混沌系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制理論與方法

前言
第1章　緒論
1.1　引言
1.2　混沌研究歷史及意義
1.3　混沌的定義及特征
1.3.1　定義
1.3.2　初值敏感
1.3.3　系統(tǒng)參數(shù)對動力學性態(tài)的影響
1.4　混沌控制研究概況
1.5　混沌應用前景
1.6　混沌控制研究意義
1.7　本書的主要內容與結構安排
參考文獻
第2章　模糊神經(jīng)網(wǎng)絡控制理論基礎
2.1　模糊控制理論基礎
2.1.1　模糊集合與隸屬函數(shù)
2.1.2　模糊算子
2.1.3　模糊關系與模糊矩陣
2.1.4　模糊邏輯和模糊語言
2.1.5　模糊推理
2.1.6　解模糊
2.1.7　Sugeno模糊模型
2.1.8　非線性系統(tǒng)的T-S模糊模型
2.2　神經(jīng)網(wǎng)絡理論基礎
2.2.1　神經(jīng)元基本結構
2.2.2　神經(jīng)元模型
2.2.3　神經(jīng)網(wǎng)絡結構及學習規(guī)則
2.2.4　典型前饋型神經(jīng)網(wǎng)絡及其學習算法
2.3　模糊神經(jīng)網(wǎng)絡基礎
2.3.1　模糊推理的簡化
2.3.2　模糊推理神經(jīng)網(wǎng)絡設計
2.4　小結
參考文獻
第3章　神經(jīng)網(wǎng)絡在混沌控制中的作用
3.1　引言
3.2　用BP神經(jīng)網(wǎng)絡控制Henon映射混沌運動
3.2.1　控制混沌
3.2.2　神經(jīng)網(wǎng)絡結構及算法
3.2.3　數(shù)值仿真
3.3　用改進BP算法控制Henon映射混沌運動
3.3.1　控制器結構及算法
3.3.2　仿真實驗
3.3.3　數(shù)值結果對比
3.4　小結
參考文獻
第4章　基于徑向基神經(jīng)網(wǎng)絡的非線性混沌控制
4.1　徑向基函數(shù)網(wǎng)絡
4.2　RBFN參數(shù)的選擇
4.3　Henon映射混沌運動的RBF神經(jīng)網(wǎng)絡直接控制
4.3.1　控制原理
4.3.2　控制器結構及算法
4.3.3　仿真實例
4.4　混沌系統(tǒng)的RBF神經(jīng)網(wǎng)絡非線性補償控制
4.4.1　問題描述
4.4.2　非線性補償與線性控制
4.4.3　仿真實例
4.5　小結
參考文獻
第5章　超混沌系統(tǒng)的模糊滑模控制
5.1　引言
5.2　滑模變結構控制
5.2.1　滑動模態(tài)概念
5.2.2　滑模面與滑?？刂坡?br />5.3　超混沌系統(tǒng)的模糊建模
5.4　基于區(qū)域極點配置的模糊滑?？刂破髟O計
5.4.1　滑模面構造
5.4.2　滑模控制器的設計
5.5　仿真研究
5.6　小結
參考文獻
第6章　不確定混沌系統(tǒng)的模糊自適應控制
6.1　引言
6.2　基于模糊推理系統(tǒng)的建模
6.3　模糊自適應控制器設計
6.3.1　函數(shù)的傅里葉級數(shù)描述
6.3.2　控制器設計
6.4　數(shù)值仿真
6.5　小結
參考文獻
第7章　模糊神經(jīng)網(wǎng)絡在混沌時間序列預測中的應用
7.1　引言
7.2　模型結構
7.3　混合學習算法
7.3.1　結構學習階段
7.3.2　參數(shù)學習階段
7.4　在非線性動力系統(tǒng)中的應用——混沌動力系統(tǒng)的預測
7.4.1　仿真實驗
7.4.2　在線自適應學習的仿真結果
7.5　小結
參考文獻
第8章　混沌系統(tǒng)的混合遺傳神經(jīng)網(wǎng)絡控制
8.1　引言
8.2　小擾動控制混沌
8.3　遺傳算法
8.3.1　初始群體確定
8.3.2　編碼方案
8.3.3　自適應選擇
8.3.4　雜交算子選擇
8.3.5　自適應交叉和變異
8.4　HyGANN系統(tǒng)設計
8.4.1　系統(tǒng)結構
8.4.2　HyGANN學習算法
8.5　仿真試驗與結果
8.6　小結
參考文獻
第9章　不確定混沌系統(tǒng)的模糊神經(jīng)網(wǎng)絡自適應控制
9.1　引言
9.2　T-S模糊邏輯系統(tǒng)
9.3　基于Lyapunov函數(shù)法的模糊神經(jīng)網(wǎng)絡自適應控制器設計
9.4　數(shù)字仿真研究
9.5　討論
9.6　小結
參考文獻
第10章　基于動態(tài)神經(jīng)網(wǎng)絡的混沌系統(tǒng)控制
10.1　不確定混沌系統(tǒng)的動態(tài)神經(jīng)網(wǎng)絡跟蹤控制
10.1.1　引言
10.1.2　動態(tài)神經(jīng)網(wǎng)絡辨識
10.1.3　參考模型軌道跟蹤控制
10.1.4　數(shù)值實驗仿真結果
10.2　不確定混沌系統(tǒng)的動態(tài)神經(jīng)網(wǎng)絡自適應控制
10.2.1　引言
10.2.2　動態(tài)神經(jīng)網(wǎng)絡辨識器及其學習算法
10.2.3　基于辨識器的控制器設計
10.2.4　數(shù)值仿真
10.3　不確定蔡氏電路混沌系統(tǒng)的神經(jīng)網(wǎng)絡優(yōu)化控制
10.3.1　引言
10.3.2　基于無源技術的神經(jīng)網(wǎng)絡辨識
10.3.3　基于辨識模型的優(yōu)化控制器設計
10.3.4　數(shù)字仿真
10.4　小結
參考文獻
第11章　基于線性矩陣不等式方法的混沌系統(tǒng)模糊控制
11.1　不確定洛倫茨混沌系統(tǒng)的魯棒模糊控制
11.1.1　引言
11.1.2　T-S模糊模犁描{術
11.1.3　洛倫茨混沌系統(tǒng)的建模
11.1.4　基于模糊模型的魯棒控制器設計
11.1.5　計算機仿真
11.2　基于LMI方法的不確定混沌系統(tǒng)的輸出反饋模糊控制
11.2.1　引言
11.2.2　輸出反饋控制系統(tǒng)的T-S模糊模型描述
11.2.3　T-S模糊模型的魯棒控制
11.2.4　計算機仿真
11.3　小結
參考文獻
第12章　基于遞歸神經(jīng)網(wǎng)絡的不確定混沌系統(tǒng)同步
12.1　引言
12.2　同步控制方法
12.3　高階神經(jīng)網(wǎng)絡模型
12.4　RHONN逼近非線性系統(tǒng)的特性
12.5　權值學習算法
12.5.1　濾波RHONN參數(shù)學習
12.5.2　濾波誤差RHONN參數(shù)學習
12.6　混沌系統(tǒng)辨識
12.7　同步控制器設計
12.8　仿真結果
12.9　小結
參考文獻
結束語