神經·模糊·預測控制及其MATLAB實現（第5版）

目 錄
第一篇 神經網絡控制及其MATLAB實現
第1章 神經網絡理論 （1）
1.1 神經網絡的基本概念 （2）
1.1.1 生物神經元的結構與功能特點 （2）
1.1.2 人工神經元模型 （3）
1.1.3 神經網絡的結構 （5）
1.1.4 神經網絡的工作方式 （6）
1.1.5 神經網絡的學習 （6）
1.1.6 神經網絡的分類 （9）
1.2 典型神經網絡的模型 （9）
1.2.1 MP模型 （9）
1.2.2 感知機 （11）
1.2.3 自適應線性神經網絡 （15）
1.2.4 BP神經網絡 （17）
1.2.5 徑向基神經網絡 （27）
1.2.6 競爭學習神經網絡 （31）
1.2.7 學習向量量化神經網絡 （40）
1.2.8 Elman神經網絡 （41）
1.2.9 Hopfield神經網絡 （42）
1.2.10 Boltzmann神經網絡 （58）
1.2.11 卷積神經網絡 （61）
1.3 神經網絡的訓練 （66）
小結 （70）
思考練習題 （70）
第2章 MATLAB神經網絡和深度學習工具箱 （71）
2.1 MATLAB神經網絡工具箱函數 （71）
2.1.1 神經網絡工具箱中的通用函數 （71）
2.1.2 感知機MATLAB函數 （74）
2.1.3 線性神經網絡MATLAB函數 （84）
2.1.4 BP神經網絡MATLAB函數 （90）
2.1.5 徑向基神經網絡MATLAB函數 （101）
2.1.6 自組織神經網絡MATLAB函數 （106）
2.1.7 學習向量量化神經網絡MATLAB函數 （119）
2.1.8 Elman神經網絡MATLAB函數 （123）
2.1.9 Hopfield神經網絡MATLAB函數 （126）
2.1.10 利用Demos演示神經網絡的建立 （130）
2.2 MATLAB神經網絡工具箱的圖形用戶界面 （132）
2.2.1 神經網絡編輯器 （132）
2.2.2 神經網絡擬合工具 （141）
2.3 基于Simulink的神經網絡模塊 （143）
2.3.1 模塊的設置 （143）
2.3.2 模塊的生成 （145）
2.4 神經網絡在系統(tǒng)預測和故障診斷中的應用 （147）
2.4.1 系統(tǒng)輸入/輸出數據的處理 （147）
2.4.2 基于神經網絡的系統(tǒng)預測 （148）
2.4.3 基于神經網絡的故障診斷 （159）
2.5 MATLAB深度學習工具箱 （167）
2.5.1 MATLAB深度學習工具箱函數 （167）
2.5.2 MATLAB深度學習工具箱的圖形用戶界面 （167）
2.5.3 深度學習在故障診斷中的應用 （168）
小結 （168）
思考練習題 （168）
第3章 神經網絡控制系統(tǒng) （169）
3.1 神經網絡控制理論 （169）
3.1.1 神經網絡控制的基本原理 （169）
3.1.2 神經網絡在控制中的主要作用 （170）
3.1.3 神經網絡控制系統(tǒng)的分類 （171）
3.2 基于Simulink的三種典型神經網絡控制系統(tǒng) （180）
3.2.1 神經網絡模型預測控制 （181）
3.2.2 反饋線性化控制 （186）
3.2.3 模型參考控制 （188）
小結 （191）
思考練習題 （192）
第二篇 模糊邏輯控制及其MATLAB實現
第4章 模糊邏輯控制理論 （193）
4.1 模糊邏輯理論的基本概念 （193）
4.1.1 模糊集合及其運算 （193）
4.1.2 模糊關系及其合成 （200）
4.1.3 模糊向量及其運算 （202）
4.1.4 模糊邏輯規(guī)則 （203）
4.1.5 模糊邏輯推理 （204）
4.2 模糊邏輯控制系統(tǒng)的基本結構 （209）
4.2.1 模糊控制系統(tǒng)的組成 （209）
4.2.2 模糊控制器的基本結構 （210）
4.2.3 模糊控制器的維數 （210）
4.3 模糊邏輯控制系統(tǒng)的基本原理 （211）
4.3.1 模糊化運算 （211）
4.3.2 數據庫 （212）
4.3.3 規(guī)則庫 （215）
4.3.4 模糊推理 （217）
4.3.5 去模糊化 （219）
4.4 離散論域的模糊控制系統(tǒng)的設計 （221）
4.5 具有PID功能的模糊控制器 （226）
小結 （227）
思考練習題 （227）
第5章 MATLAB模糊邏輯工具箱 （228）
5.1 MATLAB模糊邏輯工具箱簡介 （228）
