《智能科学技术著作丛书》序
前言
第1章 绪论
1.1 引言
1.2 自适应模糊控制
1.3 自适应神经网络控制
1.4 自适应模糊神经网络控制
1.5 自适应模糊/神经网络滑模控制
第2章 模糊控制与神经网络控制理论基础
2.1 模糊逻辑与模糊推理
2.1.1 模糊语言变量
2.1.2 模糊蕴含关系
2.1.3 模糊推理
2.1.4 基于控制规则库的模糊推理
2.2 模糊逻辑系统
2.2.1 模糊逻辑系统的组成
2.2.2 模糊逻辑系统的分类
2.2.3 常见的模糊逻辑系统
2.3 模糊逻辑系统的万能逼近理论
2.3.1 高斯型模糊逻辑系统的万能逼近理论
2.3.2 广义隶属度型模糊逻辑系统的万能逼近理论
2.4 神经网络模型
2.4.1 人工神经元模型
2.4.2 神经网络结构及特点
2.5 前馈神经网络
2.5.1 BP神经网络
2.5.2 RBF神经网络
2.5.3 RBF神经网络与BP神经网络的比较
2.6 模糊神经网络
2.6.1 基于标准模糊逻辑系统的模糊神经网络
2.6.2 基于T-S模糊逻辑系统的模糊神经网络
第3章 多变量线性系统自适应模糊解耦控制
3.1 单输入单输出系统模型参考自适应模糊控制
3.1.1 模型参考自适应模糊控制系统的结构
3.1.2 基于T-S模糊模型的模糊自适应机构的设计
3.1.3 闭环系统稳定性及其性能分析
3.1.4 量化因子和输出比例因子的选择
3.1.5 无抖动模糊控制器
3.1.6 基于无抖动模糊控制器的模型参考自适应模糊控制系统稳定性分析
3.2 多输入多输出系统自适应模糊解耦控制
3.2.1 模型参考自适应模糊解耦控制
3.2.2 仿真
第4章 多变量非线性系统自适应模糊控制
4.1 反馈线性化基本理论
4.2 多输入多输出非线性系统自适应状态反馈模糊控制
4.2.1 问题的描述
4.2.2 自适应模糊控制器的设计
4.2.3 仿真
4.3 多输入多输出非线性系统自适应输出反馈模糊控制
4.3.1 问题的描述
4.3.2 自适应模糊控制器的设计
4.3.3 仿真
第5章 多变量非线性系统自适应模糊/神经网络解耦控制
5.1 多输入多输出非线性系统间接自适应模糊解耦控制
5.1.1 问题的描述
5.1.2 设计思想
5.1.3 间接自适应模糊解耦控制系统的设计与稳定性分析
5.1.4 仿真
5.2 多输入多输出非线性系统直接自适应模糊解耦控制
5.2.1 设计思想
5.2.2 直接自适应模糊解耦控制系统的设计与稳定性分析
5.2.3 仿真
5.3 基于神经网络干扰观测器的多输入多输出非线性系统解耦控制
5.3.1 问题的描述
5.3.2 RBF神经网络干扰观测器与控制器设计
5.3.3 仿真
第6章 多变量非线性系统自适应模糊/神经网络滑模控制
6.1 多输入多输出非线性系统自适应模糊滑模控制
6.1.1 问题的描述
6.1.2 自适应模糊滑模控制器的设计
6.1.3 仿真
6.2 多输入多输出非线性系统自适应神经网络滑模控制
6.2.1 问题的描述
6.2.2 自适应神经网络滑模控制器的设计
6.2.3 仿真
6.3 多输入多输出非线性系统自适应输出反馈神经网络滑模控制
6.3.1 问题的描述
6.3.2 自适应输出反馈神经网络滑模控制器的设计
6.3.3 仿真
第7章 多变量非线性系统混合模糊控制
7.1 混合控制
7.2 多输入多输出非线性系统模糊状态反馈控制
7.2.1 问题的描述
7.2.2 模糊状态反馈控制
7.2.3 系统稳定性分析
7.3 多输入多输出非线性系统模糊输出反馈控制
7.3.1 问题的描述
7.3.2 模糊输出反馈控制
7.3.3 系统稳定性分析
第8章 多变量非线性系统的在线自适应神经网络控制
8.1 广义模糊神经网络的在线学习
8.1.1 广义模糊神经网络的结构
8.1.2 广义模糊神经网络的学习算法
8.2 多输入多输出非线性系统的G-FNN逆模型
8.3 多输入多输出非线性系统的自适应模糊神经网络控制
8.3.1 自适应模糊神经网络控制器的结构
8.3.2 自适应模糊神经网络控制器的收敛性分析
8.3.3 自适应模糊神经网络控制系统稳定性分析
8.3.4 仿真
8.4 RBF神经网络的在线学习
8.4.1 RBF神经网络的结构
8.4.2 GP-RBF算法
8.5 多输入多输出非线性系统自适应RBF神经网络控制
8.5.1 自适应RBF神经网络控制器的结构
8.5.2 自适应RBF神经网络控制器的收敛性分析
8.5.3 自适应RBF神经网络控制系统稳定性分析
8.5.4 仿真
参考文献
缺书网
扫码进群