神经网络与模糊控制
出版时间：1998
内容简介
神经网络与模糊控制是两种重要的智能控制技术，它们都能模拟人的智能行为，解决不确定、非线性、复杂的自动化问题，具有非常广阔的应用前景。本书以智能控制的观点，对神经网络与模糊控制进行了综合论述，并分析比较了它们的共性、特性、适用范围和相互结合的途径，以使读者更全面地了解智能控制领域的最新研究成果。本书选材精炼、论述简明，介绍和分析了大量的应用实例，包括字符识别、股票预测、旅行商最优路径规划、石灰窑炉辨识、pH值控制、化工反应器故障诊断、机械手、倒立摆、倒车等，便于读者了解各种技术的应用对象、应用方法以及应用效果 [1] 。
目录
第1章绪论1
1.1神经网络的发展和应用1
1.2人工神经元模型2
1.3用有向图表示神经网络4
1.4网络结构及工作方式5
1.5神经网络的学习方法6
1.5.1学习方式6
1.5.2学习算法(学习规则)6
1.5.3学习与自适应8
习题8
参考文献9
第2章前馈网络10
2.1线性阈值单元10
2.2感知器学习算法11
2.3多层前馈网络及其函数逼近能力11
2.4反向传播学习算法12
2.5改进BP算法收敛速度的一些措施
17
2.6径向基函数网络18
2.7应用举例：23
习题28
参考文献29
第3章学习理论与网络结构选择31
3.1基本概念31
3.2推广问题32
3.3学习过程的统计性质33
3.4函数逼近问题34
3.5关于网络规模选择中的几个问题36
3.6例题37
习题42
参考文献43
第4章反馈网络与联想存储器44
4.1离散的Hopfield网络44
4.2联想存储器及其学习47
4.3相关学习算法48
4.4联想存储器的容量问题49
4.5伪逆法51
4.6线性规划方法51
4.7多余吸引子问题52
4.8应用举例53
4.9双向联想存储器56
习题57
参考文献58
第5章神经网络用于优化计算59
5.1概述59
5.2连续Hopfield网络用于求解TSP
61
5.3离散Hopfield网络用于求解TSP
63
5.4神经网络用于求解货流问题64
5.5在通信网络中的应用举例67
习题68
参考文献69
第6章自组织网络70
6.1主成份分析70
6.2自组织特征映射71
6.3向量量化74
6.4广义学习向量量化算法75
6.5应用举例——指纹识别77
习题80
参考文献80
第7章动态信号与系统的处理81
7.1引言81
7.2带延时单元的网络81
7.3时空神经元模型84
7.4部分反馈网络85
7.5学习问题86
7.6应用举例86
习题93
参考文献93
第8章全局优化95
8.1引言95
8.2随机梯度法95
8.3模拟退火算法95
8.4遗传算法96
8.5遗传算法机理的分析98
8.6讨论99
8.7应用举例100
习题104
参考文献105
第9章神经网络用于非线性
系统辨识106
9.1概述106
9.2基于NARMA模型的辨识方法107
9.2.1问题描述107
9.2.2NARMA模型的参数辨识
108
9.2.3系统辨识的并联模式与
串?并联模式109
9.2.4系统Ⅲ辨识的仿真实验110
9.3通用辨识模型和动态BP算法111
9.3.1通用辨识模型111
9.3.2动态BP算法112
9.4石灰窑炉的神经网络模型114
9.4.1石灰窑炉的生产过程114
9.4.2石灰窑的数学模型115
9.4.3石灰窑的神经网络模型116
习题118
参考文献118
第10章神经网络用于非线性控制119
10.1概述119
10.2控制方案119
10.2.1监督控制119
10.2.2直接逆控制120
10.2.3内模控制120
10.2.4模型预报控制121
10.2.5模型参考控制122
10.2.6再励学习控制122
10.2.7自学习控制与自适
应控制123
10.3内模控制及其在石灰窑炉中
的应用123
10.3.1内模控制系统的分析
与设计123
10.3.2基于神经网络的内
模控制127
10.3.3石灰窑炉的内模控制129
10.4模型预报控制及其在pH值控
制中的应用132
10.4.1模型预报控制的基
本原理132
10.4.2动态矩阵控制(DMC)
