MATLAB 7.0控制系统应用与实例2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

MATLAB 7.0控制系统应用与实例PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

前言1

第1章　MATLAB 7.0的新特性1

1.1 MATLAB简介1

1.2 MATLAB系统1

1.2.1 MATLAB语言2

1.2.2 MATLAB工作环境2

1.2.3 MATLAB图形处理系统2

1.2.4 MATLAB数学函数库3

1.2.5 MATLAB应用程序接口3

1.2.6 MATLAB的仿真及硬件接口3

1.3 MATLAB 7.0的机器配置要求3

1.4 MATLAB 7.0的新特性4

1.4.1　开发环境的改变4

1.4.2　编程环境的改变5

1.4.4　图形和3-D可视化7

1.4.3　数学模块的改变7

1.4.5　文件I/O和外部接口10

1.5 Simulink 6的新特性10

1.6 MATLAB 7.0新增的其他一些新产品11

第2章　控制系统工具箱及应用14

2.1 LTI对象模型的建立及转换14

2.1.1 系统的模型描述15

2.1.2 LTI模型转换19

2.1.3 LTI对象及其存取与设置22

2.1.4　对象属性设置和获取函数23

2.1.5　模型检测函数25

2.2 LTI系统的传递函数实现26

2.2.1　时域响应26

2.2.2　根轨迹法37

2.2.3　频率域法41

2.2.4 控制系统校正及实例分析52

2.3　LTI系统的状态空间实现63

2.3.1　系统实现63

2.3.2　极点配置和状态观测器72

2.4 LQ和LQG最优控制79

2.4.1 LQ最优控制80

2.4.2 LQG最优控制81

2.4.3 LQ和LQG最优控制的MATLAB实现81

2.5 LTI系统模型的建立92

2.5.1　典型连接92

2.5.2　连续和离散系统之间的转换101

2.5.3　系统的时域延迟104

2.6　Simulink及实例分析106

2.7 系统分析的GUI函数111

第3章　系统辨识工具箱及应用115

3.1 系统辨识基本原理和常用模型116

3.1.1　系统辨识基本原理116

3.1.2　线性动态系统的描述方法和估计问题116

3.2　数据的预处理120

3.3.1 常规函数介绍128

3.3　模型结构定义及模型转换128

3.3.2　模型建立和转换的函数介绍129

3.3.3　模型转换函数介绍135

3.3.4　模型分析函数介绍138

3.4　模型结构的选择及处理140

3.5　系统非参数估计、参数估计和递推参数估计148

3.5.1　非参数模型辨识148

3.5.2　参数模型辨识154

3.5.3　递推参数模型辨识160

3.6　模型的验证与仿真165

3.6.1　模型验证函数介绍166

3.6.2　仿真与预测168

3.6.3　系统辨识的GUI工具173

3.7　系统辨识工具箱应用实例175

第4章　模型预测控制工具箱及应用182

4.1 预测控制的基本原理及控制器组成184

4.2　MPC控制器及其特性187

4.2.1 MPC控制器函数187

4.2.2 MPC控制特性函数190

4.3 MPC状态及其状态估计192

4.3.1　MPC状态函数192

4.2.3 MPC控制器的线性行为函数192

4.3.2　状态估计函数193

4.4　MPC控制器计算、仿真与设计197

4.4.1　MPC控制器计算与仿真197

4.4.2　二次型设计200

4.5　模型预测工具箱应用实例201

5.1.1　鲁棒控制理论概述210

第5章　鲁棒控制工具箱及应用210

5.1　鲁棒控制理论概述及鲁棒控制工具箱简介210

5.1.2　鲁棒控制工具箱简介211

5.2　系统模型的建立与转换212

5.2.1　不确定原理函数212

5.2.2　不确定矩阵和系统函数219

5.2.3　不确定模型处理函数225

5.2.4　不确定模型互联函数232

5.2.5　模型降阶函数238

5.3　系统鲁棒性分析246

5.3.1　鲁棒性和最坏情况分析246

5.3.2　参数相关系统的鲁棒性分析258

5.4　鲁棒控制器综合与设计262

5.4.1　控制器综合262

5.4.2　μ-综合272

5.4.3　其他功能函数280

5.5　LMIs系统介绍289

5.5.1　LMIs系统函数290

5.5.2 LMIs特征及求解291

5.5.3 LMIs结果确认及系统修正293

5.6　鲁棒控制器设计实例295

第6章　神经网络控制工具箱及应用304

6.1　神经网络与智能控制304

6.1.1　神经网络的特点304

6.1.2　神经网络的控制方式304

6.1.4　神经网络的学习方法309

6.1.3　神经网络的模型分类309

6.2.1 BP网络及其应用310

6.2.2 BP网络理论310

6.2 BP神经网络控制系统实现310

6.2.3 MATLAB环境下BP网络的设计312

6.2.4 BP算法的改进312

6.2.5 BP神经网络控制系统的实现实例——神经网络直接逆控制312

6.3 Elman网络及其在控制系统中的应用316

6.3.1 变形的Elman网络317

6.3.2 用Elman网络逼近一阶系统317

6.3.3 Elman网络用作振幅检测320

6.4 CMAC网络控制系统举例321

6.4.1 CMAC网络简介321

6.4.2　传统CMAC网络的控制方案321

6.4.3　新的CMAC控制结构322

6.5.1　MATLAB常用的神经网络训练函数325

6.5.2　神经网络训练算法325

6.5　神经网络训练函数及相关算法325

第7章　模糊逻辑工具箱及应用330

7.1 模糊逻辑的基本原理331

7.1.1　模糊逻辑及其表述331

7.1.2　模糊语言和模糊条件语句334

7.1.3　模糊逻辑推理方法334

7.2.2　模糊逻辑控制器的结构336

7.2.1　模糊逻辑控制的工作原理336

7.2　模糊推理系统的建立336

7.1.4　解模糊判决方法336

7.2.3　模糊语言变量的隶属函数338

7.2.4　模糊推理系统数据结构管理函数344

7.3 模糊控制工具箱GUI工具360

7.4　MATLAB模糊推理系统的高级应用370

7.5　模糊逻辑工具箱的应用实例378

附录　基于MATLAB的数据采集开发板385

参考文献397