神经网络与模糊控制

　　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V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。本书可作为工科有关专业研究生和本科生、电大和业大学生以及工程技术人员的教材或自学读物。

暂缺《神经网络与模糊控制》作者简介

     目录
   第1章 绪论
    1.1神经网络的发展和应用
    1.2人工神经元模型
    1.3用有向图表示神经网络
    1.4网络结构及工作方式
    1.5神经网络的学习方法
    1.5.1学习方式
    1.5.2学习算法（学习规则）
    1.5.3学习与自适应
    习题
    参考文献
   第2章 前馈网络
    2.1线性阈值单元
    2.2感知器学习算法
    2.3多层前馈网络及其函数逼近能力
    2.4反向传播学习算法
    2.5改进BP算法收敛速度的一些措施
    2.6径向基函数网络
    2.7应用举例
    习题
    参考文献
   第3章 学习理论与网络结构选择
    3.1基本概念
    3.2推广问题
    3.3学习过程的统计性质
    3.4函数逼近问题
    3.5关于网络规模选择中的几个问题
    3.6例题
    习题
    参考文献
   第4章 反馈网络与联想存储器
    4.1离散的Hopfield网络
    4.2联想存储器及其学习
    4.3相关学习算法
    4.4联想存储器的容量问题
    4.5伪逆法
    4.6线性规划方法
    4.7多余吸引子问题
    4.8应用举例
    4.9双向联想存储器
    习题
    参考文献
   第5章 神经网络用于优化计算
    5.1概述
    5.2连续Hopfield 网络用于求解TSP
    5.3离散Hopfield网络用于求解TSP
    5.4神经网络用于求解货流问题
    5.5在通信网络中的应用举例
    习题
    参考文献
   第6章 自组织网络
    6.1主成份分析
    6.2自组织特征映射
    6.3向量量化
    6.4广义学习向量量化算法
    6.5应用举例——指纹识别
    习题
    参考文献
   第7章 动态信号与系统的处理
    7.1引言
    7.2带延时单元的网络
    7.3时空神经元模型
    7.4部分反馈网络
    7.5学习问题
    7.6应用举例
    习题
    参考文献
   第8章 全局优化
    8.1引言
    8.2随机梯度法
    8.3模拟退火算法
    8.4遗传算法
    8.5遗传算法机理的分析
    8.6讨论
    8.7应用举例
    习题
    参考文献
   第9章 神经网络用于非线性
    系统辨识
    9.1概述
    9.2基于NARMA模型的辨识方法
    9.2.1问题描述
    9.2.2NARMA模型的参数辨识
    9.2.3系统辨识的并联模式与
    串－并联模式
    9.2.4系统Ⅲ辨识的仿真实验
    9.3通用辨识模型和动态BP算法
    9.3.1通用辨识模型
    9.3.2动态BP算法
    9.4石灰窑炉的神经网络模型
    9.4.1石灰窑炉的生产过程
    9.4.2石灰窑的数学模型
    9.4.3石灰窑的神经网络模型
    习题
    参考文献
   第10章 神经网络用于非线性控制
    10.1概述
    10.2控制方案
    10.2.1监督控制
    10.2.2直接逆控制
    10.2.3内模控制
    10.2.4模型预报控制
    10.2.5模型参考控制
    10.2.6再励学习控制
    10.2.7自学习控制与自适
    应控制
    10.3内模控制及其在石灰窑炉中
    的应用
    10.3.1内模控制系统的分析
    与设计
    10.3.2基于神经网络的内
    模控制
    10.3.3石灰窑炉的内模控制
    10.4模型预报控制及其在pH值控
    制中的应用
    10.4.1模型预报控制的基
    本原理
    10.4.2动态矩阵控制（DMC）
    10.4.3pH值的神经网络模
    型预报控制
    习题
    参考文献
   第11章 神经网络用于机器人控制
    11.1机器人的控制问题
    11.2CMAC网络
    11.2.1模型结构
    11.2.2工作原理
    11.2.3学习算法
    11.3用CMAC网络解决机械手的逆
    运动学问题
    11.3.1三关节机械手在二维
    平面的运动
    11.3.2解决方案
    11.3.3机械手的正模型NN
    11.3.4机械手的逆模型NN
    11.3.5仿真实验
    11.4用CMAC网络解决机械手的逆
    动力学问题
    11.4.1二关节机械手的伺
    服控制
    11.4.2控制方案
    11.4.3仿真实验结果
    11.4.4CMAC设计参数对控制
    性能的影响
    11.4.5控制系统的鲁棒性和自
    适应能力
    11.4.6CMAC网络的优缺点
    习题
    参考文献
   第12章 模糊数学基础
    12.1概述
    12.2模糊集合
    12.2.1模糊集合的定义
    12.2.2模糊集合的表示法
    12.2.3常用的隶属函数
    12.2.4模糊集合的基本运算
    12.2.5分解定理
    12.2.6扩张定理
    12.3模糊关系
    12.3.1模糊关系的定义
    12.3.2模糊关系的运算
    12.3.3模糊关系的性质
    12.4模糊推理
    12.4.1广义前向推理和广义
    反向推理
    12.4.2模糊命题
    12.4.3模糊蕴含
    12.4.4模糊推理
    习题
    参考文献
   第13章 模糊控制理论
    13.1模糊控制器的基本结构
    13.2D－FC 的工作原理
    13.3CFC 的工作原理
    13.4模糊控制器的种类和设计参数
    13.4.1D－FC和C－FC
    13.4.2PD，PI，PID型的模糊
    控制器
    13.4.3控制规则的三种类型
    13.4.4模糊控制器的主要设
    计因素
    13.4.5模糊控制的特点和理论
    研究问题
    13.5典型模糊控制器的结构分析
    13.5.1概述
    13.5.2典型模糊控制器及其
    设计参数
    13.5.3典型模糊控制器的
    结构特性
    13.5.4对模糊控制器的几
    点认识
    13.6模糊控制系统的稳定性分析和
    设计方法
    13.6.1模糊系统的TS模型
    13.6.2模糊方块图
    13.6.3稳定性分析
    13.6.4设计方法
    习题
    参考文献
   第14章 模糊神经网络用于非线性
    系统建模和故障诊断
    14.1模糊系统与神经网络
    14.2模糊系统的函数逼近能力
    14.2.1模糊基函数
    14.2.2模糊系统的通用逼近性
    14.3用神经网络来构造模糊系统
    14.4用模糊神经网络辨识非线性系统
    14.4.1实验对象
    14.4.2结构辨识
    14.4.3参数辨识
    14.5CSTR控制系统的在线故障诊断
    14.5.1CSTR控制系统简介
    14.5.2故障诊断的方案
    14.5.3故障诊断实验结果
    习题
    参考文献
   第15章 基于神经网络的模糊自
    适应控制
    15.1概述
    15.2用DCL算法从数据中提取
    模糊规则
    15.2.1倒车实验
    15.2.2倒车的模糊控制
    15.2.3DCL学习算法
    15.2.4从输入输出数据中提取
    模糊规则
    15.3基于模糊神经网络的模型参考自
    适应控制
    15.3.1基于模糊神经网络的
    MRAC方案
    15.3.2模糊神经网络结构
    15.3.3模糊神经网络的
    学习方法
    15.3.4自适应学习率
    15.3.5非线性对象的模糊自适
    应控制实验
    15.4采用再励学习的模糊自适应控制
    15.4.1GARIC的系统结构
    15.4.2GARIC的工作原理
    15.4.3GARIC的学习方法
    15.4.4倒立摆的自适应控
    制实验
    习题
    参考文献