第一篇 神经网络控制及其MATLAB实现 1
第1章 神经网络理论 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 11
1.2.3自适应线性神经网络 15
1.2.4 BP神经网络 17
1.2.5径向基神经网络 27
1.2.6竞争学习神经网络 31
1.2.7学习向量量化神经网络 40
1.2.8 Elman神经网络 41
1.2.9 Hopfield神经网络 42
1.2.10 Boltzmann神经网络 58
1.3神经网络的训练 61
小结 65
思考练习题 65
第2章 MATLAB神经网络工具箱函数 66
2.1 MATLAB神经网络工具箱函数 66
2.1.1神经网络工具箱中的通用函数 66
2.1.2感知机MATLAB函数 69
2.1.3线性神经网络MATLAB函数 79
2.1.4 BP神经网络MATLAB函数 85
2.1.5径向基神经网络MATLAB函数 96
2.1.6自组织神经网络MATLAB函数 102
2.1.7学习向量量化神经网络MATLAB函数 115
2.1.8 Elman神经网络MATLAB函数 118
2.1.9 Hopfield神经网络MATLAB函数 121
2.1.10利用Demos演示神经网络的建立 126
2.2 MATLAB神经网络工具箱的图形用户界面 127
2.2.1神经网络编辑器 128
2.2.2神经网络拟合工具 136
2.3基于Simulink的神经网络模块 139
2.3.1模块的设置 139
2.3.2模块的生成 140
2.4神经网络在系统预测和故障诊断中的应用 143
2.4.1系统输入／输出数据的处理 143
2.4.2基于神经网络的系统预测 144
2.4.3基于神经网络的故障诊断 155
小结 162
思考练习题 162
第3章 神经网络控制系统 163
3.1神经网络控制理论 163
3.1.1神经网络控制的基本原理 163
3.1.2神经网络在控制中的主要作用 164
3.1.3神经网络控制系统的分类 165
3.2基于Simulink的三种典型神经网络控制系统 174
3.2.1神经网络模型预测控制 175
3.2.2反馈线性化控制 180
3.2.3模型参考控制 182
小结 185
思考练习题 186
第二篇 模糊逻辑控制及其MATLAB实现 187
第4章 模糊逻辑控制理论 187
4.1模糊逻辑理论的基本概念 187
4.1.1模糊集合及其运算 187
4.1.2模糊关系及其合成 194
4.1.3模糊向量及其运算 196
4.1.4模糊逻辑规则 197
4.1.5模糊逻辑推理 199
4.2模糊逻辑控制系统的基本结构 205
4.2.1模糊控制系统的组成 205
4.2.2模糊控制器的基本结构 206
4.2.3模糊控制器的维数 206
4.2.4模糊控制中的几个基本运算操作 207
4.3模糊逻辑控制系统的基本原理 207
4.3.1模糊化运算 207
4.3.2数据库 208
4.3.3规则库 210
4.3.4模糊推理 213
4.3.5清晰化计算 214
4.4离散论域的模糊控制系统的设计 216
4.5具有PID功能的模糊控制器 221
小结 222
思考练习题 222
第5章 MATLAB模糊逻辑工具箱函数 223
5.1 MATLAB模糊逻辑工具箱简介 223
5.1.1模糊逻辑工具箱的功能特点 223
5.1.2模糊推理系统的基本类型 224
5.1.3模糊逻辑系统的构成 224
5.2利用模糊逻辑工具箱建立模糊推理系统 225
5.2.1模糊推理系统的建立、修改与存储管理 225
5.2.2模糊语言变量及其语言值 228
5.2.3模糊语言变量的隶属函数 229
5.2.4模糊规则的建立与修改 235
5.2.5模糊推理计算与去模糊化 239
5.3 MATLAB模糊逻辑工具箱的图形用户界面 242
5.3.1模糊推理系统编辑器 242
5.3.2隶属函数编辑器 244
