第1章 绪论 1
引言 1
混沌研究历史及意义 2
混沌的定义及特征 4
定义 4
初值敏感 6
系统参数对动力学性态的影响 8
混沌控制研究概况 11
混沌应用前景 15
混沌控制研究意义 17
本书的主要内容与结构安排 17
参考文献 21
第2章 模糊神经网络控制理论基础 25
模糊控制理论基础 25
模糊集合与隶属函数 25
模糊算子 29
模糊关系与模糊矩阵 29
模糊逻辑和模糊语言 32
模糊推理 34
解模糊 35
Sugeno模糊模型 36
非线性系统的T-S模糊模型 38
神经网络理论基础 39
神经元基本结构 39
神经元模型 40
神经网络结构及学习规则 42
典型前馈型神经网络及其学习算法 45
模糊神经网络基础 54
模糊推理的简化 54
模糊推理神经网络设计 55
小结 56
参考文献 57
第3章 神经网络在混沌控制中的作用 58
引言 58
用BP神经网络控制Henon映射混沌运动 59
控制混沌 59
神经网络结构及算法 60
数值仿真 61
用改进BP算法控制Henon映射混沌运动 64
控制器结构及算法 64
仿真实验 66
数值结果对比 68
小结 69
参考文献 69
第4章 基于径向基神经网络的非线性混沌控制 71
径向基函数网络 71
RBFN参数的选择 72
Henon映射混沌运动的RBF神经网络直接控制 72
控制原理 73
控制器结构及算法 73
仿真实例 75
混沌系统的RBF神经网络非线性补偿控制 77
问题描述 77
非线性补偿与线性控制 78
仿真实例 81
小结 85
参考文献 86
第5章 超混沌系统的模糊滑模控制 87
引言 87
滑模变结构控制 87
滑动模态概念 88
滑模面与滑模控制律 88
超混沌系统的模糊建模 90
基于区域极点配置的模糊滑模控制器设计 93
滑模面构造 93
滑模控制器的设计 95
仿真研究 96
小结 97
参考文献 98
第6章 不确定混沌系统的模糊自适应控制 99
引言 99
基于模糊推理系统的建模 99
模糊自适应控制器设计 102
函数的傅里叶级数描述 102
控制器设计 103
数值仿真 104
小结 106
参考文献 106
第7章 模糊神经网络在混沌时间序列预测中的应用 108
引言 108
模型结构 108
混合学习算法 110
结构学习阶段 110
参数学习阶段 112
在非线性动力系统中的应用——混沌动力系统的预测 115
仿真实验 115
在线自适应学习的仿真结果 118
小结 120
参考文献 121
第8章 混沌系统的混合遗传神经网络控制 122
引言 122
小扰动控制混沌 123
遗传算法 123
初始群体确定 123
编码方案 124
自适应选择 124
杂交算子选择 124
自适应交叉和变异 125
HyGANN系统设计 126
系统结构 126
HyGANN学习算法 128
仿真试验与结果 129
小结 135
参考文献 136
第9章 不确定混沌系统的模糊神经网络自适应控制 138
引言 138
T-S模糊逻辑系统 139
基于Lyapunov函数法的模糊神经网络自适应控制器设计 140
数字仿真研究 148
讨论 149
小结 150
参考文献 151
第10章 基于动态神经网络的混沌系统控制 153
不确定混沌系统的动态神经网络跟踪控制 153
引言 153
动态神经网络辨识 154
参考模型轨道跟踪控制 159
数值实验仿真结果 163
不确定混沌系统的动态神经网络自适应控制 166
引言 166
动态神经网络辨识器及其学习算法 167
基于辨识器的控制器设计 169
数值仿真 172
不确定蔡氏电路混沌系统的神经网络优化控制 176
引言 176
基于无源技术的神经网络辨识 177
基于辨识模型的优化控制器设计 180
数字仿真 181
小结 183
参考文献 184
第11章 基于线性矩阵不等式方法的混沌系统模糊控制 188
不确定洛伦茨混沌系统的鲁棒模糊控制 188
引言 188
T-S模糊模型描述 189
洛伦茨混沌系统的建模 190
基于模糊模型的鲁棒控制器设计 194
计算机仿真 197
基于LMI方法的不确定混沌系统的输出反馈模糊控制 199
引言 199
输出反馈控制系统的T-S模糊模型描述 200
T-S模糊模型的鲁棒控制 200
计算机仿真 203
小结 207
参考文献 208
第12章 基于递归神经网络的不确定混沌系统同步 211
引言 211
同步控制方法 211
高阶神经网络模型 212
RHONN逼近非线性系统的特性 214
权值学习算法 216
滤波RHONN参数学习 217
滤波误差RHONN参数学习 219
混沌系统辨识 220
同步控制器设计 223
仿真结果 224
小结 230
参考文献 231
结束语 233