5.1.1 模糊邏輯工具箱的功能特點 （228）
5.1.2 模糊推理系統(tǒng)的基本類型 （229）
5.1.3 模糊邏輯系統(tǒng)的構成 （229）
5.2 MATLAB模糊邏輯工具箱函數 （230）
5.2.1 模糊推理系統(tǒng)的建立、修改與存儲管理 （230）
5.2.2 模糊語言變量及其語言值 （233）
5.2.3 模糊語言變量的隸屬函數 （234）
5.2.4 模糊規(guī)則的建立與修改 （240）
5.2.5 模糊推理計算與去模糊化 （244）
5.3 MATLAB模糊邏輯工具箱的圖形用戶界面 （247）
5.3.1 模糊推理系統(tǒng)編輯器 （247）
5.3.2 隸屬函數編輯器 （249）
5.3.3 模糊規(guī)則編輯器 （249）
5.3.4 模糊規(guī)則瀏覽器 （250）
5.3.5 模糊推理輸入/輸出曲面瀏覽器 （250）
5.4 基于Simulink的模糊邏輯的系統(tǒng)模塊 （252）
5.5 模糊推理系統(tǒng)在控制系統(tǒng)中的應用 （255）
小結 （260）
思考練習題 （260）
第6章 模糊神經和模糊聚類及其MATLAB實現 （262）
6.1 基于Mamdani模型的模糊神經網絡 （262）
6.1.1 模糊系統(tǒng)的Mamdani模型 （262）
6.1.2 系統(tǒng)結構 （264）
6.1.3 學習算法 （265）
6.2 基于Takagi-Sugeno模型的模糊神經網絡 （267）
6.2.1 模糊系統(tǒng)的Takagi-Sugeno模型 （268）
6.2.2 系統(tǒng)結構 （268）
6.2.3 學習算法 （270）
6.3 自適應神經模糊系統(tǒng)及其MATLAB實現 （272）
6.3.1 采用網格分割方式生成模糊推理系統(tǒng)函數 （273）
6.3.2 自適應神經模糊系統(tǒng)的建模函數 （274）
6.3.3 自適應神經模糊推理系統(tǒng)的圖形用戶界面編輯器 （276）
6.3.4 自適應神經模糊推理系統(tǒng)在建模中的應用 （279）
6.4 模糊聚類及其MATLAB實現 （285）
6.4.1 模糊C-均值聚類函數 （285）
6.4.2 模糊減法聚類函數 （286）
6.4.3 基于減法聚類的模糊推理系統(tǒng)建模函數 （288）
6.4.4 模糊C-均值和減法聚類的圖形用戶界面 （289）
小結 （292）
思考練習題 （292）
第三篇 模型預測控制及其MATLAB實現
第7章 模型預測控制理論 （293）
7.1 動態(tài)矩陣控制理論 （293）
7.1.1 預測模型 （293）
7.1.2 滾動優(yōu)化 （295）
7.1.3 誤差校正 （296）
7.2 廣義預測控制理論 （296）
7.2.1 預測模型 （297）
7.2.2 滾動優(yōu)化 （297）
7.2.3 反饋校正 （299）
7.3 預測控制理論分析 （300）
7.3.1 廣義預測控制的性能分析 （300）
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 （304）
7.3.3 廣義預測控制與動態(tài)矩陣控制的比較 （306）
小結 （306）
思考練習題 （306）
第8章 MATLAB預測控制工具箱函數 （307）
8.1 系統(tǒng)模型辨識函數 （307）
8.2 系統(tǒng)模型建立與轉換函數 （308）
8.3 基于階躍響應模型的控制器設計與仿真函數 （308）
8.4 基于狀態(tài)空間模型的預測控制器設計函數 （309）
8.5 系統(tǒng)分析與繪圖函數 （309）
8.6 通用功能函數 （310）
8.7 MATLAB模型預測控制工具箱的圖形用戶界面 （310）
小結 （310）
思考練習題 （311）
第9章 隱式廣義預測自校正控制及其MATLAB實現 （312）
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 （312）
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 （315）
9.3 仿真研究 （319）
9.3.1 單輸入單輸出系統(tǒng)的仿真研究 （319）
9.3.2 多輸入多輸出系統(tǒng)的仿真研究 （322）
小結 （323）
思考練習題 （323）
附錄A MATLAB函數分類索引 （324）
參考文獻 （326）