迭代學習控制：一種優化方法（簡體書）

本書主要介紹範數優化迭代學習控制的基本理論和最新進展。全書內容分為14章。第1章介紹迭代學習控制的基本思想、特點和存在的問題等；第2章介紹相關的數學預備知識；第3章主要介紹連續動態系統和離散狀態系統的狀態空間模型、逆系統、連續線性系統的二次優化控制等；第4章主要包括超向量和矩陣模型、離散線性系統的可逆性和二次優化控制等；第5章給出迭代學習控制的問題描述、迭代學習的收斂性和魯棒性等；第6章主要討論基於逆模型算法的迭代學習控制；第7、8章分別考慮單調性和梯度算法、基於逆系統和梯度算法相結合的迭代學習控制；第9、10章分別研究範數優化迭代學習控制和擴展的範數優化迭代學習控制；第11、12章分別討論迭代和輔助優化以及基於逐次投影的迭代學習控制；第13章主要討論算法加速問題和基於參數集的陷波算法；第14章涉及參數優化迭代學習控制等。

譯者序
叢書序
前言
致謝
第1章 緒論
1.1 控制系統、模型和算法
1.2 重複和法代
1.2.1 週期性參考信號
1.2.2 重複控制和多通道系統
1.2.3 迭代學習控制
1.3 迭代的動態特性：概念回顧
1.4 預備知識的需求
1.4.1 數學知識綜述
1.4.2 算法的概念基礎
1.5 討論和擴展閱讀
第2章 戴學方法
2.1 矩陣元素的理論
2.2 二次最優和二次型
2.2.1 配方
2.2.2 奇異值、拉格朗日方法和矩陣範數
2.3 Banach空間、算子、範數和收斂序列
2.3.1 向量壁間
2.3.2 範數空間
2.3.3 收斂性、閉包、完備性和Banach 空間
2.3.4 線性算子和稠密子集
2.4 Hilbert 空間
2.4.1 內積和範數
2.4.2 範數和弱收斂
2.4.3 H山田空間上的伴隨和自伴隨算子
2.5 實Hilbert 空間、凸集和投影
2.6 Hilbert 空間上的最優控制
2.6.1 通過配方法證明
2.6.2 使用映射定理證明
2.6.3 討論
2.7 進一步討論和參考書目
第3章 狀態空間模型
3.1 連續狀態空間系統模型
3.1.1 狀態方程的解
3 1.2 卷積算子和脈衝響應
3 1.3 系統作為函數空間之間的算子
3.2 拉普拉斯變換
3.3 傳遞函數矩陣、極點、零點和相對階
3.4 系統的頻率響應
3.5 離散時間、採樣數據狀態空間模型
3.5.1 用差分方程表示的狀態空間模型
3.5.2 線性離散時間狀態方程的解
3.5.3 離散卷積算子和離散衝激響應序列
3.6 !F 變換和離散傳遞函數矩陣
3.6.1 離散傳遞函數矩陣、極點、零點和相對階
3.6.2 離散系統的頻域響應
3.7 多速率離散時間系統
3.8 能控性、能觀性、最小實現和極點配置
3.9 逆系統
3.9.1 m=l零點和f 的情況
3.9.2 當m≠l時的左逆和右逆
3.10 線性連續系統的二次最優控制
3.10.1 相關算子和空間
3.10.2 伴隨算子的計算
3.10.3 兩點邊值問題
3.10.4 Ric四川方程和狀態前饋加反饋的描述
3.10.5 另一種Rlccati 描述
3.11 擴展閱讀和參考書目
第4章 矩陣模型、超向量和離散系統
4.1 超向量和矩陣模型
4.2 串聯和並聯代數
第5章 迭代學習控制的構建
第6章 逆模型控制算法
第7章 梯庭算法及其單調性
第8章 逆模型和梯度法融合設計
第9章 範數優化迭代學習控制
第10章 NOILC 的擴展
第11章 迭代與輔助優化
第12章 迭代和逐次投影
第13章 加速和逐次投影
第14章 參數優化迭代控制