第1章 神经网络及神经网络控制基础 1
1.1什么是神经网络 1
1.1.1生物神经元 2
1.1.2人工神经元模型 3
1.1.3神经网络的结构 8
1.1.4神经网络的学习 9
1.1.5神经网络的发展历程 13
1.2什么是神经网络控制 17
1.2.1传统控制理论的局限性 17
1.2.2智能控制的基本特征 18
1.2.3神经网络控制系统的特点 20
1.2.4神经网络控制系统的基本原理 20
1.3神经网络在神经控制系统中的作用 21
1.4注释与讨论 22
第2章 单神经元网络及其PID控制 28
2.1感知器 28
2.1.1感知器模型 28
2.1.2感知器训练算法 29
2.1.3感知器收敛定理 30
2.1.4 XOR问题与多层感知器 34
2.2自适应线性神经网络 35
2.2.1自适应线性神经网络的结构 35
2.2.2自适应线性神经网络的学习算法 36
2.3无约束最优化技术 37
2.3.1梯度下降法 38
2.3.2 Newton法 39
2.3.3 Gauss-Newton法 39
2.4基于单神经元网络的PID控制 41
2.4.1 PID控制原理 41
2.4.2数字PID控制 43
2.4.3单神经元自适应PID控制 47
2.5注释与讨论 52
第3章BP神经网络及其控制应用 56
3.1反向传播学习算法 56
3.1.1 BP神经网络的结构 56
3.1.2反向传播算法 57
3.1.3 BP神经网络的学习步骤 60
3.2关于BP神经网络的几点考虑 61
3.2.1网络的训练方式 61
3.2.2反向传播学习的停止准则 63
3.2.3 BP神经网络中的激活函数 63
3.2.4学习率的考虑 64
3.2.5 BP学习算法的改进 65
3.3 BP神经网络在PID控制中的应用 66
3.3.1基于BP神经网络的PID控制器结构 66
3.3.2在控制器中BP神经网络的学习 66
3.3.3仿真实验与分析 68
3.4注释与讨论 72
第4章 基于径向基函数网络的系统辨识 76
4.1径向基函数网络 76
4.1.1径向基函数网络的结构 76
4.1.2径向基函数网络的学习算法 77
4.1.3径向基函数网络的模式可分性 80
4.1.4径向基函数网络对XOR问题的解决 81
4.1.5与RBF网络有关的若干问题 82
4.2径向基函数网络的数学基础 83
4.2.1内插值问题 83
4.2.2正则化网络 84
4.3基于RBF网络的系统辨识 86
4.3.1被控对象Jacobian信息辨识算法 86
4.3.2仿真程序及分析 87
4.4注释与讨论 91
第5章CMAC网络及其控制实现 94
5.1 CMAC网络 94
5.1.1 CMAC网络的结构 94
5.1.2 CMAC网络的工作原理 96
5.1.3 CMAC网络的学习算法 99
5.2基于CMAC网络的PID控制算法 101
5.2.1控制算法原理 101
5.2.2仿真程序及分析 102
5.3 CMAC网络在机器人手臂控制中的应用 106
5.4注释与讨论 107
第6章 递归神经网络及其控制系统 109
6.1神经动力学基础 109
6.1.1动力学系统 109
6.1.2状态（相）空间 110
6.1.3稳定性的相关定义 111
6.1.4 Lyapunov稳定性定理 113
6.2 Hopfiield神经网络 114
6.2.1离散Hopfiield神经网络 114
6.2.3基于离散Hopfield神经网络的联想记忆 117
6.2.3连续Hopfiield神经网络 120
6.2.4基于连续Hopfiield网络的TSP求解 122
6.3基于Hopfiield网络的PID模型参考自适应控制 131
6.3.1神经直接模型参考自适应控制系统 131
6.3.2基于Hopfiield网络的控制器优化 131
6.3.3仿真程序与分析 133
6.4递归神经网络 135
6.4.1递归神经网络的体系结构 136
6.4.2递归神经网络的学习算法 139
6.5基于递归神经网络辨识的PID控制系统 141
6.5.1基于Elman神经网络的系统辨识 141
6.5.2基于Elman神经网络辨识的PID控制系统 143
6.5.3仿真程序及分析 144
6.6注释与讨论 149
第7章 基于神经网络的系统辨识 154
7.1系统辨识基础 154
7.1.1什么是系统辨识 154
7.1.2系统辨识的基本方法 156
7.1.3系统辨识的误差准则 157
7.1.4系统辨识的输入信号 158
7.2基于神经网络的系统辨识原理 160
7.2.1基于神经网络的辨识结构 160
7.2.2动态系统辨识中常用的神经网络 161
7.3线性动态系统的神经网络辨识 163
7.3.1离散时间系统模型 163
7.3.2线性动态系统的神经网络辨识 166
7.3.3线性动态系统的逆模型辨识 172
7.4非线性动态系统神经网络的辨识 174
7.4.1非线性动态系统模型 174
7.4.2非线性动态系统辨识 175
7.4.3仿真程序与分析 177
7.5注释与讨论 182
第8章 神经网络控制系统 183
8.1神经自校正控制系统 184
8.1.1伴随型系统的神经NARMA-L2辨识 185
8.1.2基于NARMA-L2辨识器的自校正控制 186
8.1.3仿真实例分析 187
8.2神经模型预测控制系统 189
8.2.1神经模型预测控制的工作过程 190
8.2.2单步预测模型的单神经元PI控制器 192
8.2.3仿真实例分析 194
8.3神经模型参考自适应控制系统 197
8.3.1神经模型参考自适应控制结构 197
8.3.2实例分析——机械臂控制系统 198
8.4神经PID多变量控制系统 201
8.4.1神经PID多变量控制原理 201
8.4.2单神经元PID多变量控制 202
8.4.3仿真程序及分析 203
8.5注释与讨论 206
第9章 模糊神经控制系统 207
9.1模糊集理论基础 208
9.1.1模糊集定义 208
9.1.2模糊集的模运算 211
9.1.3分解定理、表现定理与扩张原理 213
9.1.4模糊数与扩张运算 218
9.1.5模糊关系与模糊关系的复合 221
9.1.6模糊语言变量、模糊规则与模糊逻辑推理 224
9.2模糊逻辑控制系统 227
9.2.1模糊控制的基本原理 227
9.2.2模糊控制系统的设计 233
9.3模糊神经网络控制 240
9.3.1模糊神经元 241
9.3.2模糊神经网络的结构 244
9.3.3 BP模糊神经网络 247
9.3.4基于模糊神经网络整定的PID控制 250
9.4注释与讨论 252
参考文献 256