Radial Basis Function (RBF) Neural Network Control for Mechanical Systems: Design, Analysis and Matlab Simulation

پایه شعاعی (RBF) کنترل شبکه عصبی< انگیزه /i>برای سیستم‌های مکانیکی نیاز به رویکردهای طراحی سیستماتیک برای طراحی سیستم کنترل تطبیقی ​​پایدار با استفاده از تکنیک‌های مبتنی بر تقریب شبکه عصبی است. اهداف اصلی کتاب معرفی روش‌های طراحی بتن و شبیه‌سازی متلب استراتژی‌های کنترل عصبی تطبیقی ​​پایدار RBF است. در این کتاب، طیف وسیعی از روش‌های طراحی کنترل شبکه عصبی قابل پیاده‌سازی برای سیستم‌های مکانیکی، مانند دستکاری‌کننده ربات، آونگ معکوس، ربات‌های مفصل منعطف تک لینک، موتورها و غیره ارائه شده است. . این کتاب اصول طراحی سیستم کنترل شبکه های عصبی را در اختیار خوانندگان قرار می دهد.

این کتاب برای محققان در زمینه های کنترل تطبیقی ​​عصبی، سیستم های مکانیکی، شبیه سازی Matlab، طراحی مهندسی، رباتیک و اتوماسیون در نظر گرفته شده است.

جینکون لیو استاد دانشگاه هوانوردی و فضانوردی پکن است.

Radial Basis Function (RBF) Neural Network Controlfor Mechanical Systems is motivated by the need for systematic design approaches to stable adaptive control system design using neural network approximation-based techniques. The main objectives of the book are to introduce the concrete design methods and MATLAB simulation of stable adaptive RBF neural control strategies. In this book, a broad range of implementable neural network control design methods for mechanical systems are presented, such as robot manipulators, inverted pendulums, single link flexible joint robots, motors, etc. Advanced neural network controller design methods and their stability analysis are explored. The book provides readers with the fundamentals of neural network control system design.

This book is intended for the researchers in the fields of neural adaptive control, mechanical systems, Matlab simulation, engineering design, robotics and automation.

Jinkun Liu is a professor at Beijing University of Aeronautics and Astronautics.