非线性自适应滤波技术是非线性自适应逆控制系统设计和应用的基础，针对当前非线性自适应滤波器采用梯度下降算法所带来的收敛速度慢、容易陷入局部极点的缺陷，本书提出并推导了限定记忆极限学习机算法。在采用限定记忆极限学习机算法的自适应滤波器的基础上，针对一般的非线性系统，本书设计了两种不同的自适应逆控制方案，为非线性自适应逆控制技术的完善和发展提供了新的思路。将本书提出的RMELM-BPTM自适应逆控制方法应用于汽轮机转速控制系统，得到了一种新颖的汽轮机转速自适应逆控制系统。
本书适用于从事生产过程自动化和电气自动化的工程技术人员阅读，也可作为高等院校自动化相关专业的硕士生和博士生选修课教材或参考书。

1 绪论
1.1 研究的背景和意义
1.2 相关领域研究概述
1.3 自适应逆控制研究概述
1.4 主要工作及内容安排
2 限定记忆极限学习机
2.1 神经网络基础知识
2.2 基本ELM算法
2.3 增长记忆极限学习机算法
2.4 限定记忆极限学习机算法
2.5 仿真实验及分析
2.6 小结
3 基于AF-DE混合优化的极限学习机
3.1 极限学习机优化问题
3.2 人工鱼群算法
3.3 差分进化算法
3.4 人工鱼群差分进化混合优化算法
3.5 基于AF-DE混合优化算法的极限学习机
3.6 小结
4 基于极限学习机的非线性系统建模与逆建模
4.1 非线性系统模型辨识
4.2 基于ELM的非线性系统建模
4.3 非线性系统在线建模仿真实验
4.4 神经网络非线性系统逆建模
4.5 非线性系统在线逆建模仿真研究
4.6 小结
5 非线性自适应逆控制系统
5.1 自适应逆控制基本原理
5.2 非线性RMELM-BPTM自适应逆控制系统
5.3 非线性RMELM-FEL自适应逆控制系统
5.4 小结
6 汽轮机转速自适应逆控制系统研究
6.1 汽轮机转速控制系统综述
6.2 汽轮机转速自适应逆控制系统
6.3 仿真实验及分析
6.4 小结
7 总结与展望
参考文献