神经网络、模糊系统及其在运动控制中的应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络、模糊系统及其在运动控制中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言1

第1章 典型前向神经网络1

1.1 感知器网络4

1.1.1 感知器的网络结构及其功能5

1.1.2 感知器权值的学习规则与训练6

1.2 自适应线性元件11

1.2.1 自适应线性神经元模型和结构11

1.2.2 W-H学习规则及其网络的训练12

1.3 反向传播网络13

1.3.1 反向传播网络模型与结构13

1.3.2 BP算法15

1.3.3 BP网络的设计17

1.3.4 BP网络的限制与不足19

第2章 网络训练优化算法20

2.1 基于标准梯度下降的方法21

2.1.1 附加动量法21

2.1.2 自适应学习速率22

2.1.3 弹性BP算法23

2.2 基于数值优化方法的网络训练算法23

2.2.1 拟牛顿法24

2.2.2 共轭梯度法25

2.2.3 Levenberg-Marquardt法26

2.3.1 非线性函数的逼近27

2.3 数值实例对比27

2.3.2 逼近非线性直流电机的输入/输出特性29

2.4 小结31

第3章 BP网络在智能系统中的建模与控制32

3.1 直接正向模型建立32

3.2 逆模型建立33

3.3 系统中的控制35

3.3.1 监督式控制35

3.3.2 直接逆控制35

3.3.3 模型参考控制36

3.3.4 内模控制36

第4章 反馈网络37

4.1 霍普菲尔德网络模型38

4.2 DHNN的学习规则38

4.2.1 海布学习规则38

4.2.2 正交化的权值设计40

4.3 离散型反馈网络的稳定点与稳定域43

4.3.1 两个输入神经元的情况45

4.3.2 网络输入神经元为三个时的情况分析49

4.3.3 小结51

4.4 连续型霍普菲尔德网络51

4.4.1 对应于电子电路的网络结构52

4.4.2 霍普菲尔德能量函数及其稳定性分析54

4.4.3 能量函数与优化计算57

4.5 用CHNN求解TSP问题58

4.5.1 网络设计59

4.5.2 对终态时系统的输出向量V的解释61

4.5.3 用CHNN算法实现TSP的问题探讨62

4.5.4 各参数的影响64

4.5.5 小结67

第5章 自组织竞争人工神经网络68

5.1 几种联想学习规则68

5.1.1 内星学习规则69

5.1.2 外星学习规则70

5.2 自组织竞争网络71

5.2.1 网络结构71

5.1.3 科荷伦学习规则71

5.2.2 竞争学习规则73

5.2.3 竞争网络的训练过程74

5.3 科荷伦自组织映射网络76

5.3.1 科荷伦网络的拓扑结构77

5.3.2 网络的训练过程78

5.3.3 科荷伦网络的应用78

5.4 小结79

第6章 径向基函数网络80

6.1 径向基函数及其网络分析80

6.2 网络的训练与设计82

6.3 广义径向基网络83

6.4 数字应用对比及性能分析84

6.5 小结85

第7章 模糊理论基础86

7.1 引言86

7.2 模糊集合及其隶属函数88

7.2.1 模糊集合的定义88

7.2.2 模糊集合的表示方法89

7.2.3 模糊集合的并、交、补运算90

7.2.4 模糊集合的隶属函数90

7.3 模糊逻辑92

7.3.1 二值逻辑、多值逻辑和模糊逻辑92

7.3.2 模糊逻辑的基本运算92

7.3.3 模糊关系和模糊矩阵94

7.3.4 模糊语言及其算子96

7.4 模糊规则与模糊推理99

7.4.1 模糊“如果--那么”规则99

7.4.2 模糊逻辑推理100

第8章 模糊控制器的设计方法110

8.1 精确与模糊控制的事例110

8.1.1 采用精确的非模糊求解方法110

8.1.2 模糊方法113

8.2 模糊逻辑控制过程114

8.3 输入变量和输出变量的确定115

8.4 论域的确定116

8.5 确定模糊化和解模糊化方法117

8.5.1 模糊化方法118

8.5.2 解模糊判决方法120

8.6 模糊控制规则122

8.7 模糊逻辑推理123

