●篇 神經網絡控制及其MATLAB實現
章 神經網絡理論（1）
1.1 神經網絡的基本概念（2）
1.1.1 生的結構與功能特點（2）
1.1.2 人模型（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）
1.3 神經網絡的訓練（61）
小結（65）
思考練習題（65）
第2章 MATLAB神經網絡工具箱函數（66）
2.1 MATLAB神經網絡工具箱函數（66）
2.1.1 神經網絡工具箱中的通用函數（66）
2.1.2 感知機MATLAB函數（69）
2.1.3 線性神經網絡MATLAB函數（79）
2.1.4 BP神經網絡MATLAB函數（85）
2.1.5 徑向基神經網絡MATLAB函數（96）
2.1.6 自組織神經網絡MATLAB函數（102）
2.1.7 學習向量量化神經網絡MATLAB函數（115）
2.1.8 Elman神經網絡MATLAB函數（118）
2.1.9 Hopfield神經網絡MATLAB函數（121）
2.1.10 利用Demos演示神經網絡的建立（126）
2.2 MATLAB神經網絡工具箱的圖形用戶界面（127）
2.2.1 神經網絡編輯器（128）
2.2.2 神經網絡擬合工具（136）
2.3 基於Silink的神經網絡模塊（139）
2.3.1 模塊的設置（139）
2.3.2 模塊的生成（140）
2.4 神經網絡在繫統預測和故障診斷中的應用（143）
2.4.1 繫統輸入/輸出數據的處理（143）
2.4.2 基於神經網絡的繫統預測（144）
2.4.3 基於神經網絡的故障診斷（155）
小結（162）
思考練習題（162）
第3章 神經網絡控制繫統（163）
3.1 神經網絡控制理論（163）
3.1.1 神經網絡控制的基本原理（163）
3.1.2 神經網絡在控制中的主要作用（1）
3.1.3 神經網絡控制繫統的分類（165）
3.2 基於Silink的三種典型神經網絡控制繫統（174）
3.2.1 神經網絡模型預測控制（175）
3.2.2 反饋線性化控制（180）
3.2.3 模型參考控制（182）
小結（185）
思考練習題（186）
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（187）
4.1 模糊邏輯理論的基本概念（187）
4.1.1 模糊集合及其運算（187）
4.1.2 模糊關繫及其合成（194）
4.1.3 模糊向量及其運算（196）
4.1.4 模糊邏輯規則（197）
4.1.5 模糊邏輯推理（199）
4.2 模糊邏輯控制繫統的基本結構（205）
4.2.1 模糊控制繫統的組成（205）
4.2.2 模糊控制器的基本結構（206）
4.2.3 模糊控制器的維數（206）
4.3 模糊邏輯控制繫統的基本原理（207）
4.3.1 模糊化運算（207）
4.3.2 數據庫（208）
4.3.3 規則庫（211）
4.3.4 模糊推理（213）
4.3.5 去模糊化（215）
4.4 離散論域的模糊控制繫統的設計（217）
4.5 具有PID功能的模糊控制器（222）
小結（223）
思考練習題（223）
第5章 MATLAB模糊邏輯工具箱函數（224）
5.1 MATLAB模糊邏輯工具箱簡介（224）
5.1.1 模糊邏輯工具箱的功能特點（224）
5.1.2 模糊推理繫統的基本類型（225）
5.1.3 模糊邏輯繫統的構成（225）
5.2 利用模糊邏輯工具箱建立模糊推理繫統（226）
5.2.1 模糊推理繫統的建立、修改與存儲管理（226）
5.2.2 模糊語言變量及其語言值（229）
5.2.3 模糊語言變量的隸屬函數（230）
5.2.4 模糊規則的建立與修改（236）
5.2.5 模糊推理計算與去模糊化（240）
5.3 MATLAB模糊邏輯工具箱的圖形用戶界面（243）
5.3.1 模糊推理繫統編輯器（243）
5.3.2 隸屬函數編輯器（245）
5.3.3 模糊規則編輯器（245）
5.3.4 模糊規則瀏覽器（246）
5.3.5 模糊推理輸入/輸出曲面瀏覽器（246）
5.4 基於Silink的模糊邏輯的繫統模塊（248）
5.5 模糊推理繫統在控制繫統中的應用（251）
小結（256）
思考練習題（256）
第6章 模糊神經和模糊聚類及其MATLAB實現（258）
