物体运动系 第二章 生物运动学 第三章 生物体系统运动模型 第四章 感觉系统模型与感知信息融合 第五章 仿生系统常用感知器与致动器 第六章 神经控制 第七章 认知控制 第八章 自主控制 第九章 进化算法与人工生命 第十章 仿生系统实例

第一章绪论 第二章过程通道 第三章计算机控制理论基础 第四章控制算法 第五章直接数字控制设计 第六章现代控制设计方法 第七章总线与接口技术 第八章可靠性于抗干扰措施 第九章控制系统软件设计 第十章现场总线技术

采用带动量项的线性再励自适应变步长BP神经网络算法,建立了基于多周期运行模式的烧结矿化学成分预报模型;使用基于数据库技术的知识库和正向推理的推理机,开发了化学成分控制专家系统.系统自投入运行以来,预报模型命中率稳定在90%以上,操作指导建议采纳率达到92%,实现了对烧结矿化学成分的稳定控制

数字控制器的设计方法: 连续化设计:采样周期短、控制算法简 单的系统。忽略零阶保持器和采样器,求 出系统的连续控制器,以近似方式离散化 为数字控制器。 离散化设计:采样周期长的或控制复杂 的系统。直接使用采样控制理论设计数字控制器

1 预测控制的发展 2 预测控制的基本原理 3 模型算法控制(MAC) 4 动态矩阵控制(DMC) 5 状态反馈预测控制(SFPC) 6 多变量协调预测控制

3.1 产生式系统 3.2 产生式系统的搜索(控制)策略 3.3 图搜索算法 3.4 产生式系统的规则问题 3.5 应用举例 3.6 产生式系统的不确定性问题 3.7 系统设计技巧

4.1 专用与通用的抉择、硬件与软件的权衡 4.2 微机控制系统的设计思路 1、整体方案的确定 2、控制算法的确定 3、微型计算机的选择 4、控制系统总体设计 5、软件设计 4.3 微机控制系统的构成与种类