智能控制及其MATLAB实现/自动控制技术应用丛书 (2009 年度畅销榜NO.5637 )

本书系统地论述了神经网络控制、模糊逻辑控制和模型预测控制系统的基本概念、工作原理、控制算法，以及利用MATLAB语言、MATLAB工具箱函数和Simulink对其实现的方法。该书取材先进实用，讲解深入浅出，各章均有大量用MATLAB/Simulink实现的仿真实例，便于读者掌握和巩固所学知识。\r\n 本书可作为高等院校自动化、计算机和机电工程等电子信息类专业的研究生和高年级本科生的教材，也可作为从事智能控制与智能系统研究、设计和应用的科学技术人员的参考用书。

第一篇 神经网络控制及其MATLAB实现\r\n　第1章 神经网络控制理论\r\n　　1.1 神经网络的基本概念\r\n　　　1.1.1 生物神经元的结构与功能特点\r\n　　　1.1.2 人工神经元模型\r\n　　　1.1.3 神经网络的结构\r\n　　　1.1.4 神经网络的工作方式\r\n　　　1.1.5 神经网络的学习\r\n　　　1.1.6 神经网络的分类\r\n　　1.2 典型神经网络的模型\r\n　　　1.2.1 MP模型\r\n　　　1.2.2 感知机神经网络\r\n　　　1.2.3 自适应线性神经网络\r\n　　　1.2.4 BP神经网络\r\n　　　1.2.5 径向基神经网络\r\n　　　1.2.6 竞争学习神经网络\r\n　　　1.2.7 学习向量量化（LVQ）神经网络\r\n　　　1.2.8 Elman神经网络\r\n　　　1.2.9 Hopfield神经网络\r\n　　　1.2.10 Boltzmann神经网络\r\n　　　1.2.11 神经网络的训练\r\n　　1.3 神经网络控制系统\r\n　　　1.3.1 神经控制的基本原理\r\n　　　1.3.2 神经网络在控制中的主要作用\r\n　　　1.3.3 神经网络控制系统的分类\r\n　第2章 MATLAB神经网络工具箱函数\r\n　　2.1 感知机神经网络工具箱函数\r\n　　2.2 线性神经网络工具箱函数\r\n　　2.3 BP神经网络工具箱函数\r\n　　2.4 径向基神经网络工具箱函数\r\n　　2.5 自组织神经网络工具箱函数\r\n　　2.6 学习向量量化（LVQ）神经网络工具箱函数\r\n　　2.7 Elman神经网络工具箱函数\r\n　　2.8 Hopfield神经网络工具箱函数\r\n　　2.9 MATLAB神经网络工具箱的图形用户界面\r\n　第3章 基于Simulink的神经网络控制系统\r\n　　3.1 基于Simulink的神经网络模块\r\n　　　3.1.1 模块的设置\r\n　　　3.1.2 模块的生成\r\n　　3.2 基于Simulink的三种典型神经网络控制系统\r\n　　　3.2.1 神经网络模型预测控制\r\n　　　3.2.2 反馈线性化控制\r\n　　　3.2.3 模型参考控制\r\n第二篇 模糊逻辑控制及其MATLAB实现\r\n　第4章 模糊逻辑控制理论\r\n　　4.1 模糊逻辑理论的基本概念\r\n　　　4.1.1 模糊集合及其运算\r\n　　　4.1.2 模糊关系及其合成\r\n　　　4.1.3 模糊向量及其运算\r\n　　　4.1.4 模糊逻辑规则\r\n　　　4.1.5 模糊逻辑推理\r\n　　4.2 模糊逻辑控制系统的基本结构\r\n　　　4.2.1 模糊控制系统的组成\r\n　　　4.2.2 模糊控制器的基本结构\r\n　　　4.2.3 模糊控制器的维数\r\n　　　4.2.4 模糊控制中的几个基本运算操作\r\n　　4.3 模糊逻辑控制系统的基本原理\r\n　　　4.3.1 模糊化运算\r\n　　　4.3.2 数据库\r\n　　　4.3.3 规则库\r\n　　　4.3.4 模糊推理\r\n　　　4.3.5 清晰化计算\r\n　　4.4 离散论域的模糊控制系统的设计\r\n　　4.5 具有PID功能的模糊控制器\r\n　第5章 MATLAB模糊逻辑工具箱函数\r\n　　5.1 MATLAB模糊逻辑工具箱简介\r\n　　　5.1.1 模糊逻辑工具箱的功能特点\r\n　　　5.1.2 模糊推理系统的基本类型\r\n　　　5.1.3 模糊逻辑系统的构成\r\n　　5.2 利用模糊逻辑工具箱建立模糊推理系统\r\n　　　5.2.1 模糊推理系统的建立、修改与存储管理\r\n　　　5.2.2 模糊语言变量及其语言值\r\n　　　5.2.3 模糊语言变量的隶属度\r\n　　　5.2.4 