神经网络控制PDF格式文档图书下载

第1章 神经网络和自动控制的基础知识 1

1.1人工神经网络的发展史 1

1.1.120世纪40年代——神经元模型的诞生 1

1.1.220世纪50年代——从单神经元到单层网络，形成第一次热潮 2

1.1.320世纪60年代——学习多样化和AN2的急剧冷落 2

1.1.420世纪70年代——在低迷中顽强地发展 2

1.1.520世纪80年代——AN2研究热潮再度兴起 3

1.1.620世纪90年代——再现热潮，产生许多边缘交叉学科 3

1.1.7进入21世纪——实现机器智能的道路漫长而又艰难 4

1.2生物神经元和人工神经元 5

1.2.1生物神经元 5

1.2.2人工神经元 9

1.3生物神经网络和人工神经网络 12

1.3.1生物神经网络 12

1.3.2人工神经网络 14

1.4自动控制的发展史 18

1.4.1从传统控制理论到智能控制 18

1.4.2智能控制的产生与基本特征 19

1.4.3智能控制系统 21

1.5模糊集与模糊控制概述 23

1.5.1模糊集 23

1.5.2模糊隶属函数 26

1.5.3模糊控制 27

1.6从生物神经控制到人工神经控制 30

1.6.1生物神经控制的智能特征 30

1.6.2人工神经控制的模拟范围 32

1.7小结 33

习题与思考题 33

第2章 神经计算基础 34

2.1线性空间与范数 34

2.1.1矢量空间 34

2.1.2范数 35

2.1.3赋范线性空间 35

2.1.4L1范数和L2范数 35

2.2迭代算法 35

2.2.1迭代算法的终止准则 35

2.2.2梯度下降法 36

2.2.3最优步长选择 37

2.3逼近论 38

2.3.1Banach空间和逼近的定义 38

2.3.2L2逼近和最优一致逼近 38

2.3.3离散点集上的最小二乘逼近 39

2.4神经网络在线迭代学习算法 39

2.5Z变换 41

2.5.1Z变换的定义和求取 41

2.5.2Z变换的性质 43

2.5.3Z反变换 43

2.6李雅普诺夫意义下的稳定性 44

2.6.1非线性时变系统的稳定性问题 44

2.6.2李雅普诺夫意义下的渐进稳定 45

2.6.3李雅普诺夫第二法 45

2.6.4非线性系统的稳定性分析 47

2.7小结 47

习题与思考题 48

第3章 神经网络模型 49

3.1人工神经网络建模 49

3.1.1MP模型 49

3.1.2Hebb学习法则 50

3.2感知器 53

3.2.1单层感知器 53

3.2.2多层感知器 57

3.3BP网络与BP算法 59

3.3.1BP网络的基本结构 60

3.3.2BP算法及步长调整 60

3.4自适应线性神经网络 64

3.5自组织竞争型神经网络 65

3.5.1自组织竞争型神经网络的基本结构 65

3.5.2自组织竞争型神经网络的学习算法 65

3.6小脑模型神经网络 68

3.6.1CMAC的基本结构 68

3.6.2CMAC的工作原理 70

3.6.3CMAC的学习算法与训练 72

3.7递归型神经网络 74

3.7.1DTRNN的网络结构 74

3.7.2实时递归学习算法 76

3.8霍普菲尔德（Hopfield）神经网络 77

3.8.1离散型Hopfield神经网络 78

3.8.2连续型Hopfield神经网络 82

3.8.3求解TSP问题 85

3.9小结 89

习题与思考题 89

第4章 神经控制中的系统辨识 90

4.1系统辨识基本原理 90

4.1.1辨识系统的基本结构 90

4.1.2辨识模型 91

4.1.3辨识系统的输入和输出 92

4.2系统辨识过程中神经网络的作用 92

4.2.1神经网络辨识原理 92

4.2.2多层前向网络的辨识能力 94

4.2.3辨识系统中的非线性模型 99

4.3非线性动态系统辨识 100

4.3.1非线性动态系统的神经网络辨识 101

4.3.2单输入单输出非线性动态系统的BP网络辨识 101

4.4多层前向网络辨识中的快速算法 107

4.5非线性模型的预报误差神经网络辨识 110

4.5.1非动态模型建模 110

4.5.2递推预报误差算法 111

4.6非线性系统逆模型的神经网络辨识 114

4.6.1系统分析逆过程的存在性 115

4.6.2非线性系统的逆模型 116

4.6.3基于多层感知器的逆模型辨识 119

4.7线性连续动态系统辨识的参数估计 125

4.7.1Hopfield网络用于辨识 126

4.7.2Hopfield网络辨识原理 126

4.8利用神经网络联想功能的辨识系统 130

4.8.1二阶系统的性能指标 130

4.8.2系统辨识器基本结构 131

4.8.3训练与辨识操作 132

4.9小结 133

习题与思考题 134

第5章 人工神经元控制系统 135

5.1人工神经元的PID调节功能 135

