神經(jīng)元網(wǎng)絡(luò)控制

     目 錄
   《電氣自動(dòng)化新技術(shù)叢書(shū)》序言
   前言
   第1章 概論
    1.1生物神經(jīng)元及生物神經(jīng)網(wǎng)絡(luò)
    1.1.1生物神經(jīng)元
    1.1.2人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)
    1.1.3人腦神經(jīng)網(wǎng)絡(luò)信息處理的特點(diǎn)
    1.2生物神經(jīng)網(wǎng)絡(luò)的模型化——人工神經(jīng)網(wǎng)絡(luò)
    1.2.1人工神經(jīng)元模型
    1.2.2人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成
    1.2.3人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
    1.2.4人工神經(jīng)網(wǎng)絡(luò)與生物神經(jīng)網(wǎng)絡(luò)的比較
    1.3人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與現(xiàn)狀
    1.4人工神經(jīng)網(wǎng)絡(luò)與自動(dòng)控制
   第2章 常用神經(jīng)網(wǎng)絡(luò)原理及學(xué)習(xí)算法
    2.1神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    2.1.1學(xué)習(xí)方法的類(lèi)型
    2.1.2無(wú)監(jiān)督Hebb學(xué)習(xí)
    2.2多層前向神經(jīng)網(wǎng)絡(luò)（1）
    2.2.1多層前向神經(jīng)網(wǎng)絡(luò)的基本學(xué)習(xí)算法
    2.2.2多層前向神經(jīng)網(wǎng)絡(luò)的誤差反向傳播（EBP）算法
    2.2.3EBP算法學(xué)習(xí)速率的調(diào)整
    2.2.4多層前向神經(jīng)網(wǎng)絡(luò)的二階學(xué)習(xí)算法
    2.3多層前向神經(jīng)網(wǎng)絡(luò)（2）
    2.3.1綜合目標(biāo)函數(shù)
    2.3.2多層前向神經(jīng)網(wǎng)絡(luò)基于綜合目標(biāo)函數(shù)的誤差反向
    傳播（GEBP）學(xué)習(xí)算法
    2.3.3基于綜合目標(biāo)函數(shù)的二階學(xué)習(xí)算法
    2.3.4多層前向神經(jīng)網(wǎng)絡(luò)基于綜合目標(biāo)函數(shù)的二階學(xué)習(xí)算法
    2.4徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
    2.4.1插值問(wèn)題
    2.4.2正規(guī)化問(wèn)題
    2.4.3正規(guī)化問(wèn)題的逼近解及GRBF網(wǎng)絡(luò)
    2.4.4RBF網(wǎng)絡(luò)的學(xué)習(xí)方法
    2.4.5計(jì)算舉例——異或（XOR）問(wèn)題
    2.5Hopfie1d神經(jīng)網(wǎng)絡(luò)
    2.5.1離散型Hopfield神經(jīng)網(wǎng)絡(luò)
    2.5.2連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
    2.5.3Hopfield網(wǎng)絡(luò)在組合優(yōu)化中的應(yīng)用
    2.6隨機(jī)神經(jīng)網(wǎng)絡(luò)
    2.6.1SA算法
    2.6.2Boltzmann機(jī)模型及其工作規(guī)則
    2.6.3Boltzmann機(jī)的學(xué)習(xí)規(guī)則
    2.7自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)
    2.7.1基本競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則
    2.7.2抑制競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則
    2.7.3自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)
    2.8自組織特征映射神經(jīng)網(wǎng)絡(luò)
    2.8.1SOFM網(wǎng)絡(luò)模型結(jié)構(gòu)及學(xué)習(xí)工作規(guī)則