6.1 基於Mamdani模型的模糊神經網絡（258）
6.1.1 模糊繫統的Mamdani模型（258）
6.1.2 繫統結構（260）
6.1.3 學習算法（261）
6.2 基於Takagi-Sugeno模型的模糊神經網絡（263）
6.2.1 模糊繫統的Takagi-Sugeno模型（2）
6.2.2 繫統結構（2）
6.2.3 學習算法（266）
6.3 自適應神經模糊繫統及其MATLAB實現（268）
6.3.1 采用網格分割方式生成模糊推理繫統函數（269）
6.3.2 自適應神經模糊繫統的建模函數（270）
6.3.3 自適應神經模糊推理繫統的圖形用戶界面編輯器（272）
6.3.4 自適應神經模糊推理繫統在建模中的應用（275）
6.4 模糊聚類及其MATLAB實現（281）
6.4.1 模糊C-均值聚類函數（281）
6.4.2 模糊減法聚類函數（282）
6.4.3 基於減法聚類的模糊推理繫統建模函數（284）
6.4.4 模糊C-均值和減法聚類的圖形用戶界面（285）
小結（288）
思考練習題（288）
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（289）
7.1 動態矩陣控制理論（289）
7.1.1 預測模型（289）
7.1.2 滾動優化（291）
7.1.3 誤差校正（292）
7.2 廣義預測控制理論（292）
7.2.1 預測模型（293）
7.2.2 滾動優化（293）
7.2.3 反饋校正（295）
7.3 預測控制理論分析（296）
7.3.1 廣義預測控制的性能分析（296）
7.3.2 廣義預測控制與動態矩陣控制規律的等價性證明（300）
7.3.3 廣義預測控制與動態矩陣控制的比較（302）
小結（302）
思考練習題（302）
第8章 MATLAB預測控制工具箱函數（303）
8.1 繫統模型辨識函數（303）
8.1.1 數據向量或矩陣的歸一化（303）
8.1.2 基於線性回歸方法的脈衝響應模型辨識（305）
8.1.3 脈衝響應模型轉換為階躍響應模型（308）
8.1.4 模型的校驗（309）
8.2 繫統模型建立與轉換函數（309）
8.2.1 模型轉換（310）
8.2.2 模型建立（314）
8.3 基於階躍響應模型的控制器設計與仿真函數（316）
8.3.1 輸入/輸出有約束的模型預測控制器設計與仿真（316）
8.3.2 輸入/輸出無約束的模型預測控制器設計（317）
8.3.3 計算由階躍響應模型構成的閉環繫統模型（319）
8.4 基於狀態空間模型的預測控制器設計函數（320）
8.4.1 輸入/輸出有約束的狀態空間模型預測控制器設計（320）
8.4.2 輸入/輸出無約束的狀態空間模型預測控制器設計（321）
8.4.3 狀態估計器設計（324）
8.5 繫統分析與繪圖函數（325）
8.5.1 計算和繪制繫統的頻率響應曲線（326）
8.5.2 計算頻率響應的奇異值（327）
8.5.3 計算繫統的極點和穩態增益矩陣（327）
8.5.4 繫統分析和繪圖（327）
8.6 通用功能函數（328）
8.6.1 通用模型轉換（329）
8.6.2 方程求解（330）
8.6.3 離散繫統的分析（330）
8.7 MATLAB模型預測控制工具箱的圖形用戶界面（331）
小結（336）
思考練習題（336）
第9章 隱式廣義預測自校正（337）
控制及其MATLAB實現（337）
9.1 單輸入單輸出繫統的隱式廣義預測自校正控制算法（337）
9.2 多輸入多輸出繫統的隱式廣義預測自校正控制算法（340）
9.3 仿真研究（344）
9.3.1 單輸入單輸出繫統的仿真研究（344）
9.3.2 多輸入多輸出繫統的仿真研究（347）
小結（348）
思考練習題（348）
附錄A MATLAB程序清單（349）
附錄B MATLAB函數一覽表（361）
附錄C MATLAB函數分類索引（367）
參考文獻（369）

本書繫統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、控制算法，以及利用MATLAB語言、MATLAB工具箱函數和Silink對其實現的方法。書中取材優選實用，講解深入淺出，各章均有相應的例題，並提供了大量用MATLAB/Silink實現的仿真實例，便於讀者掌握和鞏固所學知識。

李國勇,楊麗娟 著