模糊规则的建立与修改\r\n　　　5.2.5 模糊推理计算与去模糊化\r\n　　5.3 MATLAB模糊逻辑工具箱的图形用户界面\r\n　　　5.3.1 模糊推理系统编辑器（Fuzzy） \r\n　　　5.3.2 隶属度函数编辑器（Mfedit） \r\n　　　5.3.3 模糊规则编辑器（Ruleedit）\r\n　　　5.3.4 模糊规则浏览器（Ruleview）\r\n　　　5.3.5 模糊推理输入输出曲面视图（Surfview） \r\n　　5.4 基于Simulink的模糊逻辑的系统模块\r\n　第6章 模糊神经和模糊聚类及其MATLAB实现\r\n　　6.1 基于标准模型的模糊神经网络\r\n　　　6.1.1 模糊系统的标准模型\r\n　　　6.1.2 系统结构\r\n　　　6.1.3 学习算法\r\n　　6.2 基于Takagi-Sugeno模型的模糊神经网络\r\n　　　6.2.1 模糊系统的Takagi-Sugeno模型\r\n　　　6.2.2 系统结构\r\n　　　6.2.3 学习算法\r\n　　6.3 MATLAB模糊神经工具箱函数\r\n　　　6.3.1 模糊神经系统的建模函数\r\n　　　6.3.2 采用网格分割方式生成模糊推理系统函数\r\n　　　6.3.3 MATLAB模糊神经推理系统的图形用户界面\r\n　　6.4 MATLAB模糊聚类函数\r\n　　　6.4.1 模糊C.均值聚类函数\r\n　　　6.4.2 减法聚类函数\r\n　　　6.4.3 基于减法聚类的模糊推理系统建模函数\r\n第三篇 预测控制及其MATLAB实现\r\n　第7章 预测控制理论\r\n　　7.1 动态矩阵控制理论\r\n　　　7.1.1 预测模型\r\n　　　7.1.2 滚动优化\r\n　　　7.1.3 误差校正\r\n　　7.2 广义预测控制理论\r\n　　　7.2.1 预测模型\r\n　　　7.2.2 滚动优化\r\n　　　7.2.3 反馈校正\r\n　　7.3 预测控制理论分析\r\n　　　7.3.1 广义预测控制的性能分析\r\n　　　7.3.2 广义预测控制与动态矩阵控制规律的等价性证明\r\n　　　7.3.3 广义预测控制与动态矩阵控制的比较\r\n　第8章 MATI.AB预测控制工具箱函数\r\n　　8.1 系统模型辨识函数\r\n　　　8.1.1 数据向量或矩阵的归一化\r\n　　　8.1.2 基于线性回归方法的脉冲响应模型辨识\r\n　　　8.1.3 脉冲响应模型转换为阶跃响应模型\r\n　　　8.1.4 模型的校验\r\n　　8.2 系统模型建立与转换函数\r\n　　　8.2.1 模型转换\r\n　　　8.2.2 模型建立\r\n　　8.3 基于阶跃响应模型的控制器设计与仿真函数\r\n　　　8.3.1 输入/输出有约束的模型预测控制器设计与仿真\r\n　　　8.3.2 输入/输出无约束的模型预测控制器设计\r\n　　　8.3.3 计算由阶跃响应模型构成的闭环系统模型\r\n　　8.4 基于状态空间模型的预测控制器设计函数\r\n　　　8.4.1 输入/输出有约束的状态空间模型预测控制器设计\r\n　　　8.4.2 输入腧出无约束的状态空间模型预测控制器设计\r\n　　　8.4.3 状态估计器设计\r\n　　8.5 系统分析与绘图函数\r\n　　　8.5.1 计算和绘制系统的频率响应曲线\r\n　　　8.5.2 计算频率响应的奇异值\r\n　　　8.5.3 计算系统的极点和稳态增益矩阵\r\n　　　8.5.4 系统分析和绘图\r\n　　8.6 通用功能函数\r\n　　　8.6.1 通用模型转换\r\n　　　8.6.2 方程求解\r\n　　　8.6.3 离散系统的分析\r\n　第9章 隐式广义预测自校正控制及其MATLAB实现\r\n　　9.1 单输入单输出系统的隐式广义预测自校正控制算法\r\n　　9.2 多输入多输出系统的隐式广义预测自校正控制算法\r\n　　9.3 仿真研究\r\n　　　9.3.1 单输入单输出系统的仿真研究\r\n　　　9.3.2 多输入多输出系统的仿真研究\r\n附录A 隐式广义预测自校正控制仿真程序清单\r\n附录B MATLAB函数一览表\r\n附录C MATLAB函数分类索引\r\n参考文献