    2.8.2SOFM算法的性質(zhì)
    2.9對(duì)向傳播神經(jīng)網(wǎng)絡(luò)
    2.9.1CP網(wǎng)絡(luò)的結(jié)構(gòu)及學(xué)習(xí)工作規(guī)則
    2.9.2CP網(wǎng)絡(luò)的改進(jìn)
    參考文獻(xiàn)
   第3章 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
    3.1引言
    3.1.1系統(tǒng)辨識(shí)的定義
    3.1.2系統(tǒng)辨識(shí)的常用方法
    3.2多層前向網(wǎng)絡(luò)的逼近能力
    3.3神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)辨識(shí)的一般結(jié)構(gòu)
    3.3.1多層前向網(wǎng)絡(luò)的一般結(jié)構(gòu)
    3.3.2多層動(dòng)態(tài)前向網(wǎng)絡(luò)的學(xué)習(xí)算法
    3.3.3對(duì)象的非線性模型
    3.4用神經(jīng)網(wǎng)絡(luò)組成的動(dòng)態(tài)系統(tǒng)表示非線性系統(tǒng)的可能性
    3.5基于BP網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
    3.5.1BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)及辨識(shí)算法
    3.5.2辨識(shí)算法的收斂性
    3.5.3應(yīng)用實(shí)例
    3.5.4基于RLS（遞推最小二乘）訓(xùn)練算法的多層
    前向網(wǎng)絡(luò)辨識(shí)
    3.6采用預(yù)報(bào)誤差（RPE）法的神經(jīng)網(wǎng)絡(luò)辨識(shí)
    3.6.1神經(jīng)網(wǎng)絡(luò)建模的結(jié)構(gòu)
    3.6.2神經(jīng)網(wǎng)絡(luò)的RPE算法
    3.6.3應(yīng)用實(shí)例
    3.7基于神經(jīng)網(wǎng)絡(luò)的逆模型辨識(shí)
    3.7.1非線性系統(tǒng)的可逆性
    3.7.2逆系統(tǒng)建模方法
    3.7.3開(kāi)關(guān)作用函數(shù)的多層感知器網(wǎng)絡(luò)在逆模型
    辨識(shí)中的應(yīng)用
    3.8基于Hopfield網(wǎng)絡(luò)的辨識(shí)
    3.8.1Hopfield網(wǎng)絡(luò)模型
    3.8.2辨識(shí)算法
    3.8.3應(yīng)用實(shí)例
    3.9ART－2網(wǎng)絡(luò)在控制系統(tǒng)特征參數(shù)辨識(shí)中的應(yīng)用
    3.10小結(jié)
    參考文獻(xiàn)
   第4章 神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)
    4.1引言
    4.2神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)控制器（SNC）
    4.2.1神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)控制器工作原理
    4.2.2應(yīng)用實(shí)例
    4.3神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制（NNMRAC）
    4.3.1神經(jīng)網(wǎng)絡(luò)MRAC的一般結(jié)構(gòu)
    4.3.2間接神經(jīng)網(wǎng)絡(luò)MRAC
    4.3.3直接神經(jīng)網(wǎng)絡(luò)MRAC
    4.4神經(jīng)網(wǎng)絡(luò)自校正控制
    4.4.1線性化反饋控制
    4.4.2使用神經(jīng)網(wǎng)絡(luò)時(shí)的自校正控制
    4.4.3仿真實(shí)例
    4.4.4基于Adaline網(wǎng)的自適應(yīng)控制
    4.5神經(jīng)前向網(wǎng)絡(luò)直接自適應(yīng)控制
    4.5.1多層前向網(wǎng)絡(luò)的直接自適應(yīng)控制
    4.5.2自動(dòng)調(diào)整S型函數(shù)形狀的直接自適應(yīng)控制
    4.5.3神經(jīng)網(wǎng)絡(luò)控制與常規(guī)自適應(yīng)控制的比較
    4.6基于單個(gè)神經(jīng)元的自適應(yīng)控制
    4.6.1自適應(yīng)神經(jīng)元及其學(xué)習(xí)策略
