內(nèi)模控制及其應(yīng)用

第1章  緒論 1
1.1  引言 1
1.2  內(nèi)?？刂圃砗统Ｒ?guī)設(shè)計方法 3
1.2.1  內(nèi)?？刂菩再|(zhì) 4
1.2.2  內(nèi)?？刂频脑O(shè)計 5
1.3  內(nèi)?？刂频膰鴥?nèi)外發(fā)展現(xiàn)狀 7
1.3.1  濾波器優(yōu)化設(shè)計 8
1.3.2  典型被控過程的應(yīng)用 8
1.3.3  內(nèi)?？刂平Y(jié)構(gòu)拓展及改進 10
1.3.4  先進控制算法在內(nèi)?？刂浦械膽?yīng)用 10
本章參考文獻(xiàn) 13
第2章  時滯過程內(nèi)模PID魯棒設(shè)計方法 18
2.1 內(nèi)模PID控制器設(shè)計 18
2.1.1 一階過程的內(nèi)模PID控制器設(shè)計 19
2.1.2  二階過程的內(nèi)模PID控制器設(shè)計 20
2.1.3  時滯過程內(nèi)模PID控制器設(shè)計 20
2.2  基于最大靈敏度的內(nèi)模PID整定方法 21
2.2.1  最大靈敏度 22
2.2.2  時滯過程內(nèi)模PID的魯棒整定 23
2.2.3  仿真結(jié)果與分析 24
2.3  積分時滯過程內(nèi)模PID控制器魯棒設(shè)計 27
2.3.1  積分時滯系統(tǒng)內(nèi)模控制 28
2.3.2  積分時滯過程內(nèi)模PID控制器設(shè)計 28
2.3.3  仿真結(jié)果與分析 30
2.4  不穩(wěn)定時滯過程內(nèi)模PID控制器魯棒設(shè)計 34
2.4.1  不穩(wěn)定時滯過程內(nèi)模PID控制器設(shè)計 34
2.4.2  控制系統(tǒng)結(jié)構(gòu)的簡化 35
2.4.3  仿真結(jié)果及分析 36
本章參考文獻(xiàn) 37
第3章  智能自適應(yīng)內(nèi)?？刂破髟O(shè)計方法 40
3.1  一種具有設(shè)定值加權(quán)的IMC-PID控制方法 40
3.1.1  基于Padé近似的IMC-PID控制器設(shè)計 40
3.1.2  模糊設(shè)定值加權(quán)IMC-PID控制方法 41
3.1.3  仿真分析 43
3.2  交流伺服系統(tǒng)模糊內(nèi)模PID控制器設(shè)計 46
3.3  神經(jīng)網(wǎng)絡(luò)自適應(yīng)內(nèi)模PID控制方法 50
3.3.1  神經(jīng)網(wǎng)絡(luò)IMC-PID控制器 50
3.3.2  仿真結(jié)果及分析 54
3.4  三容液位過程的單神經(jīng)元內(nèi)模PID控制方法 57
本章參考文獻(xiàn) 63
第4章  神經(jīng)網(wǎng)絡(luò)內(nèi)模控制 65
4.1  神經(jīng)網(wǎng)絡(luò)概述 65
4.1.1  人工神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 65
4.1.2  神經(jīng)網(wǎng)絡(luò)辨識結(jié)構(gòu) 67
4.2  神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂葡到y(tǒng)的構(gòu)造 72
4.2.1  可逆性分析 72
4.2.2  非線性系統(tǒng)逆模型 73
4.2.3  神經(jīng)網(wǎng)絡(luò)逆模型辨識 74
4.2.4  神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu) 76
4.3  多模型神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?nbsp;78
4.3.1  多模型神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂撇呗?nbsp;78
4.3.2  基于模糊分類的多模型神經(jīng)網(wǎng)絡(luò)內(nèi)模控制 79
4.3.3  被控模型和控制器的建立 80
4.3.4  仿真分析 83
4.4  基于近似內(nèi)模的神經(jīng)網(wǎng)絡(luò)控制 85
4.4.1  非線性離散系統(tǒng)神經(jīng)網(wǎng)絡(luò)近似輸入-輸出模型 86
4.4.2  基于近似內(nèi)模的神經(jīng)網(wǎng)絡(luò)控制 88
4.5  基于自構(gòu)建神經(jīng)網(wǎng)絡(luò)的內(nèi)?？刂品椒?nbsp;93
4.5.1  自構(gòu)建（self-constructing）神經(jīng)網(wǎng)絡(luò) 93
4.5.2  自構(gòu)建神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu) 94
4.5.3  設(shè)計步驟 95
4.5.4  仿真與分析 99
本章參考文獻(xiàn) 101
第5章  基于T-S模型的模糊內(nèi)?？刂?nbsp;104
5.1  模糊系統(tǒng)模型的基本概念 104
5.2  非線性系統(tǒng)T-S模型結(jié)構(gòu)及辨識方法 106
5.2.1  動態(tài)系統(tǒng)的T-S模型 106
5.2.2  T-S模型的辨識過程 107
5.2.3  仿真分析 111
5.3  基于自適應(yīng)遺傳算法的T-S模型辨識方法 115
5.3.1  遺傳算法基本原理 115
5.3.2  基于遺傳算法辨識T-S模型 115
5.3.3  仿真分析 120
5.4  基于改進的微粒群優(yōu)化算法的T-S模型辨識方法 123
5.4.1  微粒群優(yōu)化算法 123
5.4.2  基于微粒群優(yōu)化算法辨識T-S模型 125
5.4.3  仿真分析 127
5.5  基于T-S模型的非線性內(nèi)模控制方法 130
5.5.1  非線性系統(tǒng)的可逆性和逆穩(wěn)定性 131
5.5.2  模糊內(nèi)部模型的建立 131
5.5.3  模糊內(nèi)?？刂破鞯脑O(shè)計 132
5.5.4  仿真與分析 134
本章參考文獻(xiàn) 137
第6章  內(nèi)模控制的應(yīng)用 139
6.1  內(nèi)?？刂圃诠怆姼櫹到y(tǒng)中的應(yīng)用 139
6.1.1  光電跟蹤伺服系統(tǒng)系統(tǒng)的組成及工作原理 140
6.1.2  光電跟蹤伺服系統(tǒng)建模 142
6.1.3  光電跟蹤伺服系統(tǒng)內(nèi)?？刂破鞯脑O(shè)計與實現(xiàn) 149
6.1.4  實驗結(jié)果及分析 150
6.2  內(nèi)?？刂圃诨鹋陔娨核欧到y(tǒng)中的應(yīng)用 152
6.2.1  液壓伺服系統(tǒng)組成原理及模型 153
6.2.2  內(nèi)?？刂破髟O(shè)計 159
6.2.3  仿真與實驗分析 159
6.3  單神經(jīng)元自適應(yīng)內(nèi)?？刂圃诮涣髡{(diào)速系統(tǒng)中的應(yīng)用 162
6.3.1  基于轉(zhuǎn)子磁場定向的交流調(diào)速系統(tǒng)模型 162
6.3.2  全數(shù)字化交流調(diào)速系統(tǒng)平臺 164
6.3.3  基于單神經(jīng)元的內(nèi)?？刂破髟O(shè)計 167
6.3.4  系統(tǒng)軟件的設(shè)計與實現(xiàn) 169
6.3.5  實驗結(jié)果及分析 171
本章參考文獻(xiàn) 172