今天，随着科学技术的迅猛发展，神经网络正以极大的魅力吸引着世界上众多专家、学者为之奋斗。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。 模糊控制作为结合传统的基于规则的专家系统、模糊集理论和控制理论的成果而诞生，它是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机控制。在模糊控制中，并不是像传统控制那样需要对被控过程进行定量的数学建模，而是试图通过从能成功控制被控过程的领域专家那里获取知识，即专家行为和经验。从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制；从控制器智能性看，模糊控制属于智能控制的范畴，而且它已成为目前实现智能控制的一种重要而又有效的手段。 模糊神经网络控制在控制领域里已经成为一个研究热点，其原因在于两者之间的互补性质。神经网络和模糊系统均属于无模型的估计器和非线性动力学系统，也是一种处理不确定性、非线性和其他不确定问题的有力工具。 模型预测控制(Model Predictive Control，MPC)是20世纪80年代初开始发展起来的一类新型计算机控制算法。该算法直接产生于工业过程控制的实际应用，并在与工业应用的紧密结合中不断完善和成熟。模型预测控制算法采用了多步预测、滚动优化和反馈校正等控制策略，因而具有控制效果好、鲁棒性强、对模型精确性要求不高的优点。广义预测控制作为一种新型的远程预测控制方法，集多种算法的优点为一体，具有较好的性能，受到人们的重视。该算法以CARIMA模型为基础，采用了长时段的优化性能指标，结合辨识和自校正机制，具有较强的鲁棒性和模型要求低等特点，并有广泛的适用范围。这个算法可克服广义最小方差(需要试凑控制量的加权系数)、·极点配置(对阶的不确定性十分敏感)等自适应算法中存在的缺点。近年来，广义预测控制算法在国内外控制理论界已引起了广泛的重视，它可看成是迄今所知的自校正控制方法中最为接近具有鲁棒性的一种。 神经网络、模糊逻辑和预测控制等新学科相结合，正在显示出其巨大的应用潜力.针对神经网络、模糊逻辑和预测控制的迅速推广应用，MathWorks公司在其MATLAB版中添加了神经网络、模糊逻辑和预测控制工具箱。该工具箱由长期从事神经网络、模糊逻辑和预测控制研究与开发工作的有关专家和技术人员编制。工具箱提供了许多进行神经网络、模糊逻辑和侦测控制设计和分析的工具函数，这给用尸带来了极大的方便。即使不了解算法的本质，也可以直接应用功能丰富的函数来实现自己的目的。这些函数编程简单，可为使用者节省大量的编程时间，使其能够把更多的精力投入到网络设计而不是具体程序实现上。 本书就是本着把当前国际控制界最为流行的面向工程与科学计算的高级语MATL~d3与神经网络、模糊逻辑和预测控制结合起来的宗旨编写的。本书主要从三个方面阐述了神经网络、模糊逻辑和预测控制系统的数字仿真方法。第1种方法为采用MATLAB语言根据具体的控制算法编程进行仿真；第2种方法为利用MATLAB提供的神经网络、模糊逻辑和预测控制工具箱函数直接进行仿真；第3种方法为根据Simulink动态仿真环境进行仿真。其中，第2种方法最为简单，它不需要了解算法的本质；第3种方法最为直观，它可以在运行仿真时观察仿真结果；第1种方法最为复杂，它需要了解算法的本质，要根据不同的控制算法进行具体编程，但这种方法也最为灵活，使用者可以根据自己所提出的新算法任意编程，该方法主要用于对某种新控制算法的仿真和应用。当然，利用其他计算机语言也可根据控制算法进行具体编程，但相比较而言，以利用MATLAB编程最为简单，原因是MATLAB具有强大的矩阵运算和图形处理功能。而第2种和第3种方法较适合于初学者，主要用于对某种成熟控制算法的仿真和应用。全书分3篇共9章，系统地论述了神经网络控制、模糊逻辑控制和模型预测控制的基本概念、工作原理和控制算法及其利用MATLAB和Simulink对其实现的方法。 本书可作为高等院校自动化、计算机和机电工程等电子信息类专业本科生和研究生的教材，也可作为从事智能控制与智能系统研究、设计和应用的科学技术人员的参考用书。鉴于本书的通用性和实用性较强，故它也可作为从事自动控制及相关专业的教学、研究、设计人员和工程技术人员的参考用书。 在本书的出版过程中，电子工业出版社应用电子技术图书事业部张榕编辑和高等教育教材事业部韩同平编辑给予了大力支持与帮助，作者在此表示深深的谢意。作者还要特别感谢参考文献中所列教材、专著及论文的作者们，正是这些优秀的作品为作者提供了非常丰富的营养，使得作者能够在自己的教学与科研的基础上汲取各家之长，形成一本具有自己特色的著作。 由于作者水平有限，书中难免有遗漏与不当之处，恳请各位专家和广大读者批评指 正。