目录 1
前言 1
第1章 MATLAB 7.0的新特性 1
1.1 MATLAB简介 1
1.2 MATLAB系统 1
1.2.1 MATLAB语言 2
1.2.2 MATLAB工作环境 2
1.2.3 MATLAB图形处理系统 2
1.2.4 MATLAB数学函数库 3
1.2.5 MATLAB应用程序接口 3
1.2.6 MATLAB的仿真及硬件接口 3
1.3 MATLAB 7.0的机器配置要求 3
1.4 MATLAB 7.0的新特性 4
1.4.1 开发环境的改变 4
1.4.2 编程环境的改变 5
1.4.4 图形和3-D可视化 7
1.4.3 数学模块的改变 7
1.4.5 文件I/O和外部接口 10
1.5 Simulink 6的新特性 10
1.6 MATLAB 7.0新增的其他一些新产品 11
第2章 控制系统工具箱及应用 14
2.1 LTI对象模型的建立及转换 14
2.1.1 系统的模型描述 15
2.1.2 LTI模型转换 19
2.1.3 LTI对象及其存取与设置 22
2.1.4 对象属性设置和获取函数 23
2.1.5 模型检测函数 25
2.2 LTI系统的传递函数实现 26
2.2.1 时域响应 26
2.2.2 根轨迹法 37
2.2.3 频率域法 41
2.2.4 控制系统校正及实例分析 52
2.3 LTI系统的状态空间实现 63
2.3.1 系统实现 63
2.3.2 极点配置和状态观测器 72
2.4 LQ和LQG最优控制 79
2.4.1 LQ最优控制 80
2.4.2 LQG最优控制 81
2.4.3 LQ和LQG最优控制的MATLAB实现 81
2.5 LTI系统模型的建立 92
2.5.1 典型连接 92
2.5.2 连续和离散系统之间的转换 101
2.5.3 系统的时域延迟 104
2.6 Simulink及实例分析 106
2.7 系统分析的GUI函数 111
第3章 系统辨识工具箱及应用 115
3.1 系统辨识基本原理和常用模型 116
3.1.1 系统辨识基本原理 116
3.1.2 线性动态系统的描述方法和估计问题 116
3.2 数据的预处理 120
3.3.1 常规函数介绍 128
3.3 模型结构定义及模型转换 128
3.3.2 模型建立和转换的函数介绍 129
3.3.3 模型转换函数介绍 135
3.3.4 模型分析函数介绍 138
3.4 模型结构的选择及处理 140
3.5 系统非参数估计、参数估计和递推参数估计 148
3.5.1 非参数模型辨识 148
3.5.2 参数模型辨识 154
3.5.3 递推参数模型辨识 160
3.6 模型的验证与仿真 165
3.6.1 模型验证函数介绍 166
3.6.2 仿真与预测 168
3.6.3 系统辨识的GUI工具 173
3.7 系统辨识工具箱应用实例 175
第4章 模型预测控制工具箱及应用 182
4.1 预测控制的基本原理及控制器组成 184
4.2 MPC控制器及其特性 187
4.2.1 MPC控制器函数 187
4.2.2 MPC控制特性函数 190
4.3 MPC状态及其状态估计 192
4.3.1 MPC状态函数 192
4.2.3 MPC控制器的线性行为函数 192
4.3.2 状态估计函数 193
4.4 MPC控制器计算、仿真与设计 197
4.4.1 MPC控制器计算与仿真 197
4.4.2 二次型设计 200
4.5 模型预测工具箱应用实例 201
5.1.1 鲁棒控制理论概述 210
第5章 鲁棒控制工具箱及应用 210
5.1 鲁棒控制理论概述及鲁棒控制工具箱简介 210
5.1.2 鲁棒控制工具箱简介 211
5.2 系统模型的建立与转换 212
5.2.1 不确定原理函数 212
5.2.2 不确定矩阵和系统函数 219
5.2.3 不确定模型处理函数 225
5.2.4 不确定模型互联函数 232
5.2.5 模型降阶函数 238
5.3 系统鲁棒性分析 246
5.3.1 鲁棒性和最坏情况分析 246
5.3.2 参数相关系统的鲁棒性分析 258
5.4 鲁棒控制器综合与设计 262
5.4.1 控制器综合 262
5.4.2 μ-综合 272
5.4.3 其他功能函数 280
5.5 LMIs系统介绍 289
5.5.1 LMIs系统函数 290
5.5.2 LMIs特征及求解 291
5.5.3 LMIs结果确认及系统修正 293
5.6 鲁棒控制器设计实例 295
第6章 神经网络控制工具箱及应用 304
6.1 神经网络与智能控制 304
6.1.1 神经网络的特点 304
6.1.2 神经网络的控制方式 304
6.1.4 神经网络的学习方法 309
6.1.3 神经网络的模型分类 309
6.2.1 BP网络及其应用 310
6.2.2 BP网络理论 310
6.2 BP神经网络控制系统实现 310
6.2.3 MATLAB环境下BP网络的设计 312
6.2.4 BP算法的改进 312
6.2.5 BP神经网络控制系统的实现实例——神经网络直接逆控制 312
6.3 Elman网络及其在控制系统中的应用 316
6.3.1 变形的Elman网络 317
6.3.2 用Elman网络逼近一阶系统 317
6.3.3 Elman网络用作振幅检测 320
6.4 CMAC网络控制系统举例 321
6.4.1 CMAC网络简介 321
6.4.2 传统CMAC网络的控制方案 321
6.4.3 新的CMAC控制结构 322
6.5.1 MATLAB常用的神经网络训练函数 325
6.5.2 神经网络训练算法 325
6.5 神经网络训练函数及相关算法 325
第7章 模糊逻辑工具箱及应用 330
7.1 模糊逻辑的基本原理 331
7.1.1 模糊逻辑及其表述 331
7.1.2 模糊语言和模糊条件语句 334
7.1.3 模糊逻辑推理方法 334
7.2.2 模糊逻辑控制器的结构 336
7.2.1 模糊逻辑控制的工作原理 336
7.2 模糊推理系统的建立 336
7.1.4 解模糊判决方法 336
7.2.3 模糊语言变量的隶属函数 338
7.2.4 模糊推理系统数据结构管理函数 344
7.3 模糊控制工具箱GUI工具 360
7.4 MATLAB模糊推理系统的高级应用 370
7.5 模糊逻辑工具箱的应用实例 378
附录 基于MATLAB的数据采集开发板 385
参考文献 397