神經‧模糊‧預測控制及其MATLAB實現(第4版)（簡體書）

本書系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Simulink對其實現的方法。書中取材先進實用，講解深入淺出，各章均有相應的例題，並提供了大量用MATLAB/Simulink實現的仿真實例，便於讀者掌握和鞏固所學知識。

李國勇，太原理工大學教授，山西省電機工程協會會員、山西省自動化協會會員，主要授課課程：自動控制原理、現代控制理論基礎、過程控制系統、系統仿真及機輔分析、可編程控制器編程與應用、最優控制理論、人工智能及其應用、基於MATLAB的智能控制系統的分析與設計。

第4版前言
本書自2005年5月第一次出版、2010年1月和2013年5月的兩次再版以來，得到廣大讀者的關心和支持，先後多次重印，被國內多所大學選為教材。
這次修訂在保持前三版內容系統，實用、易讀的特點，以及框架結構基本不變的基礎上，主要修改了第1章和第4章的內容。並充分考慮了能適應新形式下智能控制類課程教學並適用於不同層次院校的選學需要，體現寬口徑專業教育思想，反映先進的技術水平，強調教學實踐的重要性，有利於學生自主學習和動手實踐能力的培養，適應卓越工程師人才培養的要求。同時也滿足多學科交叉背景學生的教學需求。
本書是本著把當前國際控制界最為流行的面向工程與科學計算的高級語言――MATLAB與神經網絡、模糊邏輯和預測控制相結合的宗旨編寫的。書中主要從三個方面闡述了利用MATLAB對神經網絡、模糊邏輯和模型預測控制系統的計算機仿真方法。其中第1種方法為採用MATLAB語言根據具體的控制算法編程進行仿真；第2種方法為利用MATLAB提供的神經網絡、模糊邏輯和預測控制工具箱函數或圖形用戶界面直接進行仿真；第3種方法為根據Simulink動態仿真環境進行仿真。比較以上三種方法，第2種方法最為簡單，它不需要瞭解算法的本質，就可以直接應用功能豐富的函數來實現自己的目的；第3種方法最為直觀，它可以在運行仿真時觀察仿真結果；第1種方法最為複雜，它需要根據不同的控制算法進行具體編程，但這種方法也最為靈活，使用者可以根據自己所提出的新算法任意編程，該方法主要用於對某種新控制算法的仿真和應用。當然利用其他計算機語言也可根據控制算法進行具體編程，但比較而言，以利用MATLAB編程最為簡單，因為MATLAB具有強大的矩陣運算和圖形處理功能。而第2種和第3種方法較適合於初學者，主要用於對某種成熟控制算法的仿真和應用。由於其編程簡單，就給使用者節省了大量的編程時間，使其能夠把更多的精力投入到網絡設計而不是具體程序實現上。
本書可作為高等院校自動化類、電氣類、電子信息類、計算機類、儀器類和機械類等學科類研究生和高年級本科生的教材，也可作為從事智能控制與智能系統研究、設計和應用的科學技術人員的參考用書。鑒於本書的通用性和實用性較強，故也可作為相關專業的教學、研究、設計人員和工程技術人員的參考用書。
本書由李國勇和楊麗娟編著，共包含9章和3個附錄。其中第1章～第7章和第9章由李國勇編寫，第8章和附錄A由楊麗娟編寫；附錄B與附錄C由閻高偉、王芳、任密峰、楊云云和楊麥侖編寫。此外，感謝責任編輯牛平月女士為本書的出版所付出的辛勤工作。
本書配套的教學課件，可登錄電子工業出版社的華信資源教育網：www.hxedu.com.cn，免費下載。
由於作者水平有限，書中仍難免有遺漏與不當之處，懇請有關專家、同行和廣大讀者批評指正。

作者
2018年6月

目 錄
第一篇 神經網絡控制及其MATLAB實現
第1章 神經網絡理論 （1）
1.1 神經網絡的基本概念 （2）
1.1.1 生物神經元的結構與功能特點 （2）
1.1.2 人工神經元模型 （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Simulink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 神經網絡在系統預測和故障診斷中的應用 （143）
2.4.1 系統輸入/輸出數據的處理 （143）
2.4.2 基於神經網絡的系統預測 （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 神經網絡控制系統 （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 （164）
3.1.3 神經網絡控制系統的分類 （165）
3.2 基於Simulink的三種典型神經網絡控制系統 （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 模糊關係及其合成 （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 模糊邏輯控制系統的基本結構 （205）
4.2.1 模糊控制系統的組成 （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 模糊邏輯控制系統的基本原理 （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系統的設計 （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 模糊推理系統的基本類型 （225）
5.1.3 模糊邏輯系統的構成 （225）
5.2 利用模糊邏輯工具箱建立模糊推理系統 （226）
5.2.1 模糊推理系統的建立、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 模糊推理系統編輯器 （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Simulink的模糊邏輯的系統模塊 （248）
5.5 模糊推理系統在控制系統中的應用 （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 模糊系統的Mamdani模型 （258）
6.1.2 系統結構 （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 模糊系統的Takagi-Sugeno模型 （264）
6.2.2 系統結構 （264）
6.2.3 學習算法 （266）
6.3 自適應神經模糊系統及其MATLAB實現 （268）
6.3.1 採用網格分割方式生成模糊推理系統函數 （269）
6.3.2 自適應神經模糊系統的建模函數 （270）
6.3.3 自適應神經模糊推理系統的圖形用戶界面編輯器 （272）
6.3.4 自適應神經模糊推理系統在建模中的應用 （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系統建模函數 （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 系統模型辨識函數 （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 系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系統模型 （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 系統分析與繪圖函數 （325）
8.5.1 計算和繪製系統的頻率響應曲線 （326）
8.5.2 計算頻率響應的奇異值 （327）
8.5.3 計算系統的極點和穩態增益矩陣 （327）
8.5.4 系統分析和繪圖 （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 離散系統的分析 （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 單輸入單輸出系統的隱式廣義預測自校正控制算法 （337）
9.2 多輸入多輸出系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 單輸入單輸出系統的仿真研究 （344）
9.3.2 多輸入多輸出系統的仿真研究 （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