內容簡介目錄本書系統(tǒng)地論述了神經網絡控制、模糊邏輯控制和模型預測控制系統(tǒng)的基本概念、工作原理、控制算法及其利用MATLAB和Simulink實現(xiàn)的方法。該書取材先進實用，講解深入淺出，各章均有大量用MATLAB編寫的仿真實例，便于讀者掌握和鞏固所學知識。 本書可作為從事智能控制與智能系統(tǒng)研究、設計和應用的科學技術人員的參考用書，也可作為高等院校自動化、計算機、電子和通信以及機電工程等專業(yè)研究生和高年級本科生的教材。今天，隨著科學技術的迅猛發(fā)展，神經網絡正以極大的魅力吸引著世界上眾多專家、學者為之奮斗。人工神經網絡特有的非線性適應性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結構化信息處理方面的缺陷，使之在神經專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領域得到成功應用。人工神經網絡與其他傳統(tǒng)方法相結合，將推動人工智能和信息處理技術不斷發(fā)展。近年來，人工神經網絡正向模擬人類認知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進化機制等結合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發(fā)展。模糊控制作為結合傳統(tǒng)的基于規(guī)則的專家系統(tǒng)、模糊集理論和控制理論的成果而誕生，它是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎的一種計算機控制。在模糊控制中，并不是像傳統(tǒng)控制那樣需要對被控過程進行定量的數(shù)學建模，而是試圖通過從能成功控制被控過程的領域專家那里獲取知識，即專家行為和經驗。從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制；從控制器智能性看，模糊控制屬于智能控制的范疇，而且它已成為目前實現(xiàn)智能控制的一種重要而又有效的手段。模糊神經網絡控制在控制領域里已經成為一個研究熱點，其原因在于兩者之間的互補性質。神經網絡和模糊系統(tǒng)均屬于無模型的估計器和非線性動力學系統(tǒng)，也是一種處理不確定性、非線性和其他不確定問題的有力工具。模型預測控制（Model Predictive Control，MPC）是20世紀80年代初開始發(fā)展起來的一類新型計算機控制算法。該算法直接產生于工業(yè)過程控制的實際應用，并在與工業(yè)應用的緊密結合中不斷完善和成熟。模型預測控制算法采用了多步預測、滾動優(yōu)化和反饋校正等控制策略，因而具有控制效果好、魯棒性強、對模型精確性要求不高的優(yōu)點。廣義預測控制作為一種新型的遠程預測控制方法，集多種算法的優(yōu)點為一體，具有較好的性能，受到人們的重視。該算法以CARIMA模型為基礎，采用了長時段的優(yōu)化性能指標，結合辨識和自校正機制，具有較強的魯棒性和模型要求低等特點，并有廣泛的適用范圍。這個算法可克服廣義最小方差（需要試湊控制量的加權系數(shù)）、·極點配置（對階的不確定性十分敏感）等自適應算法中存在的缺點。近年來，廣義預測控制算法在國內外控制理論界已引起了廣泛的重視，它可看成是迄今所知的自校正控制方法中最為接近具有魯棒性的一種。神經網絡、模糊邏輯和預測控制等新學科相結合，正在顯示出其巨大的應用潛力.針對神經網絡、模糊邏輯和預測控制的迅速推廣應用，MathWorks公司在其MATLAB版中添加了神經網絡、模糊邏輯和預測控制工具箱。該工具箱由長期從事神經網絡、模糊邏輯和預測控制研究與開發(fā)工作的有關專家和技術人員編制。工具箱提供了許多進行神經網絡、模糊邏輯和偵測控制設計和分析的工具函數(shù)，這給用尸帶來了極大的方便。即使不了解算法的本質，也可以直接應用功能豐富的函數(shù)來實現(xiàn)自己的目的。這些函數(shù)編程簡單，可為使用者節(jié)省大量的編程時間，使其能夠把更多的精力投入到網絡設計而不是具體程序實現(xiàn)上。本書就是本著把當前國際控制界最為流行的面向工程與科學計算的高級語MATL~d3與神經網絡、模糊邏輯和預測控制結合起來的宗旨編寫的。