本章 5.1 节为概述。5.2 节介绍 Lyapunov 意义下的稳定性定义。5.3 节给出Lyapunov 稳定性定理，并将其应用于非线性系统的稳定性分析。5.4 节讨论线性定常系统的 Lyapunov 稳定性分析。5.5 节给出模型参考控制系统，首先用公式表示 Lyapunov 稳定性条件，然后在这些条件的限制下设计系统。5.6 节讨论线性二次型最优控制系统，将采用 Lyapunov 稳定性方程导出线性二次型最优控制的条件。5.7 节给出线性二次型最优控制问题的 MATLAB 解法

控制系统的非线性特性 描述函数法 相平面法

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

第三节相平面方法 一、相轨迹的特点 二、相轨迹的绘制方法 三、奇点与极限环 四、线性系统相平面分析 五、非线性系统相平面分析 六、总结

第一节概论 一、一般情况 非线性系统一般由三部分组成:被控对象,执行机构,测量装置

2.1 基本概念 2.2 采用机理分析法建立状态空间模型 2.3 由传递函数求状态空间模型 2.4 由状态空间模型求传递函数 2.5 采用MATLAB进行模型转换 2.6 非线性系统的线性化 2.7 组合系统

介绍了对角递归神经网络,针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练.通过对非线性系统辨识的仿真及在磷化温控系统建模中的应用,验证了这种建模方法的有效性

《理论力学》课程教学资源（PPT课件讲稿）刚体力学、非线性系统

机器学习：具有不确定性的非线性系统自适应神经网络emLemsub2sub增益控制