第一篇 神经网络控制及其MATLAB实现第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 3
1.1.3 神经网络的结构 5
1.1.4 神经网络的工作方式 6
1.1.5 神经网络的学习 6
1.1.6 神经网络的分类 9
1.2 典型神经网络的模型 9
1.2.1 MP模型 9
1.2.2 感知机神经网络 11
1.2.3 自适应线性神经网络 14
1.2.4 BP神经网络 16
1.2.5 径向基神经网络 24
1.2.6 竞争学习神经网络 29
1.2.7 学习向量量化（LVQ）神经网络 38
1.2.8 Elman神经网络 39
1.2.9 Hopfield神经网络 40
1.2.10 Boltzmann神经网络 56
1.3 神经网络的训练 60
1.4 神经网络控制系统 63
1.4.1 神经控制的基本原理 63
1.4.2 神经网络在控制中的主要作用 64
1.4.3 神经网络控制系统的分类 65
小结 73
思考练习题 74
第2章 MATLAB神经网络工具箱函数 75
2.1 MATLAB神经网络工具箱函数 75
2.1.1 神经网络工具箱中的通用函数 75
2.1.2 感知机神经网络MATLAB函数 78
2.1.3 线性神经网络MATLAB函数 89
2.1.4 BP神经网络MATLAB函数 95
2.1.5 径向基神经网络MATLAB函数 107
2.1.6 自组织神经网络MATLAB函数 112
2.1.7 学习向量量化（LVQ）神经网络MATLAB函数 126
2.1.8 Elman神经网络MATLAB函数 129
2.1.9 Hopfield神经网络MATLAB函数 132
2.1.10 利用Demos演示神经网络的建立 137
2.2 MATLAB神经网络工具箱的图形用户界面 139
2.2.1 神经网络编辑器 139
2.2.2 神经网络拟合工具 144
小结 147
思考练习题 147
第3章 基于Simulink的神经网络控制系统 148
3.1 基于Simulink的神经网络模块 148
3.1.1 模块的设置 148
3.1.2 模块的生成 149
3.2 基于Simulink的三种典型神经网络控制系统 151
3.2.1 神经网络模型预测控制 151
3.2.2 反馈线性化控制 157
3.2.3 模型参考控制 159
小结 162
思考练习题 162
第二篇 模糊逻辑控制及其MATLAB实现第4章 模糊逻辑控制理论 163
4.1 模糊逻辑理论的基本概念 163
4.1.1 模糊集合及其运算 163
4.1.2 模糊关系及其合成 170
4.1.3 模糊向量及其运算 171
4.1.4 模糊逻辑规则 172
4.1.5 模糊逻辑推理 174
4.2 模糊逻辑控制系统的基本结构 178
4.2.1 模糊控制系统的组成 179
4.2.2 模糊控制器的基本结构 179
4.2.3 模糊控制器的维数 180
4.2.4 模糊控制中的几个基本运算操作 180
4.3 模糊逻辑控制系统的基本原理 181
4.3.1 模糊化运算 181
4.3.2 数据库 181
4.3.3 规则库 184
4.3.4 模糊推理 186
4.3.5 清晰化计算 188
4.4 离散论域的模糊控制系统的设计 189
4.5 具有PID功能的模糊控制器 194
小结 195
思考练习题 195
第5章 MATLAB模糊逻辑工具箱函数 196
5.1 MATLAB模糊逻辑工具箱简介 196
5.1.1 模糊逻辑工具箱的功能特点 196
5.1.2 模糊推理系统的基本类型 197
5.1.3 模糊逻辑系统的构成 197
5.2 利用模糊逻辑工具箱建立模糊推理系统 198
5.2.1 模糊推理系统的建立、修改与存储管理 198
5.2.2 模糊语言变量及其语言值 201
5.2.3 模糊语言变量的隶属函数 202
5.2.4 模糊规则的建立与修改 209
5.2.5 模糊推理计算与去模糊化 213
5.3 MATLAB模糊逻辑工具箱的图形用户界面 215
5.3.1 模糊推理系统编辑器（Fuzzy） 216