8.7.1 合成模糊推理法123

8.7.2 结论是线性函数的模糊推理方法132

8.7.3 量化因子及比例因子的选择133

第9章 运动控制中的摩擦力补偿及其建模技术135

9.1 引言135

9.2 摩擦学及实验上提出的非线性摩擦力模型136

9.3 机械控制工程上采用的分析与补偿法137

9.4 运动控制139

9.5 运动控制中库仑摩擦力的结构分析140

9.6 基于模型的摩擦力前向补偿器的设计143

9.7 线性模型的参数辨识144

9.7.1 基于不同原理的辨识方法144

9.7.2 MATLAB中系统模型辨识的描述方法147

9.7.3 库仑摩擦力参数的辨识148

9.8 运动控制中的机电控制系统149

9.8.1 机械系统149

9.8.2 电子学技术149

9.8.3 先进的计算机控制150

9.8.4 自适应运动控制应用的例子151

9.9.1 被控过程线性段模型的参数辨识153

9.9 非线性直流电机仿真模型系统的建立153

9.9.2 非线性模型的建立及仿真系统的实现155

第10章 模糊控制系统的应用158

10.1 速度模糊控制器的设计158

10.2 三种控制器的设计与性能比较163

10.2.1 控制算法的描述163

10.2.2 结果的对比165

10.3 变参数双模糊控制器167

10.3.1 参数的设定167

10.3.2 仿真实验验证169

10.3.3 小结171

11.1.1 BP网络的设计172

11.1 BP网络结构、参数及训练方法的设计与选择172

第11章 神经网络的应用172

11.1.2 采用自适应学习速率与固定学习速率的比较176

11.1.3 改进算法的性能比较177

11.2 神经网络在电机非线性补偿中的设计与实现178

11.2.1 问题的提出178

11.2.2 伺服电机神经网络仿真器的设计178

11.2.3 神经网络补偿器的设计180

11.2.4 神经网络控制系统181

11.2.5 实验测试结果182

11.2.6 小结183

12.2 模糊系统的关系式184

第12章 模糊神经网络184

12.1 引言184

12.3 用神经网络直接实现的模糊系统186

12.4 Sugeno模糊推理法187

12.5 B样条模糊神经网络188

12.5.1 B样条函数及其网络188

12.5.2 B样条模糊神经网络控制器的设计191

12.6 径向基函数神经网络192

12.7 小结195

第13章 模糊神经系统的应用196

13.1 基于ANFIS的非线性电机系统的建模196

13.1.1 ANFIS的结构196

13.1.3 非线性电机系统建模198

13.1.2 混合学习算法198

13.1.4 基于ANFIS的建模199

13.1.5 辨识模型的验证200

13.1.6 小结202

13.2 用自组织竞争网络优化模糊神经网络的结构202

13.2.1 自组织竞争神经网络203

13.2.2 具有最佳结构与参数的模糊神经网络控制器的设计204

13.2.3 小结207

第14章 遗传算法208

14.1 遗传算法的基本特点209

14.2 遗传算法的基本操作210

14.3 遗传算法的设计步骤212

14.4 遗传算法的实质213

14.5 小结214

第15章 遗传算法的应用215

15.1 采用遗传算法提高神经网络模型辨识的精度215

15.1.1 引言215

15.1.2 改进的遗传算法216

15.1.3 实例验证217

15.1.4 小结218

15.2 模糊神经网络和遗传算法相结合的控制策略218

15.2.1 引言218

15.2.2 优化控制系统的结构219

15.2.3 优化仿真结果的对比和分析222

15.2.4 小结223

第16章 模拟退火算法及其应用224

16.1 Metropolis准则和模拟退火算法224

16.2 模拟退火算法的设计步骤225

16.3 应用模拟退火算法求解TSP问题226

16.3.1 TSP问题的求解步骤227

16.3.2 冷却进度表的选取228

16.3.3 求解TSP问题的程序实现230

16.3.4 模拟退火算法的性能对比232

16.4 模拟退火算法的改进235

参考文献236