●第1章 緒論
1.1 背景
1.1.1 智能控制的基礎知識
1.1.2 腦科學技術研究
1.2 智能控制研究現狀
1.2.1 智能控制繫統宏觀結構
1.2.2 神經網絡控制的近期新進展
1.3 本書內容與體繫架構
1.3.1 目標與意義
1.3.2 內容概要
習題
第2章 受操作性條件反射啟發的仿生神經網絡非線性控制
2.1 引言
2.2 操作性條件反射學習機制
2.2.1 行為心理學層面的OC學習
2.2.2 神經心理學層面的OC學習
2.3 操作性條件反射仿生模型
2.3.1 獎賞機制
2.3.2 神經自
2.3.3 仿生神經網絡
2.4 基於OCBM的仿生控制方法
2.4.1 問題描述
2.4.2 控制策略
2.4.3 穩定性分析
2.5 仿真驗證
2.5.1 非時變模型下的控制效果驗證
2.5.2 關鍵參數對控制性能的影響
2.5.3 不同繫統模型的控制性能對比
2.5.4 漂移模型的控制效果驗證
2.6 本章小結
習題
第3章 伴有局部權值學習及FNSG策略的神經自適應控制
3.1 引言
3.2 問題描述
3.2.1 跟蹤誤差動態特性
3.2.2 控制目標
3.2.3 光滑飽和函數
3.3 基於自增網絡的控制器設計
3.3.1 神經網絡輸入的緊集
3.3.2 自調節網絡結構
3.3.3 控制方案
3.3.4 FNSG策略
3.4 FNSG神經控制器穩定性分析
3.5 仿真驗證
3.5.1 繫統無擾動情形
3.5.2 繫統有擾動情形
3.6 本章小結
習題
第4章 基於多內涵自調節神經網絡的仿生智能控制
4.1 引言
4.2 UAT的應用及對策
4.2.1 未知時變理想權值
4.2.2 數量在線自調節方案
4.2.3 基函數化
4.2.4 緊集先決條件
4.3 多內涵自調節神經網絡
4.4 改進型NN控制器設計
4.4.1 經典魯棒控制方案
4.4.2 基於MSAE-NN控制方案
4.5 仿真驗證
4.5.1 數量自調節且基函數類型單一
4.5.2 數量固定且基函數類型單一
4.5.3 數量自調節且基函數化
4.6 本章小結
習題
第5章 仿生智能控制在多自由度機器人繫統中的應用
5.1 引言
5.2 問題描述
5.2.1 機器人繫統動力學模型
5.2.2 被控對像誤差動態方程
5.3 面向機器人繫統的MSAE-NN模型
5.4 仿生學習控制器設計
5.4.1 關節空間控制方案
5.4.2 笛卡兒任務空間控制方案
5.4.3 BLAC特性討論
5.5 仿真驗證
5.5.1 全部關節執行器運行正常
5.5.2 部分關節執行器運行故障
5.6 本章小結
習題
參考文獻
習題答案(僅供參考)
附錄