目录 1
前言 1
第1章 绪论 1
1.1 自动控制理论发展简史 1
1.1.1 经典控制理论 1
1.1.2 现代控制理论与先进控制策略 2
1.1.3 智能控制理论 5
1.2 模糊控制理论 12
1.2.1 模糊控制理论研究与进展 12
1.2.2 模糊集成控制理论 14
1.3 模糊控制应用领域与现状 16
1.3.1 历史上应用的回顾 16
1.3.2 现代应用技术的进展 17
1.4 模糊理论研究的新动向 18
1.4.1 “人类友好系统” 18
1.5 模糊控制研究目前存在的主要问题 20
1.4.2 软计算技术 20
第2章 模糊控制数学基础 22
2.1 模糊集合 22
2.1.1 集合的基本知识 22
2.1.2 模糊概念和模糊集合 25
2.1.3 模糊集合基本术语和运算 29
2.1.4 截集和基本定理 36
2.1.5 凸模糊集与模糊集的数字特征 41
2.1.6 区间值模糊集合 46
2.1.7 模糊序列 47
2.2 模糊关系 52
2.2.1 模糊关系定义与表示方法 52
2.2.2 模糊关系运算及其合成 65
2.3 模糊图与模糊网络 78
2.3.1 模糊图 78
2.3.2 Petri网与模糊Petri网 88
2.3.3 H网与模糊H网 91
附录2-A 几个运算性质的证明 96
附录2-B F集合基本原理的证明与推广 98
附录2-C Ⅱ型模糊集 99
附录2-D t算则与s算则 100
第3章 模糊控制基础理论 106
3.1 模糊逻辑系统 106
3.1.1 模糊命题 106
3.1.2 模糊集合的格 107
3.1.3 模糊逻辑函数 109
3.1.4 模糊逻辑函数的分析与综合 113
3.1.5 模糊逻辑函数的硬件实现 115
3.2 模糊控制中的知识表示 121
3.2.1 模糊语言 121
3.2.2 模糊语句 131
3.2.3 Petri网的知识表示 137
3.3 隶属度函数 142
3.3.1 隶属度函数的特征与形式 143
3.3.2 模糊化 144
3.3.3 隶属度函数的确定 145
3.4 模糊推理 160
3.4.1 似然推理 161
3.4.2 模糊关系方程及其求解 169
3.4.3 模糊条件语句 171
3.4.4 几种模糊推理方式 176
3.4.5 模糊推理的图示法 182
3.4.6 基于嵌入式模糊Petri网（EFPN）的知识推理 185
3.5.1 最大隶属度法 192
3.5 解模糊化方法 192
3.5.2 重心法 193
3.5.3 加权平均法 193
附录3-A 几种函数分布例 195
附录3-B 模糊条件语句的几种真域模型 200
附录3-C 多重模糊条件语句的几种表示 204
附录3-D 一些常用的模糊蕴涵算子 205
4.1.1 模糊化接口（Fuzzy Interface） 207
4.1 模糊控制器的组成 207
第4章 模糊控制器 207
4.1.2 数据库（DB——Data Base） 209
4.1.3 规则库（RB——Rule Base） 209
4.1.4 推理机（Inference Machine） 211
4.1.5 解模糊接口（Defuzzy Interface） 212
4.2 模糊控制器结构及其分类 212
4.2.1 按输入-输出变量个数分类 212
4.2.2 按模糊控制器模型分类 216
4.2.3 按模糊控制器功能分类 219
4.3 模糊控制器设计 228
4.3.1 模糊控制器设计要求 228
4.3.2 常规模糊控制器设计 230
4.4 模糊控制器性能分析 258
4.4.1 模糊控制器静态性能分析 258
4.4.2 模糊控制器动态性能分析 265
4.4.3 模糊控制器稳定性分析方法 279
4.4.4 模糊控制器鲁棒性分析 284
附录4-A 模糊控制器多值继电特性 286
4.5 模糊控制器的特点 286
附录4-B 有关控制规则干涉性的几个定理证明 288
第5章 模糊建模与模糊辨识 290
5.1 系统建模 290
5.1.1 系统建模概述 290
5.1.2 系统建模分类 290
5.1.3 模糊系统的模糊模型 292
5.2.1 模糊模型的辨识 294
5.2 基于模糊模型的建模与辨识 294
5.2.2 模糊预测模型的辨识 305
5.2.3 复合模糊模型的辨识算法 311
5.3 基于T-S模型的模糊建模与辨识 313
5.3.1 T-S模糊模型的辨识 313
5.3.2 T-S模糊预测模型的辨识 318
5.4 基于模糊数据相关分析法的建模与辨识 327
5.4.1 数据相关分析原理 327
5.4.2 模糊数据相关分析法 332
5.4.3 模糊数据相关分析法建模 333
5.5 基于神经网络模糊模型的辨识与建模 337
5.5.1 模糊神经网络 337
5.5.2 基于DIFNN的辨识与建模 344
5.5.3 模糊穴映射模型的辨识与建模 352
5.6 复杂系统的模糊模型参考建模 359
5.6.1 连续系统的模糊模型参考建模 359
5.6.2 离散系统的模糊模型参考建模 361
附录5-A DIFNN网络参数的优化 368
附录5-B FCMNN的学习算法 371
附录5-C 定理5-3和定理5-5的证明 375
第6章 模糊控制系统、集成与应用 380
6.1 模糊控制系统 380
6.1.1 模糊控制系统的组成 381
6.1.2 模糊控制系统的原理与特点 382
6.1.3 模糊控制系统的分类 389
6.1.4 一个简单的模糊控制系统实例 393
6.2 模糊集成控制系统 399
6.2.1 系统集成原则与类型 399
6.2.2 基于模型的模糊集成控制系统 405
6.2.3 具有学习功能的模糊集成控制系统 427
6.2.4 增强型模糊集成控制系统 454
6.3 模糊控制系统的应用 471
6.3.1 模糊控制在水泥生产过程中的应用 471
6.3.2 模糊神经网络在系统辨识中的应用 480
6.3.3 异步电动机模糊直接转矩控制系统 485
6.3.4 机器人模糊控制系统 491
附录6-A 多变量广义预测控制算法 498
附录 501
附录A 符号集表 501
附录B 基本运算表 505
附录C 基本规律表 506
附录D 基本性质表 509
参考文献 510