5.3.2 隶属函数编辑器（Mfedit） 217
5.3.3 模糊规则编辑器（Ruleedit） 218
5.3.4 模糊规则浏览器（Ruleview） 218
5.3.5 模糊推理输入输出曲面浏览器（Surfview） 218
5.4 基于Simulink的模糊逻辑的系统模块 220
小结 224
思考练习题 224
第6章 模糊神经和模糊聚类及其MATLAB实现 225
6.1 基于Mamdani模型的模糊神经网络 225
6.1.1 模糊系统的Mamdani模型 225
6.1.2 系统结构 227
6.1.3 学习算法 228
6.2 基于Takagi-Sugeno模型的模糊神经网络 230
6.2.1 模糊系统的Takagi-Sugeno模型 231
6.2.2 系统结构 231
6.2.3 学习算法 233
6.3 自适应神经模糊系统及其MATLAB实现 235
6.3.1 采用网格分割方式生成模糊推理系统函数 236
6.3.2 自适应神经模糊系统的建模函数 237
6.3.3 自适应神经模糊推理系统的图形用户界面编辑器（Anfis Editor） 240
6.4 模糊聚类及其MATLAB实现 247
6.4.1 模糊C－均值聚类函数 247
6.4.2 模糊减法聚类函数 248
6.4.3 基于减法聚类的模糊推理系统建模函数 250
6.4.4 模糊C－均值和减法聚类的图形用户界面 252
小结 254
思考练习题 254
第三篇 模型预测控制及其MATLAB实现第7章 模型预测控制理论 255
7.1 动态矩阵控制理论 255
7.1.1 预测模型 255
7.1.2 滚动优化 257
7.1.3 误差校正 258
7.2 广义预测控制理论 258
7.2.1 预测模型 259
7.2.2 滚动优化 259
7.2.3 反馈校正 261
7.3 预测控制理论分析 262
7.3.1 广义预测控制的性能分析 262
7.3.2 广义预测控制与动态矩阵控制规律的等价性证明 266
7.3.3 广义预测控制与动态矩阵控制的比较 268
小结 268
思考练习题 268
第8章 MATLAB预测控制工具箱函数 269
8.1 系统模型辨识函数 269
8.1.1 数据向量或矩阵的归一化 269
8.1.2 基于线性回归方法的脉冲响应模型辨识 271
8.1.3 脉冲响应模型转换为阶跃响应模型 274
8.1.4 模型的校验 275
8.2 系统模型建立与转换函数 275
8.2.1 模型转换 276
8.2.2 模型建立 281
8.3 基于阶跃响应模型的控制器设计与仿真函数 282
8.3.1 输入／输出有约束的模型预测控制器设计与仿真 283
8.3.2 输入／输出无约束的模型预测控制器设计 284
8.3.3 计算由阶跃响应模型构成的闭环系统模型 285
8.4 基于状态空间模型的预测控制器设计函数 286
8.4.1 输入／输出有约束的状态空间模型预测控制器设计 286
8.4.2 输入／输出无约束的状态空间模型预测控制器设计 288
8.4.3 状态估计器设计 291
8.5 系统分析与绘图函数 293
8.5.1 计算和绘制系统的频率响应曲线 293
8.5.2 计算频率响应的奇异值 294
8.5.3 计算系统的极点和稳态增益矩阵 294
8.5.4 系统分析和绘图 294
8.6 通用功能函数 296
8.6.1 通用模型转换 296
8.6.2 方程求解 297
8.6.3 离散系统的分析 298
8.7 MATLAB模型预测控制工具箱的图形用户界面 298
小结 306
思考练习题 307
第9章 隐式广义预测自校正控制及其MATLAB实现 308
9.1 单输入单输出系统的隐式广义预测自校正控制算法 308
9.2 多输入多输出系统的隐式广义预测自校正控制算法 311
9.3 仿真研究 315
9.3.1 单输入单输出系统的仿真研究 315
9.3.2 多输入多输出系统的仿真研究 320
小结 321
思考练习题 321
附录A 隐式广义预测自校正控制仿真程序清单 322
附录B MATLAB函数一览表 329
附录C MATLAB函数分类索引 335
参考文献 337