智能控制及其MATLAB实现PDF电子书下载

目录 1

第一篇　神经网络控制及其MATLAB实现 1

第1章　神经网络控制理论 1

1.1　神经网络的基本概念 2

1.1.1　生物神经元的结构与功能特点 2

1.1.2　人工神经元模型 4

1.1.3　神经网络的结构 6

1.1.5　神经网络的学习 7

1.1.4　神经网络的工作方式 7

1.1.6　神经网络的分类 10

1.2　典型神经网络的模型 11

1.2.1　MP模型 11

1.2.2　感知机神经网络 12

1.2.3 自适应线性神经网络 18

1.2.4　BP神经网络 20

1.2.5　径向基神经网络 31

1.2.6　竞争学习神经网络 37

1.2.7　学习向量量化（LVQ）神经网络 46

1.2.8　Elman神经网络 48

1.2.9　Hopfield神经网络 49

1.2.10　Boltzmann神经网络 67

1.2.11　神经网络的训练 71

1.3　神经网络控制系统 75

1.3.1　神经控制的基本原理 75

1.3.2　神经网络在控制中的主要作用 76

1.3.3　神经网络控制系统的分类 77

2.1　感知机神经网络工具箱函数 88

第2章　MATLAB神经网络工具箱函数 88

2.2　线性神经网络工具箱函数 103

2.3　BP神经网络工具箱函数 111

2.4　径向基神经网络工具箱函数 126

2.5 自组织神经网络工具箱函数 132

2.6　学习向量量化（LVQ）神经网络工具箱函数 151

2.7　Elman神经网络工具箱函数 156

2.8　Hopfield神经网络工具箱函数 159

2.9　MATLAB神经网络工具箱的图形用户界面 166

3.1.1　模块的设置 174

第3章　基于Simulink的神经网络控制系统 174

3.1　基于Simulink的神经网络模块 174

3.1.2　模块的生成 176

3.2　基于Simulink的三种典型神经网络控制系统 179

3.2.1　神经网络模型预测控制 179

3.2.2　反馈线性化控制 186

3.2.3　模型参考控制 189

第二篇　模糊逻辑控制及其MATLAB实现 194

第4章　模糊逻辑控制理论 194

4.1　模糊逻辑理论的基本概念 194

4.1.1　模糊集合及其运算 194

4.1.2　模糊关系及其合成 202

4.1.3　模糊向量及其运算 204

4.1.4　模糊逻辑规则 205

4.1.5　模糊逻辑推理 207

4.2　模糊逻辑控制系统的基本结构 211

4.2.1　模糊控制系统的组成 212

4.2.3　模糊控制器的维数 213

4.2.2　模糊控制器的基本结构 213

4.2.4　模糊控制中的几个基本运算操作 214

4.3　模糊逻辑控制系统的基本原理 215

4.3.1　模糊化运算 215

4.3.2　数据库 216

4.3.3　规则库 218

4.3.4　模糊推理 221

4.3.5　清晰化计算 223

4.4　离散论域的模糊控制系统的设计 225

4.5　具有PID功能的模糊控制器 230

第5章　MATLAB模糊逻辑工具箱函数 232

5.1　MATLAB模糊逻辑工具箱简介 232

5.1.1　模糊逻辑工具箱的功能特点 232

5.1.2　模糊推理系统的基本类型 233

5.1.3　模糊逻辑系统的构成 234

5.2　利用模糊逻辑工具箱建立模糊推理系统 234

5.2.1　模糊推理系统的建立、修改与存储管理 234

5.2.2　模糊语言变量及其语言值 237

5.2.3　模糊语言变量的隶属度 239

5.2.4　模糊规则的建立与修改 247

5.2.5　模糊推理计算与去模糊化 250

5.3　MATLAB模糊逻辑工具箱的图形用户界面 252

5.3.1　模糊推理系统编辑器（Fuzzy） 252

5.3.2　隶属度函数编辑器（Mfedit） 254

5.3.3　模糊规则编辑器（Ruleedit） 255

5.3.4　模糊规则浏览器（Ruleview） 255

5.3.5　模糊推理输入输出曲面视图（Surfview） 256

5.4　基于Simulink的模糊逻辑的系统模块 256

6.1.1　模糊系统的标准模型 261

第6章　模糊神经和模糊聚类及其MATLAB实现 261

6.1　基于标准模型的模糊神经网络 261

6.1.2　系统结构 263

6.1.3　学习算法 265

6.2　基于Takagi-Sugeno模型的模糊神经网络 267

6.2.1　模糊系统的Takagi-Sugeno模型 268

6.2.2　系统结构 268

6.2.3　学习算法 270

6.3.1　模糊神经系统的建模函数 273

6.3　MATLAB模糊神经工具箱函数 273

6.3.2　采用网格分割方式生成模糊推理系统函数 277

6.3.3　MATLAB模糊神经推理系统的图形用户界面 278

6.4　MATLAB模糊聚类函数 280

6.4.1　模糊C-均值聚类函数 280

6.4.2　减法聚类函数 283

6.4.3　基于减法聚类的模糊推理系统建模函数 284

7.1.1　预测模型 285

7.1　动态矩阵控制理论 285

第7章　预测控制理论 285

第三篇　预测控制及其MATLAB实现 285

7.1.2　滚动优化 287

7.1.3　误差校正 288

7.2　广义预测控制理论 289

7.2.1　预测模型 289

7.2.2　滚动优化 290

7.2.3　反馈校正 292

7.3　预测控制理论分析 292

7.3.1　广义预测控制的性能分析 292

7.3.2　广义预测控制与动态矩阵控制规律的等价性证明 298

7.3.3　广义预测控制与动态矩阵控制的比较 300

第8章　MATLAB预测控制工具箱函数 301

8.1　系统模型辨识函数 301

8.1.1　数据向量或矩阵的归一化 302

8.1.2　基于线性回归方法的脉冲响应模型辨识 303

8.1.3　脉冲响应模型转换为阶跃响应模型 307

8.1.4　模型的校验 309

8.2　系统模型建立与转换函数 309

8.2.1　模型转换 310

8.2.2　模型建立 317

8.3　基于阶跃响应模型的控制器设计与仿真函数 319

8.3.1　输入／输出有约束的模型预测控制器设计与仿真 319

8.3.2　输入／输出无约束的模型预测控制器设计 321

8.3.3　计算由阶跃响应模型构成的闭环系统模型 323

8.4　基于状态空间模型的预测控制器设计函数 324

8.4.1　输入／输出有约束的状态空间模型预测控制器设计 325

8.4.2　输入／输出无约束的状态空间模型预测控制器设计 327

8.4.3　状态估计器设计 332

8.5　系统分析与绘图函数 334

8.5.1　计算和绘制系统的频率响应曲线 335

8.5.2　计算频率响应的奇异值 336

8.5.3　计算系统的极点和稳态增益矩阵 336

8.5.4　系统分析和绘图 337

8.6　通用功能函数 339

8.6.1　通用模型转换 340

8.6.2　方程求解 341

8.6.3　离散系统的分析 341

9.1　单输入单输出系统的隐式广义预测自校正控制算法 342

第9章　隐式广义预测自校正控制及其MATLAB实现 342

9.2　多输入多输出系统的隐式广义预测自校正控制算法 345

9.3　仿真研究 350

9.3.1　单输入单输出系统的仿真研究 350

9.3.2　多输入多输出系统的仿真研究 356

附录A　隐式广义预测自校正控制仿真程序清单 358

附录B　MATLAB函数一览表 369

附录C　MATLAB函数分类索引 376

参考文献 378