机器学习控制

图书标准信息

• 作者 [阿根廷]Thomas；Duriez
• 出版社 国防工业出版社
• 出版时间 2023-04
• 版次 1
• ISBN 9787118129175
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 216页
• 字数 238.000千字

【内容简介】

　《机器学习控制》简要介绍了机器学习控制（Machine Learning Control，MLC）。作为一种极其简单的无模型手段，MLC可用来驾驭复杂的非线性系统。通常假定这些系统由有限数量的执行器（输入）操控，并由有限数量的传感器（输出）检测。

  MLC涵盖了3门现有学科，即闭环反馈控制、机器学习与回归以及非线性动态系统，而湍流即具备了非线性系统的特征。在过去的数十年中，控制理论已经发展成为一门具有优美理论基础和强大关联数值算法的成熟学科。在对具有传感器噪声、外界扰动和模型不确定性的系统鲁棒控制方面取得了重要进展。控制理论中的现代方法已经渗透到工程科学中，并改变了工业格局。但是对于具有宽带频谱、高维度状态空间和大延时的强非线性动力学系统的控制，挑战依然存在。通过借助机器学习中的先进方法，MLC旨在发现有效的控制律，从而应对上述挑战。

  《机器学习控制》的作者推动了遗传规划在非线性动力系统反馈控制、直接Navier-Stokes模拟和实验湍流剪切流中的首次应用。

  《机器学习控制》关注于可称得上是机器学习控制中非常简单、非常通用却又非常强大的一个版本：通过遗传规划来识别非线性控制律。

  《机器学习控制》将介绍相应的成功案例。

【目录】

第1章 引言

1．1 工程及生命系统中的反馈

1．2 反馈控制的优点

1．3 反馈控制面临的挑战

1．4 艰巨的挑战：湍流的反馈控制

1．5 自然教我们的控制设计

1．6 本书的大纲

1．7 习题

第2章 机器学习控制

2．1 机器学习的方法

2．1．1 作为机器学习的系统识别

2．1．2 遗传算法

2．1．3 遗传规划

2．1．4 其他机器学习方法

2．2 基于遗传规划的MLC

2．2．1 控制问题

2．2．2 控制律的参数化

2．2．3 作为搜索算法的遗传规划

2．2．4 代的初始化

2．2．5 代的评估

2．2．6 遗传操作的个体选择

2．2．7 遗传操作的选择

2．2．8 代际演化和停止标准

2．3 案例

2．3．1 通过数据点拟合函数

2．3．2 MLC用于控制动态系统

2．4 习题

2．5 推荐阅读

2．6 专访Marc Schoenauer教授

第3章 线性控制理论的方法

3．1 线性系统

3．2 全状态反馈

3．3 基于传感器的状态估计

3．4 基于传感器的反馈

3．5 系统识别与模型简化

3．5．1 系统识别

3．5．2 特征系统实现算法（ERA）

3．5．3 观测器卡尔曼滤波识别（OKID）

3．6 习题

3．7 推荐阅读

第4章 针对线性控制的MLC的基准测试

4．1 针对线性振荡器的MLC与LQR的比较

4．2 针对噪声线性振荡器的MLC与卡尔曼滤波器的比较

4．3 针对基于传感器反馈的MLC与LQG的比较

4．4 弱非线性的修正

4．5 习题

4．6 专访Shervin Bagheri教授

……

第5章 基于MLC控制非线性动力系统

第6章 基于MLC的流体控制实验

第7章 MLC的战术与战略

第8章 未来的发展

术语表

Matlab代码：OpenMLC

缩略语

符号表

参考文献