多时间尺度神经网络及其在车辆工程中的应用研究

本书介绍了基于多时间尺度动态神经网络的不确定非线性系统的辨识、观测、控制及其在车辆工程中的应用。全书共分理论和应用两篇，共10章，第一篇 多时间尺度神经网络辨识、观测与控制理论：包括单层多时间尺度动态神经网络非线性辨识与控制、改进型多时间尺度动态神经网络非线性辨识与控制、包含隐层的多时间尺度神经网络辨识与控制、多时间尺度动态神经网络非线性观测器设计、基于多时间尺度动态神经网络的自学习最优控制，第二篇 在车辆工程中的实际应用：包括 数据驱动发动机怠速模型辨识、分布式电动车多时间尺度转矩矢量控制、数据驱动下的主动转向与直接横摆协同控制、数据驱动下的主动悬架控制。

付志军,从事网联车智能决策与控制方面的研究。主持国家自然科学基金2项，重大横向课题1向，省科技攻关项目1项，加拿大博士后课题1项；参与加拿大国家自然科学基金 (NSERC) 1项，省科技攻关项目2项，企业横向项目2项。在加拿大CONCAVE车辆研究中心从事研究4年，合作导师S.Rakheja院士（国家千人）。本人在IEEE Trans.等顶级期刊及会议上发表论文40余篇，其中影响因子4以上1区TOP论文6篇，发明专利5件。

本书介绍了基于多时间尺度动态神经网络的不确定非线性系统的辨识、观测、控制及其在车辆工程中的应用。

使用神经网络研究非线性系统的辨识与控制已经有一段很长的历史。这一领域吸引了包括自动化、电子通信、计算机、数学、物理、生物等多个学科研究者的注意。目前已经有多种类型的神经网络辨识与控制方法及相关学习算法，但是都没有时间维差异性。事实上，考虑不同时间尺度的动态神经网络具有更好的自学习能力和泛化能力，非常适合于模型不确定非线性系统的辨识与控制。本书介绍基于多时间尺度动态神经网络的非线性辨识、观测、控制方面的研究成果，并与最新的近似动态规划结合，提出新型架构下的在线自学习优化控制方法。

本书内容分为两篇，共有10章。第1篇主要介绍多时间尺度动态神经网络辨识、观测与控制，包括6章： 第1章介绍非线性系统辨识与控制的概念，主要包含基于神经网络的非线性系统辨识与控制，以及多时间尺度系统辨识与控制问题。本书的其他部分将使用这一部分介绍的内容。第2章介绍基于单层多时间尺度动态神经网络非线性辨识与控制，包括在线辨识和控制器设计两部分内容。第3章介绍改进型多时间尺度动态神经网络非线性辨识与控制，以克服第2章中所提出的多时间尺度动态神经网络辨识和控制过程依赖于非线性系统的实际状态信号所带来的系统不稳定的缺陷。第4章介绍包含隐层的多时间尺度动态神经网络辨识与控制，以便进一步提高辨识与控制性能。第5章针对实际非线性系统状态未知的情况，介绍了多时间尺度动态神经网络非线性观测器设计。第6章进一步将多时间尺度动态神经网络与近似动态规划方法相融合，提出了一种新的基于多时间尺度动态神经网络的具有执行者评价者辨识器(actorcriticidentifier，ACI )结构的非线性系统自学习最优控制方法。第2篇主要介绍相关理论在车辆工程中的应用，包括4章： 第7章介绍发动机怠速模型辨识； 第8章介绍电驱动系统模型多时间尺度辨识； 第9章介绍主动转向与直接横摆力矩自学习最优控制； 第10章介绍半主动悬架自学习最优控制。

作者在研究过程中得到加拿大康考迪亚大学Xie Wenfang教授的精心指导，并感谢其课题组的Zheng Dongdong博士、Han Xuan硕士等人的帮助。由于水平有限，书中难免存在不妥之处，恳请读者批评指正。

付志军

郑州轻工业大学

2021年11月于东风校区西四楼

第1篇多时间尺度动态神经网络辨识、观测与控制

第1章绪言

1.1系统辨识概述

1.2基于神经网络的非线性系统辨识与控制

1.3多时间尺度系统辨识与控制

1.3.1多时间尺度系统

1.3.2多时间尺度系统的辨识与控制

1.3.3多时间尺度系统的自学习最优控制

1.4本书的主要内容

参考文献

第2章单层多时间尺度动态神经网络非线性辨识与控制

2.1单层多时间尺度动态神经网络在线辨识

2.2在线辨识仿真验证

2.3基于单层多时间尺度动态神经网络非线性辨识模型的控制器

2.4控制器仿真结果

2.5本章小结

参考文献

第3章改进型多时间尺度动态神经网络非线性辨识与控制

3.1改进型多时间尺度动态神经网络非线性辨识方法

3.1.1基于精确多时间尺度动态神经网络结构的系统辨识

3.1.2具有有界未建模误差的非线性系统辨识

3.1.3在线辨识仿真结果

3.2基于改进型多时间尺度动态神经网络辨识模型的控制器

3.2.1跟踪误差分析

3.2.2控制器设计

3.2.3控制器仿真结果

3.3本章小结

参考文献

第4章包含隐层的多时间尺度动态神经网络辨识与控制

4.1包含隐层的多时间尺度动态神经网络辨识方法

4.2包含隐层的多时间尺度动态神经网络辨识模型基础上的控制器

4.3仿真验证

4.4本章小结

参考文献

第5章多时间尺度动态神经网络非线性观测器设计

5.1多时间尺度动态神经网络非线性观测器

5.2观测器的无源性特征

5.3仿真验证

5.4本章小结

参考文献

第6章基于多时间尺度动态神经网络的自学习最优控制

6.1自学习最优控制问题

6.2多时间尺度动态神经网络模型辨识

6.3自学习最优控制方法

6.4仿真验证

6.5本章小结

参考文献

第2篇车辆工程中的应用

第7章发动机怠速模型辨识

7.1发动机怠速模型

7.2包含隐层的动态神经网络辨识方法

7.3结果分析

7.4本章小结

参考文献

第8章电驱动系统模型辨识

8.1直流电机模型辨识

8.2感应电机模型辨识

8.3基于滑模学习律的多时间尺度感应电机辨识方法

8.4结果分析

8.5本章小结

参考文献

第9章主动转向与直接横摆力矩自学习最优控制

9.1主动转向和直接横摆力矩控制问题

9.2车辆建模

9.3基于辨识+评价结构的自学习最优控制方法

9.4结果分析

9.5本章小结

参考文献

第10章半主动悬架自学习最优控制

10.1半主动悬架控制问题

10.2基于单评价网络的主动悬架控制方法

10.2.1基于单评价网络自学习控制方法

10.2.2仿真分析

10.3半主动多时间尺度自学习最优控制方法

10.3.1基于辨识+评价结构的多时间尺度自学习

最优控制方法

10.3.2结果分析

10.4本章小结

参考文献

附录A本书用到的基本数学知识及定理