135
10.4.3pH值的神经网络模
型预报控制137
习题142
参考文献143
第11章神经网络用于机器人控制144
11.1机器人的控制问题144
11.2CMAC网络145
11.2.1模型结构145
11.2.2工作原理147
11.2.3学习算法150
11.3用CMAC网络解决机械手的逆
运动学问题151
11.3.1三关节机械手在二维
平面的运动151
11.3.2解决方案152
11.3.3机械手的正模型NN1
153
11.3.4机械手的逆模型NN2
154
11.3.5仿真实验155
11.4用CMAC网络解决机械手的逆
动力学问题158
11.4.1二关节机械手的伺
服控制158
11.4.2控制方案158
11.4.3仿真实验结果159
11.4.4CMAC设计参数对控制
性能的影响160
11.4.5控制系统的鲁棒性和自
适应能力162
11.4.6CMAC网络的优缺点
164
习题164
参考文献165
第12章模糊数学基础166
12.1概述166
12.2模糊集合167
12.2.1模糊集合的定义167
12.2.2模糊集合的表示法168
12.2.3常用的隶属函数169
12.2.4模糊集合的基本运算169
12.2.5分解定理172
12.2.6扩张定理173
12.3模糊关系174
12.3.1模糊关系的定义174
12.3.2模糊关系的运算175
12.3.3模糊关系的性质176
12.4模糊推理177
12.4.1广义前向推理和广义
反向推理177
12.4.2模糊命题178
12.4.3模糊蕴含179
12.4.4模糊推理181
习题181
参考文献183
第13章模糊控制理论184
13.1模糊控制器的基本结构184
13.2D?FC的工作原理186
13.3C?FC的工作原理189
13.4模糊控制器的种类和设计参数194
13.4.1D?FC和C?FC194
13.4.2PD，PI，PID型的模糊
控制器194
13.4.3控制规则的三种类型195
13.4.4模糊控制器的主要设
计因素196
13.4.5模糊控制的特点和理论
研究问题198
13.5典型模糊控制器的结构分析199
13.5.1概述199
13.5.2典型模糊控制器及其
设计参数199
13.5.3典型模糊控制器的
结构特性201
13.5.4对模糊控制器的几
点认识207
13.6模糊控制系统的稳定性分析和
设计方法207
13.6.1模糊系统的T?S模型
207
13.6.2模糊方块图209
13.6.3稳定性分析212
13.6.4设计方法214
习题215
参考文献216
第14章模糊神经网络用于非线性
系统建模和故障诊断217
14.1模糊系统与神经网络217
14.2模糊系统的函数逼近能力218
14.2.1模糊基函数218
14.2.2模糊系统的通用逼近性
219
14.3用神经网络来构造模糊系统221
14.4用模糊神经网络辨识非线性系统
227
14.4.1实验对象227
14.4.2结构辨识227
14.4.3参数辨识230
14.5CSTR控制系统的在线故障诊断232
14.5.1CSTR控制系统简介232
14.5.2故障诊断的方案233
14.5.3故障诊断实验结果234
习题235
参考文献235
第15章基于神经网络的模糊自
适应控制236
15.1概述236
15.2用DCL算法从数据中提取
模糊规则237
15.2.1倒车实验237
15.2.2倒车的模糊控制237
15.2.3DCL学习算法239
15.2.4从输入输出数据中提取
模糊规则240
15.3基于模糊神经网络的模型参考自
适应控制242
15.3.1基于模糊神经网络的
MRAC方案242
15.3.2模糊神经网络结构243
15.3.3模糊神经网络的
学习方法244
15.3.4自适应学习率246
15.3.5非线性对象的模糊自适
应控制实验247
15.4采用再励学习的模糊自适应控制
252
15.4.1GARIC的系统结构252
15.4.2GARIC的工作原理253
15.4.3GARIC的学习方法256
15.4.4倒立摆的自适应控
制实验257
习题261
参考文献361