1 绪论（自适应控制的基本概念和基本原理） 2 预备知识 3 模型参考自适应控制系统 4 自校正调节器 5 非线性系统的自适应控制 6 总结及应用 7 作业答疑与习题课

基于Matlab神经网络控制仿真研究，袁健，张文霞，介绍了基于神经网络的直接逆控制和模型参考自适应控制的基本原理，然后把它应用在一个简单的二阶系统控制中，并对其进行了仿真，

3、无模型自适应控制闭环结构图

自适应控制，在线进行系统结构和参数辨识或系统性能指标的度量，以便得到系统当前状态的改变情况，在线修改控制器的参数或可调系统的输入信号。

利用matlab仿真软件完成对系统辨识，书中介绍了参数辨识的方法以及物理释意

康复机器人运动过程中的人机交互性问题，提出一种下肢康复机器人自适应人机交互控制策略．提取伸屈运动中下肢表面肌电信号(Surface electromyography，sEMG)和足底压力特征，分别用于表征下肢运动意图和人机交互力(Interaction force，IF)信息，建立基于sEMG—IF的人机交互信息融合模型，实现下肢康复机器人运动轨迹的在线规划；考虑主动康复运动过程中的人机交互作用，建立具有时变动态特性的人机系统动力学模型，设计间接模糊自适应控制器对期望轨迹进行跟踪控制，实现下肢康复机器人自适应人机交互控制．通过对5名被试者进行下肢康复机器人运动控制实验研究，验证所提方法的可行性和有效性。

针对一类具有非仿射函数和下三角结构的、受干扰未知的非线性系统, 提出一种新的自适应神经网络控制 方法. 它是严格反馈不确定系统和纯反馈系统的更一般化表达. 在Back stepp ing 设计思想基础上, 证明了闭环信号的 半全局最终一致有界性, 并很好地处理了控制方向和控制奇异问题. 通过仿真验证了该方法的有效性.

这篇文档主要介绍了自适应控制与感应控制的区别，文章简介易懂，比较适合初学者学习。

本文研究典型应用场景下电力现场作业的超宽带精确定位，提出一种基于BP神经网络补偿卡尔曼滤波的UWB精定位算法。首先在某段时间内利用定位系统测得全部采样时刻的初始观测解，得到初始观测解集；其次根据卡尔曼滤波器的状态方程，初始观测解集输入卡尔曼滤波器；最后用BP神经网络补偿卡尔曼滤波，在最小均方误差下求得定位系统的二维状态向量的估计值。通过仿真表明：该补偿算法在原卡尔曼滤波算法上提升了定位精度。

jQuery时间轴滑动选项卡_横向和纵向滑动选项卡切换代码