一种新的神经模糊方法和新的参数跳跃方法用于未知非线性系统的直接自适应控制

 访问全文

 完整（PDF）

1. 使用参数跳跃方法对未知非线性系统进行间接自适应控制的新Neuro-FDS定义，IEEE Trans。神经网络，将于2009年发布
2. 使用多层神经网络自适应控制非线性连续时间系统，IEEE Trans。自动化。控制39（1994），1306–13101283714英镑
3. 不确定非线性SISO系统的跟踪设计：自适应模糊方法，IEEE Trans。模糊系统4（1996），32–43
4. 基于径向基函数的自适应模糊系统及其在系统识别和预测中的应用，《模糊集与系统》83（1996），325–339MR1417777型
5. 基于递归神经网络逼近建立最优模糊动态系统描述，In:Proc。国际。智能传感和控制网络分布式系统会议，2007年卡拉马塔
6. 基于聚类估计的模糊模型识别，J.Intelligent and Fuzzy Systems 2（1994），267-284
7. 直接自适应控制的模糊神经网络，IEEE Trans。工业电子50（2003），507–513
8. 插值非线性系统的自适应神经/模糊控制，IEEE Trans。模糊系统10（2002），583-595
9. 稳定间接模糊自适应控制，模糊集与系统137（2003），353–366MR1987932型
10. 一类MIMO非线性系统的在线自适应模糊神经辨识与控制。模糊系统4（2003），462–477
11. 模糊混沌与递归分割，In:Fuzzy Engineering（B.Kosko，ed.），Prentice-Hall，Englewood Cliffs，N.J。1997. 
12. 多层前馈网络是通用逼近器，神经网络2（1989），359–366
13. 非线性系统的混合自适应模糊辨识与控制，IEEE Trans。模糊系统10（2002），198-210
14. 一种鲁棒的直接自适应控制器IEEE Trans。自动化。控制AC-31（1986），1033–1043
15. 鲁棒自适应控制：统一方法，Proc。IEEE 79（1991），1735-1768
16. 鲁棒自适应控制，Prentice-Hall，Englewood Cliffs，N.J。1996. 
17. 自适应控制教程，SIAM：设计和控制系列进展，2006年2278287英镑
18. 非线性控制系统，第三版。施普林格·弗拉格，柏林-海格堡-纽约，1995年
19. 离散时间系统的反馈线性化，系统控制快报。9 (1987), 411–416. MR0917706型
20. ANFIS：基于自适应网络的模糊推理系统，IEEE Trans。Systems Man Cybernet。23 (1993), 665–684. 
21. 在线自构造神经模糊推理网络及其应用，IEEE Trans。模糊系统6（1998），12-32
22. 《控制中的奇异摄动方法：分析与设计》，学术出版社，纽约，1986年MR0937051型
23. 梯度递归高阶神经网络的结构特性，IEEE Trans。电路与系统，第二部分，快讯42（1995），592-603
24. 模糊动力系统逼近的递归神经网络，国际。J.智能控制与系统1（1996），223-233MR1451003型
25. 一类MIMO非线性系统的自适应模糊控制，模糊集与系统151（2005），59-77MR2116146型
26. 使用递归模糊神经网络识别和控制动态系统，IEEE Trans。模糊系统8（2000），349–366
27. 电气传动控制，Springer-Verlag，柏林，1985年
28. 基于观测器的非仿射非线性系统直接自适应模糊神经控制，IEEE Trans。神经网络16（2005），853-861
29. 一种基于模糊逻辑和神经网络融合的规则学习新方法，IEICE Trans。模糊系统E78-d（1995），1509-1514
30. 模糊神经系统建模的新方法，IEEE Trans。模糊系统3（1995），190-197
31. 具有结构和参数学习的神经模糊控制系统，模糊集与系统70（1995），183–212MR1332320型
32. 基于观测器的非线性SISO系统间接自适应模糊神经跟踪控制${\mathrm{<trans\; data-src="H">H（H）</trans>}}_{\mathrm{<trans\; data-src="1">1</trans>}}$方法，模糊集与系统143（2004），211-232MR2052838型
33. 神经模糊规则生成：软计算框架调查，IEEE Trans。神经网络11（2000），748–768
34. 最小相位非线性离散时间系统与反馈镇定，In:Proc。IEEE会议决策控制，洛杉矶，1987年，第979–986页
35. 具有增强误差信号的模型参考自适应控制，IEEE Trans。自动化。控制AC-19（1974），474–484Zbl0288.93022号
36. 多输入非线性动态系统的自适应神经模糊跟踪控制Automatica将于2008年问世MR2531811型
37. 稳定自适应系统，新泽西州恩格尔伍德克利夫斯Prentice-Hall。1989. 
38. 使用神经网络识别和控制动态系统，IEEE Trans。神经网络1（1990），4–27
39. 使用自结构神经网络的非仿射非线性系统的直接自适应控制器，IEEE Trans。神经网络16（2005），414-422
40. 模糊控制，Addison-Wesley Longman，1998
41. 具有自组织算法的直接自适应模糊控制，《模糊集与系统》159（2008），871-899MR2401936型
42. 使用非线性参数化在线逼近器的不确定系统的稳定自适应跟踪，国际。《控制杂志》70（1998），363–384MR1624485型
43. 使用动态神经网络对未知对象进行自适应控制，IEEE Trans。Systems Man Cybernet。24 (1994), 400–412. 1279490令吉
44. 通过动态神经网络对未知非线性动态系统进行直接自适应调节，IEEE Trans。Systems Man Cybernet。25 (1995), 1578–1594. 
45. 存在加性和乘性外部扰动的多输入非线性动力系统的神经自适应跟踪控制器的性能，IEEE Trans。Systems Man Cybernet。A部分30（2000），720-7301774160 MR型
46. 具有递归高阶神经网络的自适应控制（理论和工业应用），In:Advances In industrial control（M.A.Grimble和M.A.Johnson，eds.），Springer Verlag，London Limited 2000
47. 自适应控制：稳定性、收敛性和鲁棒性，新泽西州恩格尔伍德悬崖Prentice Hall。1989. 
48. 线性化系统的自适应控制，IEEE Trans。自动化。控制34（1989），1123-1131MR1020925
49. 应用非线性控制，Prentice-Hall，Englewood Cliffs，N.J。1991. 
50. 使用模糊系统和神经网络的稳定自适应控制，IEEE Trans。模糊系统4（1996），339-359
51. 基于高阶神经网络函数逼近器的间接自适应神经模糊控制，In:Proc。第16届地中海控制和自动化会议——MED08，Ajaccio 2008，第386–393页
52. 自适应模糊系统与控制，新泽西州恩格尔伍德克利夫斯市普伦蒂斯·霍尔。1994. 
53. 用于未知非线性动力系统的具有状态观测器和监督控制器的直接自适应模糊神经控制，IEEE Trans。模糊系统10（2002），39–49
54. 动态模糊神经网络，一种新的函数逼近方法。IEEE传输。系统，人类网络，B部分30（2000），358–364
55. 混沌系统的反馈控制，动力学与控制4（1994），97–114MR1260105型
56. 在线聚类模糊神经识别在原油调合中的应用，In:Internat。2006年温哥华模糊系统会议