基于微粒群的神经网络预测控制理论及应用

　　《基于微粒群的神经网络预测控制理论及应用》从预测控制和微粒群优化算法的基本概念出发，重点论述了基于微粒群的神经网络预测控制方法和预测模型，并针对多目标微粒群优化算法进行了深入探讨。在此基础上，针对具体的实际问题，给出了多个算例，进而说明基于微粒群的神经网络预测控制算法在非线性系统辨识和预测控制研究中的应用。《基于微粒群的神经网络预测控制理论及应用》可供从事神经网络、智能优化算法和预测控制等方面的高校师生和科研工作者参考，同时也可以为从事石油、冶金、化工、航空、航天以及过程控制等领域的工程技术人员提供帮助。

暂缺《基于微粒群的神经网络预测控制理论及应用》作者简介

前言
第1章 绪论
1.1 预测控制的特点
1.2 预测控制的历史发展与现状
1.3 神经网络在预测控制中的应用研究现状
1.4 预测控制的基本原理
1.4.1 预测模型
1.4.2 滚动优化
1.4.3 反馈校正
1.5 预测控制的基本特征
1.6 预测控制的基本模型
1.6.1 阶跃响应与脉冲响应模型
1.6.2 传递函数模型
1.6.3 状态空间模型
1.7 小结
参考文献
第2章 经典预测控制方法
2.1 三种经典预测控制方法发展历程
2.2 基于脉冲响应模型的模型算法控制
2.2.1 模型算法控制预测模型
2.2.2 模型算法控制反馈校正
2.2.3 模型算法控制优化控制
2.2.4 有约束的模型算法控制
2.3 基于阶跃响应模型的动态矩阵控制
2.3.1 动态矩阵控制预测模型
2.3.2 动态矩阵控制滚动在线优化
2.3.3 动态矩阵控制反馈校正
2.3.4 有约束的动态矩阵控制
2.4 基于传递函数模型的广义预测控制
2.4.1 广义预测控制预测模型
2.4.2 广义预测控制滚动在线优化
2.4.3 广义预测控制反馈校正
2.4.4 广义预测控制的基本性质
2.4.5 多变量和有约束的广义预测控制
2.5 小结
参考文献
第3章 预测控制中的建模方法
3.1 常用被控对象建模方法
3.1.1 传统的输入／输出模型
3.1.2 模糊模型
3.1.3 神经网络模型
3.1.4 其他智能模型
3.2 基于神经网络的系统辨识
3.2.1 系统辨识的定义及特点
3.2.2 系统辨识的基本方法
3.2.3 神经网络用于系统辨识的一般结构
3.3 延迟时间参数的辨识
3.4 模型参数优化方法
3.5 小结
参考文献
第4章 微粒群优化算法
4.1 基本微粒群优化算法
4.1.1 算法描述
4.1.2 收敛性分析
4.2 微粒群优化算法的基本改进思想
4.2.1 进化公式的改进
4.2.2 局部寻优与微粒群优化算法结合的混合算法
……
第5章 基于微粒群优化算法的神经网络预测控制方法
第6章 基于微粒群优化算法的预测模型及其实际应用
第7章 多目标微粒群优化算法及其应用
附录重要公式符号对照表