网络约束迭代学习控制理论

图书标准信息

• 作者 卜旭辉、侯忠生 著
• 出版社 科学出版社
• 出版时间 2019-09
• 版次 1
• ISBN 9787030609854
• 定价 88.00元
• 装帧 平装
• 开本 16开
• 页数 192页

【内容简介】

《网络约束迭代学习控制理论》主要介绍网络参量约束下系统存在数据丢失、数据量化压缩等不确定因素时迭代学习控制的收敛性分析理论和控制器设计方法。《网络约束迭代学习控制理论》内容主要包括三部分：第一部分介绍迭代学习控制的基本原理与研究现状，讨论迭代学习控制在网络控制环境下所面临的新问题。第二部分介绍随机数据丢失、数据量化条件下迭代学习控制的收敛性分析理论，并研究切换系统的迭代学习跟踪控制问题。第三部分介绍网络参量约束下迭代学习控制的设计方法，包括二维网络系统基础理论及二维框架下迭代学习控制器的设计方法、基于超向量的鲁棒迭代学习控制设计方法和自适应迭代学习控制设计方法。

【目录】

目录
《智能科学技术著作丛书》序
前言
第1章 绪论 1
1.1 迭代学习控制概述 1
1.2 迭代学习控制算法 2
1.2.1 Arimoto-Like ILC算法 3
1.2.2 最优ILC算法 5
1.2.3 自适应ILC算法 6
1.2.4 数据驱动ILC算法 7
1.3 迭代学习控制的研究现状 9
1.4 网络控制系统的基本问题 11
1.4.1 数据丢失 12
1.4.2 网络诱导时延 12
1.4.3 数据量化 12
1.4.4 其他问题 13
1.5 本书概况 13
参考文献 14
第2章 存在数据丢失的线性系统迭代学习控制 24
2.1 引言 24
2.2 问题描述 25
2.3 收敛性分析 26
2.4 数据丢失对系统的影响分析 29
2.5 存在数据丢失的高阶ILC算法 30
2.6 仿真示例 32
2.7 本章小结 38
参考文献 38
第3章 存在数据丢失的非线性系统迭代学习控制 40
3.1 引言 40
3.2 问题描述 41
3.3 收敛性分析 42
3.4 MIMO非线性系统 45
3.5 仿真示例 46
3.6 本章小结 50
参考文献 50
第4章 线性切换系统的迭代学习控制 52
4.1 引言 52
4.2 问题描述 53
4.3 收敛性分析 53
4.4 线性离散切换系统 58
4.4.1 包含两个子系统的切换系统 59
4.4.2 包含多个子系统的切换系统 61
4.5 仿真示例 63
4.6 本章小结 68
参考文献 68
第5章 非线性切换系统的迭代学习控制 70
5.1 引言 70
5.2 问题描述 71
5.3 收敛性分析 72
5.4 非线性时滞切换系统 75
5.5 仿真示例 80
5.6 本章小结 84
参考文献 84
第6章 Lifting框架下存在数据丢失的H∞迭代学习控制设计 86
6.1 引言 86
6.2 问题描述 87
6.3 控制器设计及收敛性分析 89
6.4 仿真示例 94
6.5 本章小结 97
参考文献 97
第7章 二维框架下存在数据丢失的迭代学习控制设计 99
7.1 引言 99
7.2 问题描述 100
7.3 二维随机系统稳定性分析 102
7.4 迭代学习控制器设计 105
7.5 鲁棒迭代学习控制器设计 107
7.6 仿真示例 110
7.7 本章小结 114
参考文献 114
第8章 存在数据丢失的线性时滞系统迭代学习控制设计 116
8.1 引言 116
8.2 问题描述 117
8.3 二维时滞系统均方稳定 118
8.4 迭代学习控制器设计 123
8.5 仿真示例 125
8.6 本章小结 129
参考文献 129
第9章 存在数据丢失的二维非线性系统鲁棒H∞控制 131
9.1 引言 131
9.2 问题描述 132
9.3 稳定性分析及控制器设计 133
9.4 鲁棒H∞反馈控制器设计 138
9.5 仿真示例 141
9.6 本章小结 142
参考文献 143
第10章 存在数据丢失的二维线性系统H∞滤波 144
10.1 引言 144
10.2 问题描述 145
10.3 H∞滤波器设计 147
10.4 鲁棒H∞滤波器设计 152
10.5 仿真示例 154
10.6 本章小结 157
参考文献 157
第11章 量化迭代学习控制系统分析 158
11.1 引言 158
11.2 问题描述 159
11.3 收敛性分析 160
11.4 非线性离散系统 162
11.5 仿真示例 164
11.6 本章小结 168
参考文献 168
第12章 二维框架下的量化迭代学习控制设计 170
12.1 引言 170
12.2 问题描述 171
12.3 稳定性分析及控制器设计 173
12.4 仿真示例 176
12.5 本章小结 179
参考文献 179
第13章 二值量化系统的自适应迭代学习控制 181
13.1 引言 181
13.2 问题描述 182
13.3 算法设计 183
13.4 收敛性分析 184
13.5 仿真示例 188
13.6 本章小结 191
参考文献 191