复杂非线性系统的自适应优化控制

　　非线性系统基于自适应动态规划的迭代优化控制问题是目前国际国内研究的热点课题。《复杂非线性系统的自适应优化控制》融合了目前国内外先进的理论研究成果，针对目前国际研究热点进行深入研究，分别对复杂非线性离散系统的最优控制、复杂非线性连续系统的在线优化控制和复杂系统的零和与非零和对策问题取得了突破性的成果。《复杂非线性系统的自适应优化控制》主要分三个部分：复杂非线性离散系统的最优控制、复杂非线性连续系统的在线优化控制和复杂系统的零和与非零和对策

前言
第1章 绪论
1.1 引言
1.2 非线性系统最优控制理论概述
1.3 非线性系统自适应控制理论概述
1.4 自适应迭代最优控制的发展及研究现状
1.4.1 自适应动态规划算法的发展历程
1.4.2 自适应动态规划算法的基本理论
1.4.3 自适应动态规划算法的研究现状
1.5 本书结构
参考文献
第2章 执行器带未知死区的一类非线性系统的神经网络自适应控制
2.1 引言
2.2 问题描述和预备知识
2.3 自适应控制器设计
2.3.1 自适应控制器的形式
2.3.2 对象的部分非线性动态行为的估计
2.3.3 针对执行器死区的补偿器设计
2.3.4 权值调节 律与稳定性分析
2.4 仿真研究
2.5 小结
参考文献
第3章 带有饱和执行器的一类非线性离散系统的迭代优化控制
3.1 引言
3.2 约束非线性系统的离散HJB方程
3.3 基于迭代自适应动态规划算法的近似最优控制
3.3.1 迭代自适应动态规划算法的推导
3.3.2 迭代自适应动态规划算法的收敛性分析
3.3.3 迭代自适应动态规划算法的实现
3.4 仿真研究
3.5 小结
参考文献
第4章 一类离散非仿射系统基于GI-GDHP算法的近似最优跟踪控制
4.1 引言
4.2 问题描述
4.3 最优跟踪控制器的设计
4.3.1 基于隐函数定理的前馈控制器设计
4.3.2 最优反馈控制器设计
4.4 最优跟踪控制器的实现
4.4.1 前馈控制器的实现
4.4.2 最优反馈控制器的神经网络实现
4.4.3 最优跟踪控制器的设计过程
4.4.4 神经网络近似过程的收敛性分析
4.5 仿真研究
4.6 小结
参考文献
第5章 带有控制约束的一类非线性广义系统的近似最优控制
5.1 引言
5.2 最优控制器的间接设计
5.2.1 问题陈述
5.2.2 基于GI.DHP算法的最优控制器设计和实现
5.2.3 仿真研究
5.3 最优控制器的直接设计
5.3.1 问题陈述和约束广义系统的离散HJB方程的推导
5.3.2 组合迭代DHP。算法的推导和实现
5.3.3 仿真研究
5.4 小结
参考文献
第6章 基于单网络GI.DHP算法的一类非线性系统的近似最优控制
6.1 引言
6.2 问题陈述
6.3 贪婪迭代：DHP算法的推导和实现
6.3.1 贪婪迭代DHP算法的推导
6.3.2 贪婪迭代DHP算法的收敛性分析
6.3.3 单网络贪婪迭代DHt，算法的神经网络实现
6.4 仿真研究
6.5 小结
参考文献
第7章 一类连续非仿射非线性系统的鲁棒自适应评价设计
7.1 引言
7.2 基于神经网络的鲁棒自适应评价设计
7.2.1 问题描述
7.2.2 基于控制网和评价网的鲁棒自适应评价设计
7.2.3 稳定性分析
7.3 仿真研究
7.4 小结
参考文献
第8章 一类具有未知控制方向的非仿射非线性系统的鲁棒自适应评价设计
8.1 引言
8.2 问题描述和模糊小波神经网络
8.2.1 问题描述
8.2.2 模糊小波神经网络
8.3 基于FWN的鲁棒自适应评价设计
8.3.1 控制FWN设计
8.3.2 评价FwN设计
8.4 稳定性分析
8.5 仿真研究
8.6 小结
参考文献

　　第1章 绪论
　　1.1 引言
　　众所周知，针对线性定常系统的最优控制的理论和方法已经非常成熟〔+4I．而针对非线性系统而言，虽然人们也对其最优控制问题进行了相应的研究，但由于其高度的复杂性，一般很难得到其解析的最优控制解．然而，非线性是自然界和工程技术领域中最普遍的现象，许多实际工程系统都具有本质上的非线性，必须用非线性系统描述才合理．因此，研究非线性系统的最优控制问题，无论在理论上还是在实践上，都具有重大的意义．
　　动态规划是贝尔曼于20世纪50年代提出的求解多阶段决策过程最优化的一种数学方法，现已在最优控制领域获得广泛应用．然而，随着系统维数和时间段的增加，该方法显示出了一个致命的缺点，即其计算量和存储量呈现惊人的增长，出现了所谓的“维数灾”问题．为了克服这些缺点，Wcrb0S于1977年首先提出了白适应动态规划（ADP）方法的框架，其主要思想是利用一个函数近似结构（如神经网络、模糊模型、多项式等）来估计代价函数，用于按时间正向求解动态规划问题．近些年来，ADP方法获得了控制界广泛的关注，由于其融合了模糊控制、神经网络及增强学习技术，为解决非线性系统的最优控制问题提供了新的思路，从而成为了近年来国内外控制领域研究的热点．
　　另一方面，由于神经网络具有强大的非线性逼近能力和学习能力，为复杂非线性系统的控制开辟了一条崭新的途径．神经网络自适应控制就是基于自适应的基本原理，结合神经网络的特点和理论产生的新方法，它简化了单纯自适应控制系统设计的复杂性，发挥了自适应与神经网络各自的长处、因而在智能控制研究领域中受到了广泛的关注，并取得了大量的研究成果。
　　模糊控制自诞生以来，经历了近40年的完善和发展，逐步被认为是解决复杂非线性系统建模和控制的一种行之有效的方法．通过模糊逻辑，把语言信息构造到控制系统上，从而对难以建立精确数学模型的对象，提供了新颖的系统分析与设计的理念．可以预见，如果将模糊控制和最优控制技术相结合将是解决复杂非线性系统控制问题的新途径。
　　本章首先介绍了非线性系统最优控制的基本理论，其次介绍了非线性系统自适应控制的发展历程，接着重点介绍了基于神经网络的自适应动态规划算法的基本理论和研究现状，最后简述了作者在本领域所取得的主要研究成果。
　　……