5.1.1人工神经元PID动态结构 135

5.1.2人工神经元闭环系统动态结构 136

5.2人工神经元PID调节器 136

5.2.1比例调节元 136

5.2.2积分调节元 137

5.2.3微分调节元 137

5.3人工神经元闭环调节系统 138

5.3.1系统描述 138

5.3.2Lyapunov稳定性分析 139

5.4人工神经元自适应控制系统 139

5.4.1人工神经元自适应控制系统的基本结构 140

5.4.2人工神经元自适应控制系统的学习算法 140

5.5人工神经元控制系统的稳定性 144

5.6小结 146

习题与思考题 146

第6章 神经控制系统 147

6.1神经控制系统概述 147

6.1.1神经控制系统的基本结构 147

6.1.2神经网络在神经控制系统中的作用 148

6.2神经控制器的设计方法 148

6.2.1模型参考自适应方法 149

6.2.2自校正方法 149

6.2.3内模方法 150

6.2.4常规控制方法 150

6.2.5神经网络智能方法 152

6.2.6神经网络优化设计方法 152

6.3神经辨识器的设计方法 153

6.4PID神经控制系统 153

6.4.1PID神经控制系统框图 154

6.4.2PID神经调节器的参数整定 155

6.5模型参考自适应神经控制系统 156

6.5.1两种不同的自适应控制方式 156

6.5.2间接设计模型参考自适应神经控制系统 157

6.5.3直接设计模型参考自适应神经控制系统 160

6.6预测神经控制系统 164

6.6.1预测控制的基本特征 165

6.6.2神经网络预测算法 166

6.6.3单神经元预测器 166

6.6.4多层前向网络预测器 168

6.6.5辐射基函数网络预测器 170

6.6.6Hopfield网络预测器 170

6.7自校正神经控制系统 172

6.7.1自校正神经控制系统的基本结构 172

6.7.2神经自校正控制算法 173

6.7.3神经网络逼近 175

6.8内模神经控制系统 179

6.8.1线性内模控制方式 179

6.8.2内模控制系统 181

6.8.3内模神经控制器 185

6.8.4神经网络内部模型 187

6.9小脑模型神经控制系统 188

6.9.1CMAC控制系统的基本结构 188

6.9.2CMAC控制器设计 192

6.9.3CMAC控制系统实例 197

6.10小结 202

习题与思考题 202

第7章 模糊神经控制系统 203

7.1模糊控制与神经网络的结合 203

7.1.1模糊控制的时间复杂性 203

7.1.2神经控制的空间复杂性 203

7.1.3模糊神经系统的产生 204

7.2模糊控制和神经网络的异同点 204

7.2.1模糊控制和神经网络的共同点 205

7.2.2模糊控制和神经网络的不同点 205

7.3模糊神经系统的典型结构 206

7.4模糊神经系统的结构分类 207

7.4.1松散结合 208

7.4.2互补结合 208

7.4.3主从结合 208

7.4.4串行结合 208

7.4.5网络学习结合 209

7.4.6模糊等价结合 209

7.5模糊等价结合中的模糊神经控制器 210

7.5.1偏差e和偏差变化率Δe的获取 210

7.5.2隶属函数的神经网络表达 212

7.6几种常见的模糊神经网络 214

7.6.1模糊联想记忆网络 214

7.6.2模糊认知映射网络 214

7.7小结 215

习题与思考题 215

第8章 神经控制中的遗传进化训练 216

8.1生物的遗传与进化 216

8.1.1生物进化论的基本观点 216

8.1.2进化计算 217

8.2遗传算法概述 220

8.2.1遗传算法中遇到的基本术语 220

8.2.2遗传算法的运算特征 220

8.2.3遗传算法中的概率计算公式 223

8.3遗传算法中的模式定理 224

8.3.1模式定义和模式的阶 224

8.3.2模式定理（Schema） 228

8.4遗传算法中的编码操作 234

8.4.1遗传算法设计流程 234

8.4.2遗传算法中的编码规则 234

8.4.3一维染色体的编码方法 234

8.4.4二维染色体编码 238

8.5遗传算法中的适应度函数 238

8.5.1将目标函数转换成适应度函数 239

8.5.2标定适应度函数 239

8.6遗传算法与优化解 240

8.6.1适应度函数的确定 240

8.6.2线性分级策略 240

8.6.3算法流程 242

8.7遗传算法与预测控制 242

8.8遗传算法与神经网络 245

8.9神经网络的遗传进化训练 249

8.9.1遗传进化训练的实现方法 249

8.9.2BP网络的遗传进化训练 254

8.10小结 254

习题与思考题 255

附录 常用神经控制术语汉英对照 256

参考文献 260

查看更多关于神经网络控制的内容