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(jì)方法 3
1.2.1  內(nèi)模控制性質(zhì) 4
1.2.2  內(nèi)?？刂频脑O(shè)計(jì) 5
1.3  內(nèi)模控制的國(guó)內(nèi)外發(fā)展現(xiàn)狀 7
1.3.1  濾波器優(yōu)化設(shè)計(jì) 8
1.3.2  典型被控過(guò)程的應(yīng)用 8
1.3.3  內(nèi)模控制結(jié)構(gòu)拓展及改進(jìn) 10
1.3.4  先進(jìn)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(shí)滯過(guò)程內(nèi)模PID魯棒設(shè)計(jì)方法 18
2.1 內(nèi)模PID控制器設(shè)計(jì) 18
2.1.1 一階過(guò)程的內(nèi)模PID控制器設(shè)計(jì) 19
2.1.2  二階過(guò)程的內(nèi)模PID控制器設(shè)計(jì) 20
2.1.3  時(shí)滯過(guò)程內(nèi)模PID控制器設(shè)計(jì) 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(shí)滯過(guò)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(shí)滯過(guò)程內(nèi)模PID控制器魯棒設(shè)計(jì) 27
2.3.1  積分時(shí)滯系統(tǒng)內(nèi)模控制 28
2.3.2  積分時(shí)滯過(guò)程內(nèi)模PID控制器設(shè)計(jì) 28
2.3.3  仿真結(jié)果與分析 30
2.4  不穩(wěn)定時(shí)滯過(guò)程內(nèi)模PID控制器魯棒設(shè)計(jì) 34
2.4.1  不穩(wěn)定時(shí)滯過(guò)程內(nèi)模PID控制器設(shè)計(jì) 34
2.4.2  控制系統(tǒng)結(jié)構(gòu)的簡(jiǎn)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(jì)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(jì) 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(jì) 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(guò)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)?？刂?nbsp;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(shí)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(shí) 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)模控制 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)?？刂?nbsp;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(jì)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)模控制 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(shí)方法 106
5.2.1  動(dòng)態(tài)系統(tǒng)的T-S模型 106
5.2.2  T-S模型的辨識(shí)過(guò)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(shí)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(shí)T-S模型 115
5.3.3  仿真分析 120
5.4  基于改進(jìn)的微粒群優(yōu)化算法的T-S模型辨識(shí)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(shí)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)?？刂品椒?nbsp;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(jì) 132
5.5.4  仿真與分析 134
本章參考文獻(xiàn) 137
第6章  內(nèi)?？刂频膽?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(jì)與實(shí)現(xiàn) 149
6.1.4  實(shí)驗(yàn)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(jì) 159
6.2.3  仿真與實(shí)驗(yàn)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(chǎng)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(tái) 164
6.3.3  基于單神經(jīng)元的內(nèi)?？刂破髟O(shè)計(jì) 167
6.3.4  系統(tǒng)軟件的設(shè)計(jì)與實(shí)現(xiàn) 169
6.3.5  實(shí)驗(yàn)結(jié)果及分析 171
本章參考文獻(xiàn) 172