本書主要從三個方面闡述了神經網絡、模糊邏輯和預測控制系統(tǒng)的數(shù)字仿真方法。第1種方法為采用MATLAB語言根據(jù)具體的控制算法編程進行仿真；第2種方法為利用MATLAB提供的神經網絡、模糊邏輯和預測控制工具箱函數(shù)直接進行仿真；第3種方法為根據(jù)Simulink動態(tài)仿真環(huán)境進行仿真。其中，第2種方法最為簡單，它不需要了解算法的本質；第3種方法最為直觀，它可以在運行仿真時觀察仿真結果；第1種方法最為復雜，它需要了解算法的本質，要根據(jù)不同的控制算法進行具體編程，但這種方法也最為靈活，使用者可以根據(jù)自己所提出的新算法任意編程，該方法主要用于對某種新控制算法的仿真和應用。當然，利用其他計算機語言也可根據(jù)控制算法進行具體編程，但相比較而言，以利用MATLAB編程最為簡單，原因是MATLAB具有強大的矩陣運算和圖形處理功能。而第2種和第3種方法較適合于初學者，主要用于對某種成熟控制算法的仿真和應用。全書分3篇共9章，系統(tǒng)地論述了神經網絡控制、模糊邏輯控制和模型預測控制的基本概念、工作原理和控制算法及其利用MATLAB和Simulink對其實現(xiàn)的方法。本書可作為高等院校自動化、計算機和機電工程等電子信息類專業(yè)本科生和研究生的教材，也可作為從事智能控制與智能系統(tǒng)研究、設計和應用的科學技術人員的參考用書。鑒于本書的通用性和實用性較強，故它也可作為從事自動控制及相關專業(yè)的教學、研究、設計人員和工程技術人員的參考用書。在本書的出版過程中，電子工業(yè)出版社應用電子技術圖書事業(yè)部張榕編輯和高等教育教材事業(yè)部韓同平編輯給予了大力支持與幫助，作者在此表示深深的謝意。作者還要特別感謝參考文獻中所列教材、專著及論文的作者們，正是這些優(yōu)秀的作品為作者提供了非常豐富的營養(yǎng)，使得作者能夠在自己的教學與科研的基礎上汲取各家之長，形成一本具有自己特色的著作。由于作者水平有限，書中難免有遺漏與不當之處，懇請各位專家和廣大讀者批評指正。 第1章神經網絡控制理論1.1神經網絡的基本概念1.1.1生物神經元的結構與功能特點1.1.2人工神經元模型1.1.3神經網絡的結構1.1.4神經網絡的工作方式1.1.5神經網絡的學習1.1.6神經網絡的分類1.2典型神經網絡的模型1.2.1MP模型1.2.2感知機神經網絡1.2.3自適應線性神經網絡1.2.4 BP神經網絡1.2.5徑向基神經網絡1.2.6競爭學習神經網絡1.2.7學習向量量化（LVQ）神經網絡1.2.8Elman神經網絡1.2.9 Hopfield神經網絡1.2.10Boltzmann神經網絡1.2.11神經網絡的訓練1.3神經網絡控制系統(tǒng)1.3.1神經控制的基本原理1.3.2神經網絡在控制中的主要作用1.3.3神經網絡控制系統(tǒng)的分類第2章MATLAB神經網絡工具箱函數(shù)2.1感知機神經網絡工具箱函數(shù)9 9線性神經網工具箱函數(shù). 2.3BP神經網絡工具箱函數(shù)2.4徑向基神經網絡工具箱函數(shù)2.5自組織神經網絡工具箱函數(shù)2.6學習向量量化（LVQ）神經網絡工具箱函數(shù)2.7Elman神經網絡工具箱函數(shù)2.8Hopfield神經網絡工具箱函數(shù)2.9MATLAB神經網絡工具箱的圖形用戶界面第3章基于Simulink的神經網絡控制系統(tǒng)3.1基于Simulink的神經網絡模塊-3.1.1模塊的設置3.1.2模塊的生成3.2基于Simulink的三種典型神經網絡控制系統(tǒng)3.2.1神經網絡模型預測控制3.2.2反饋線性化控制3.2.3模型參考控制第二篇摸糊邏輯控制及其MATLAB實現(xiàn)第4章模糊邏輯控制理論4.1模糊邏輯理論的基本概念4.1.1模糊集合及其運算4.1.2模糊關系及其合成4.1.3模糊向量及其運算4.1.4模糊邏輯規(guī)則4.1.5模糊邏輯推理4.2模糊邏輯控制系統(tǒng)的基本結構4.2.1模糊控制系統(tǒng)的組成4.2.2模糊控制器的基本結構4.2.3模糊控制器的維數(shù)4.2.4模糊控制中的幾個基本運算操作4.3模糊邏輯控制系統(tǒng)的基本原理4.3.1模糊化運算4.3.2數(shù)據(