    4.6.2控制器設(shè)計(jì)
    4.6.3學(xué)習(xí)算法的改進(jìn)
    4.6.4神經(jīng)元控制系統(tǒng)的閉環(huán)穩(wěn)定性
    4.6.5應(yīng)用實(shí)例
    4.6.6多變量系統(tǒng)的神經(jīng)元控制
    4.7神經(jīng)網(wǎng)絡(luò)PID控制
    4.7.1基于多層前向網(wǎng)的PID控制
    4.7.2基于單個(gè)神經(jīng)元的直接PID控制
    4.7.3基于多層網(wǎng)的近似PID控制
    4.8神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制
    4.8.1神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制的一般結(jié)構(gòu)
    4.8.2神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器的幾種方案
    4.8.3Hopfield網(wǎng)絡(luò)在預(yù)測(cè)控制中的應(yīng)用
    4.9神經(jīng)網(wǎng)絡(luò)模糊控制
    4.9.1模糊控制的基本思想及控制系統(tǒng)的組成
    4.9.2神經(jīng)網(wǎng)絡(luò)與模糊控制系統(tǒng)
    4.9.3基于神經(jīng)網(wǎng)絡(luò)的模糊控制
    4.9.4倒立擺的神經(jīng)網(wǎng)絡(luò)模糊控制
    4.10基于回歸神經(jīng)網(wǎng)絡(luò)的控制
    4.10.1對(duì)角回歸神經(jīng)網(wǎng)絡(luò)
    4.10.2基于對(duì)角回歸神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)
    4.10.3仿真結(jié)果
    4.11小結(jié)
    參考文獻(xiàn)
   第5章 神經(jīng)網(wǎng)絡(luò)在故障診斷及容錯(cuò)控制中的應(yīng)用
    5.1引言
    5.2控制系統(tǒng)故障診斷的常用方法
    5.2.1殘差產(chǎn)生方法——檢測(cè)觀測(cè)器法
    5.2.2殘差產(chǎn)生方法——廣義一致矢量法
    5.2.3殘差產(chǎn)生方法——基于參數(shù)估計(jì)的方法
    5.2.4決策方法
    5.3控制系統(tǒng)容錯(cuò)控制器的設(shè)計(jì)方法
    5.3.1控制器重構(gòu)設(shè)計(jì)
    5.3.2同時(shí)鎮(zhèn)定的控制器設(shè)計(jì)
    5.3.3完整性控制器設(shè)計(jì)
    5.4基于聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)的故障診斷
    5.4.1雙向聯(lián)想記憶網(wǎng)及故障診斷
    5.4.2遞歸聯(lián)想記憶網(wǎng)及故障診斷
    5.5基于BP網(wǎng)絡(luò)的故障診斷
    5.5.1BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)及學(xué)習(xí)模式的選擇
    5.5.2某化工過(guò)程的BP網(wǎng)絡(luò)的故障診斷
    5.6基于Hopfield網(wǎng)絡(luò)和ART－1網(wǎng)絡(luò)的故障診斷
    5.6.1故障檢測(cè)與隔離（FDI）算法流程
    5.6.2基于Hopfield網(wǎng)絡(luò)的參數(shù)估計(jì)
    5.6.3過(guò)渡區(qū)識(shí)別器的設(shè)計(jì)
    5.6.4基于ART－1網(wǎng)絡(luò)的故障分類(lèi)
    5.6.5位置控制系統(tǒng)的故障檢測(cè)與隔離
    5.7基于自適應(yīng)神經(jīng)元的故障診斷與容錯(cuò)控制
    5.7.1基于自適應(yīng)神經(jīng)元的故障診斷
    5.7.2容錯(cuò)控制器設(shè)計(jì)
    5.8基于神經(jīng)網(wǎng)絡(luò)的診斷與控制的一體化方法
    5.8.1四參數(shù)控制器
    5.8.2執(zhí)行器故障診斷
    5.8.3傳感器故障診斷
    5.9基于神經(jīng)網(wǎng)絡(luò)的容錯(cuò)解耦控制
    5.9.1基于神經(jīng)網(wǎng)絡(luò)的解耦控制方案
    5.9.2基于神經(jīng)網(wǎng)絡(luò)的容錯(cuò)控制策略
    5.10小結(jié)
   參考文獻(xiàn)