本程序采用自适应动态规划的理论，结合HDP算法框架设计解决了车杆平衡自适应控制问题，其中车杆系统的输入控制由算法设计的BP神经网络自适应产生。

内含8个车辆七自由度模型，有参数，可利用simulink直接运行

matlab开发-基于被动性的机器人自适应控制。基于无源性的自适应控制算法

以多固定基机械臂同步控制为基础,应用RBF神经网络方法,并结合领导者-追随者(主从控制)通信拓扑方法,针对存在不确定性的多移动机械臂系统,设计出一种新的分布式主从同步控制器,并使得控制器的适应性得以提高。从动移动机械臂和领导移动机械臂之间的同步误差由主从式通信拓扑的网络结构来定义。本研究对从动移动机械臂的建模误差等不确定性进行了逼近和补偿,并对领导移动机械臂的控制力矩进行了估计,RBF神经网络的权值根据自适应律在线进行更新。通过Lyapunov方法验证了所设计控制算法的稳定性,最后通过Matlab仿真验证了其可行性。

提出 了基于广义动态模糊神经 网络的水下机器人直接 自适应控制方法 , 该控制方法 既不需要预先知道模糊神经结构 , 也不 需要 预先的训练阶段 , 完全通过在线 自适应学习算法构建水下机器人的逆动力学模型 . 首先 , 本文提出 了基于这种网络结 构的水下机器人直接 自适应控制器 , 然后 , 利用 切 a p u von 稳定理论 , 证明了基于该控制器 的水下机器人控制系统闭环稳定性 , 最后 , 采用某水下机器 人模型仿真验证 了该控制方法的有效性

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题, 提出一种自适应跟踪控制策略. 利用两个未知参 数来描述移动机器人左右轮的纵向打滑程度, 建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型; 设计 了补偿纵向滑动的自适应非线性反馈控制律; 应用Lyapunov 稳定性理论与Barbalat 定理证明了闭环系统的稳定性; 同时, 提出了一种由极点配置方法在线调整控制器增益的方法. 仿真结果验证了所提出控制方法的有效性.

国外自适应控制、非线性控制课程讲义，通俗易懂，是控制类专业快速学习相关知识的极佳辅助资料

（2）间接模型参考自适应控制 如图9-5所示。神经网络辨识器NNI向神经网络控制器NNC提供对象的信息，用于控制器NNC的学习。

利用simulink仿真，搭建了三相三电平VIENNA整流，其控制部分电压外环中，分别搭建了PID控制和模糊自适应控制，两者进行对比，结果显示模糊自适应控制更加好，其中模糊工具箱参数可调，调试方便

系统辨识与自适应控制MATLAB仿真可见，很全的，里面介绍了很多中方法