jù)庫4.3.3規(guī)則庫-4.3.4模糊推理-4.3.5清晰化計算4.4離散論域的模糊控制系統(tǒng)的設計4.5具有PID功能的模糊控制器第5章MATLAB模糊邏輯工具箱函數(shù)5.1MATLAB模糊邏輯工具箱簡介5.1.1模糊邏輯工具箱的功能特點5.1.2模糊推理系統(tǒng)的基本類型5.1.3模糊邏輯系統(tǒng)的構成5.2利用模糊邏輯工具箱建立模糊推理系統(tǒng)5.2.1模糊推理系統(tǒng)的建立、修改與存儲管理5.2.2模糊語言變量及其語言值5.2.3模糊語言變量的隸屬度5.2.4模糊規(guī)則的建立與修改5.2.5模糊推理計算與去模糊化5.3MATLAB模糊邏輯工具箱的圖形用戶界面5.3.1模糊推理系統(tǒng)編輯器（Fuzzy）5.3.2隸屬度函數(shù)編輯器（Mfedit）5.3.3模糊規(guī)則編輯器（Ruleedit）5.3.4模糊規(guī)則瀏覽器（Ruleview）5.3.5模糊推理輸入輸出曲面視圖（Suffview）5.4基于Simulink的模糊邏輯的系統(tǒng)模塊第6章模糊神經和模糊聚類及其MATLAB實現(xiàn)6.1基于標準模型的模糊神經網絡6.1.1模糊系統(tǒng)的標準模型6.1.2系統(tǒng)結構6.1.3學習算法6.2基于Takagi-Sugeno模型的模糊神經網絡6.2.1模糊系統(tǒng)的Takagi-Sugeno模型6.2.2系統(tǒng)結構6.2.3學習算法63MATLAB模糊神經工具箱函數(shù)6.3.1模糊神經系統(tǒng)的建模函數(shù)6.3.2采用網格分割方式生成模糊推理系統(tǒng)函數(shù)6.3.3MATLAB模糊神經推理系統(tǒng)的圖形用戶界面6.4 MATLAB模糊聚類函數(shù)6.4.1模糊C-均值聚類函數(shù)6.4.2減法聚類函數(shù)6.4.3基于減法聚類的模糊推理系統(tǒng)建模函數(shù)第三篇預測控制及其MATLAB實現(xiàn)第7章預測控制理論7.1動態(tài)矩陣控制理論7.1.1預測模型7.1.2滾動優(yōu)化7.1.3誤差校正7.2廣義預測控制理論7.2.1預測模型-7.2.2滾動優(yōu)化7.2.3反饋校正7.3預測控制理論分析7.3.1廣義預測控制的性能分析7.3.2廣義預測控制與動態(tài)矩陣控制規(guī)律的等價性證明7.3.3廣義預測控制與動態(tài)矩陣控制的比較第8章MATlAB預測控制工具箱函數(shù)8.1系統(tǒng)模型辨識函數(shù)8.1.1數(shù)據(jù)向量或矩陣的歸一化8.1.2基于線性回歸方法的脈沖響應模型辨識8.1.3脈沖響應模型轉換為階躍響應模型8.1.4模型的校驗8.2系統(tǒng)模型建立與轉換函數(shù)8.2.1模型轉換8.2.2模型建立8.3基于階躍響應模型的控制器設計與仿真函數(shù)8.3.1輸入／輸出有約束的模型預測控制器設計與仿真8.3.2輸入／輸出無約束的模型預測控制器設計8.3.3計算由階躍響應模型構成的閉環(huán)系統(tǒng)模型8.4基于狀態(tài)空間模型的預測控制器設計函數(shù)8.4.1輸入/輸出有約束的狀態(tài)空間模型預測控制器設計8.4.2輸入／輸出無約束的狀態(tài)空間模型預測控制器設計8.4.3狀態(tài)估計器設計8.5系統(tǒng)分析與繪圖函數(shù)8.5.1計算和繪制系統(tǒng)的頻率響應曲線8.5.2計算頻率響應的奇異值8.5.3計算系統(tǒng)的極點和穩(wěn)態(tài)增益矩陣8.5.4系統(tǒng)分析和繪圖8.6通用功能函數(shù)8.6.1通用模型轉換8.6.2方程求解8.6.3離散系統(tǒng)的分析第9章隱式廣義預測自校正控制及其MATLAB實現(xiàn)9.1單輸入單輸出系統(tǒng)的隱式廣義預測自校正控制算法9.2多輸入多輸出系統(tǒng)的隱式廣義預測自校正控制算法9.3仿真研究9.3.1單輸入單輸出系統(tǒng)的仿真研究9.3.2多輸入多輸出系統(tǒng)的仿真研究附錄A隱式廣義預測自校正控制仿真程序清單附錄BMATLAB函數(shù)一覽表附錄CM燈LAB函數(shù)分類索引參考文獻
鄂公網安備 42010302001612號 