1.3 支持的平台 ⚫ Windows – XP、Vista、Win7、Win8、Win2008、Win10 ⚫ Uinux/X11 – Linux、Sun Solaris、HP-UX、Compaq Tru64 UNIX、IBM AIX、 SGI IRIX、FreeBSD、BSD/OS、和其他很多 X11平台 ⚫ Macintosh – Mac OS X ⚫ Embedded – 有帧缓冲支持的嵌入式 Linux 平台，Windows CE 1.4 Qt 版本 Qt按照不同的版本发行，分为商业版和开源版 ⚫ 商业版 为商业软件提供开发，他们提供传统商业软件发行版，并且提供在商业有效

非线性系统手册源代码集合包括神经网络、混沌映射、元胞自动机、遗传算法、模糊逻辑等

随机力与非线性系统（数学）

非线性系统 （第三版）

近似非线性MPC 通过机器学习和函数逼近器实现非线性系统的模型预测控制 基于：Chakrabarty，A.，Dinh，V.，Corless，MJ，Rundell，AE，Zak，SH和Buzzard，GT，2017。支持向量机使用低差异序列通知显式非线性模型预测控制。 IEEE Transactions on Automatic Control，62（1），第135-148页。 阅读readme.txt依赖项：MATLAB，Simulink，GODLIKE工具箱（ ）

该书曾获IFAC工程控制奖.是美国密立根州立大学电气与计算机工程专业的研究生教材，可以做为工程技术人员、数学专业人员的自学教材。

基于此技术文档，能够很快掌握非线性系统线性化的基本思路与基础理论方法。是学习非线性系统线性化的不二之选。

针对非线性系统,提出了一种基于BP神经网络的预测控制方法。以BP神经网络建立多步预测模型并预测系统输出值,用LM(Levenberg-Marquardt)算法和PSO(Particle Swarm Optimization)算法组合的混合算法对目标性能指标函数进行滚动优化求解,得到非线性系统的最优控制量;利用误差修正参考输入法实现反馈矫正。通过将粒子群算法引入LM算法,克服了LM算法依赖初值和粒子群算法过早收敛于局部极值的问题,提高了求解的运行速度和精确度。通过对单变量非线性系统仿真实验,证明了该控制系统具有良好的稳定性、自适应性和鲁棒性。该方法可在数学模型不确定的情况下设计出有效的预测控制器。

非线性控制系统理论基础。中文版带目录。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

BP神经网络的非线性系统建模_非线性函数拟合的matlab代码，可以直接运行！