5.3.3模糊规则编辑器 244
5.3.4模糊规则浏览器 245
5.3.5模糊推理输入／输出曲面浏览器 245
5.4基于Simulink的模糊逻辑的系统模块 247
5.5模糊推理系统在控制系统中的应用 250
小结 255
思考练习题 255
第6章 模糊神经和模糊聚类及其MATLAB实现 257
6.1基于Mamdani模型的模糊神经网络 257
6.1.1模糊系统的Mamdani模型 257
6.1.2系统结构 259
6.1.3学习算法 260
6.2基于Takagi-Sugeno模型的模糊神经网络 262
6.2.1模糊系统的Takagi-Sugeno模型 263
6.2.2系统结构 263
6.2.3学习算法 265
6.3自适应神经模糊系统及其MATLAB实现 267
6.3.1采用网格分割方式生成模糊推理系统函数 268
6.3.2自适应神经模糊系统的建模函数 269
6.3.3自适应神经模糊推理系统的图形用户界面编辑器 271
6.3.4自适应神经模糊推理系统在建模中的应用 274
6.4模糊聚类及其MATLAB实现 280
6.4.1模糊C-均值聚类函数 280
6.4.2模糊减法聚类函数 281
6.4.3基于减法聚类的模糊推理系统建模函数 283
6.4.4模糊C-均值和减法聚类的图形用户界面 284
小结 287
思考练习题 287
第三篇 模型预测控制及其MATLAB实现 288
第7章 模型预测控制理论 288
7.1动态矩阵控制理论 288
7.1.1预测模型 288
7.1.2滚动优化 290
7.1.3误差校正 291
7.2广义预测控制理论 291
7.2.1预测模型 292
7.2.2滚动优化 292
7.2.3反馈校正 294
7.3预测控制理论分析 295
7.3.1广义预测控制的性能分析 295
7.3.2广义预测控制与动态矩阵控制规律的等价性证明 299
7.3.3广义预测控制与动态矩阵控制的比较 301
小结 301
思考练习题 301
第8章 MATLAB预测控制工具箱函数 302
8.1系统模型辨识函数 302
8.1.1数据向量或矩阵的归一化 302
8.1.2基于线性回归方法的脉冲响应模型辨识 304
8.1.3脉冲响应模型转换为阶跃响应模型 307
8.1.4模型的校验 308
8.2系统模型建立与转换函数 308
8.2.1模型转换 309
8.2.2模型建立 313
8.3基于阶跃响应模型的控制器设计与仿真函数 315
8.3.1输入／输出有约束的模型预测控制器设计与仿真 315
8.3.2输入／输出无约束的模型预测控制器设计 316
8.3.3计算由阶跃响应模型构成的闭环系统模型 318
8.4基于状态空间模型的预测控制器设计函数 319
8.4.1输入／输出有约束的状态空间模型预测控制器设计 319
8.4.2输入／输出无约束的状态空间模型预测控制器设计 320
8.4.3状态估计器设计 323
8.5系统分析与绘图函数 324
8.5.1计算和绘制系统的频率响应曲线 325
8.5.2计算频率响应的奇异值 326
8.5.3计算系统的极点和稳态增益矩阵 326
8.5.4系统分析和绘图 326
8.6通用功能函数 327
8.6.1通用模型转换 328
8.6.2方程求解 329
8.6.3离散系统的分析 329
8.7 MATLAB模型预测控制工具箱的图形用户界面 330
小结 335
思考练习题 335
第9章 隐式广义预测自校正控制及其MATLAB实现 336
9.1单输入单输出系统的隐式广义预测自校正控制算法 336
9.2多输入多输出系统的隐式广义预测自校正控制算法 339
9.3仿真研究 343
9.3.1单输入单输出系统的仿真研究 343
9.3.2多输入多输出系统的仿真研究 346
小结 347
思考练习题 347
附录A MATLAB程序清单 348
附录B MATLAB函数一览表 360
附录C MATLAB函数分类索引 366
参考文献 368