神经网络控制PDF电子书下载

第1章 绪言 1

1-1 人工神经网络的特点 1

1-2 神经网络在控制领域取得的进展 1

1-3 神经网络控制系统概述 3

1-3-1 神经网络控制系统的组成 3

1-3-2 实时控制 5

1-3-3 智能控制的分支 5

1-4 神经网络控制待解决的问题 6

1-5 关于“例”与“MATLAB程序” 6

第2章 神经网络理论基础 7

2-1 引言 7

2-2 生物神经元与人工神经元模型 9

2-2-1 生物神经元 9

2-2-2 MP模型 10

2-2-3 多种作用函数 11

2-2-4 Hebb学习规则 12

2-3 感知器 12

2-3-1 单层感知器 12

2-3-2 多层感知器 16

2-4 线性神经网络 18

2-4-1 自适应线性神经元 18

2-4-2 线性神经网络 19

2-5 多层前馈网络与BP学习算法 20

2-5-1 网络结构 20

2-5-2 BP学习算法 20

2-5-3 有关的几个问题 22

2-6 径向基函数神经网络 25

2-6-1 网络输出计算 26

2-6-2 网络的学习算法 26

2-6-3 有关的几个问题 27

2-6-4 MATLAB高斯RBF网络构建法 29

2-7 小脑模型神经网络 30

2-7-1 CMAC的结构及工作原理 30

2-7-2 CMAC的学习算法及分析 31

2-7-3 有关的几个问题 34

2-8 PID神经网络 38

2-8-1 网络结构与输出计算 38

2-8-2 学习算法 39

2-8-3 有关的两个问题 40

2-9 局部递归型神经网络 40

2-9-1 内时延反馈型网络 41

2-9-2 外时延反馈型网络 43

2-10 连续型Hopfield网络 43

2-10-1 网络的描述 43

2-10-2 网络的稳定性 44

2-10-3 学习算法 45

2-10-4 有关的几个问题 45

2-11 应用Simulink设计神经网络 46

2-12 应用GUI设计神经网络 48

2-13 小结 49

习题 49

第3章 基于神经网络的系统辨识 51

3-1 引言 51

3-2 系统辨识的基础知识 51

3-2-1 系统辨识的基本原理 51

3-2-2 误差准则 53

3-2-3 辨识精度 53

3-2-4 辨识的主要步骤 54

3-3 基于神经网络的系统辨识原理 54

3-3-1 系统模型及逆模型的辨识 55

3-3-2 动态系统辨识常用的神经网络 55

3-3-3 两种辨识结构 58

3-4 线性动态系统模型与辨识 58

3-4-1 确定性系统模型 58

3-4-2 随机系统模型 61

3-4-3 确定性系统的神经网络辨识 63

3-4-4 随机系统的神经网络辨识 66

3-4-5 基于连续Hopfield网络的线性系统辨识 68

3-5 非线性动态系统模型与辨识 72

3-5-1 非线性系统模型 72

3-5-2 神经网络系统辨识 73

3-6 线性动态系统的逆模型与辨识 77

3-6-1 线性系统的逆模型 77

3-6-2 神经网络逆模型辨识 79

3-7 非线性动态系统逆模型与辨识 82

3-7-1 非线性系统的逆与可逆性 82

3-7-2 非线性系统逆模型 83

3-7-3 神经网络逆模型辨识 84

3-8 小结 87

习题 88

第4章 神经网络控制 89

4-1 引言 89

4-2 神经网络控制的设计与实现 89

4-2-1 神经网络控制系统的离散化 89

4-2-2 神经网络控制的设计 91

4-2-3 神经网络控制的实现 92

4-3 基于连续Hopfield网络的PID控制 92

4-3-1 基于CHNN的PID控制结构 92

4-3-2 基于CHNN的PID控制器参数优化计算 93

4-3-3 PID控制算法 94

4-4 神经自校正控制 97

4-4-1 神经自校正控制结构 98

4-4-2 神经网络辨识器 99

4-5 神经PID控制 101

4-5-1 神经网络辨识器 102

4-5-2 神经PID控制器 103

4-6 神经内模控制 104

4-6-1 内模控制原理 104

4-6-2 线性内模控制设计 106

4-6-3 神经非线性内模控制 110

4-7 PID神经网络控制 112

4-7-1 PID神经网络单变量控制 112

4-7-2 PID神经网络多变量控制 113

4-8 小脑模型神经控制 118

4-8-1 CMAC直接逆运动控制 118

4-8-2 CMAC前馈控制 120

4-8-3 CMAC反馈控制 121

4-9 神经控制三例 121

4-9-1 神经控制器 121

4-9-2 非线性动态系统 122

4-9-3 神经控制三例 123

4-10 再励学习与神经控制 125

4-10-1 再励学习原理 126

4-10-2 再励学习算法 126

4-10-3 再励学习神经控制 127

4-11 小结 129

习题 129

第5章 遗传算法与神经控制 130

5-1 引言 130

5-2 基本的遗传算法 131

5-2-1 生物的遗传、进化和适应性 131

5-2-2 基本的遗传算法 131

5-2-3 遗传操作 133

5-2-4 GA的有效性 136

5-2-5 适应度及调整 137

5-2-6 有关的几个问题 139

5-3 模式定理 140

5-3-1 模式 140

5-3-2 基本算子对模式的影响 140

5-4 遗传算法的发展 142

5-4-1 交叉、变异概率的自适应调整 142

5-4-2 高级算子 142

5-4-3 并行GA 143

5-4-4 可变长个体与Messy GA 144

5-4-5 基于小生境技术的GA 145

5-4-6 混合GA 146

5-4-7 GA理论研究 146

5-5 遗传算法与函数最优化 147

5-6 遗传算法与系统辨识 150

5-7 遗传算法与PID控制 155

5-7-1 线性离散系统的PID参数整定 155

5-7-2 线性连续系统的PID参数整定 156

5-8 神经网络的遗传进化训练 159

5-9 遗传算法与神经控制 161

5-10 小结 165

习题 166

附录A 最优化算法 167

A-1 最优化问题 167

A-2 梯度下降法 169

附录B 赋范空间的逼近 170

B-1 距离空间 170

B-2 线性赋泛空间 171

B-3 Banach空间 172

B-4 最佳逼近 172

B-5 最佳逼近元的存在性和唯一性 173

B-6 最佳一致逼近 173

B-7 L2逼近 174

附录C 无监督学习的两种动态聚类算法 175

C-1 聚类分析 175

C-2 两种动态聚类法 176

C-3 几点说明 178

附录D B样条函数 179

D-1 样条函数 179

D-2 B样条函数 180

D-3 函数的插值与逼近 183

附录E Lyapunov第二方法 184

E-1 有关的定义 184

E-2 Lyapunov第二方法 185

附录F M序列及逆M序列 187

F-1 M序列 187

F-2 逆M序列 189

参考文献 191