基于MATLAB與fuzzyTECH的模糊與神經(jīng)網(wǎng)絡(luò)設(shè)計

前言

模糊邏輯能模擬人的智能，即能模擬人腦思維的模糊性的特點，可以模仿人的推理來處理常規(guī)數(shù)學(xué)方法難以解決的模糊信息處理問題，使得計算機的應(yīng)用擴展到更多領(lǐng)域。當將人類求解問題的思維邏輯加以形式化，并將不能表達思維過程中模糊概念的二值邏輯拓展到模糊邏輯時，基于模糊推理的智能模擬就成為智能信息處理技術(shù)中主要的方法，即模糊識別與模糊控制。神經(jīng)網(wǎng)絡(luò)技術(shù)將人腦神經(jīng)系統(tǒng)結(jié)構(gòu)和功能作為模擬對象，把人的智能歸結(jié)為腦的高層神經(jīng)網(wǎng)絡(luò)活動的結(jié)果，認為智能活動是大量簡單的神經(jīng)細胞通過復(fù)雜的相互連接形成網(wǎng)絡(luò)后并行運行的結(jié)果，使其更接近人腦的自組織、自學(xué)習(xí)和感知功能。模糊的長處在于邏輯推理，而神經(jīng)網(wǎng)絡(luò)的長處在于其自學(xué)習(xí)功能，二者結(jié)合既能彌補各自不足，又能發(fā)揮各自的長處，使其應(yīng)用更加廣泛化。本書以模糊控制、神經(jīng)網(wǎng)絡(luò)控制的理論及應(yīng)用為主線進行講解。第1章講解模糊邏輯的發(fā)展、模糊數(shù)學(xué)理論、模糊邏輯與模糊推理、模糊系統(tǒng)的建立及模糊系統(tǒng)的計算。第2章以具體的實例講解模糊控制的應(yīng)用方法、模糊控制與傳統(tǒng)控制的比較，以及模糊控制與傳統(tǒng)控制方法的結(jié)合。第3章講解神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程、人工神經(jīng)網(wǎng)絡(luò)模型的建立，并以典型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為例，以實例形式講解神經(jīng)網(wǎng)絡(luò)在智能控制中的應(yīng)用。第4章結(jié)合實例講解模糊控制和神經(jīng)網(wǎng)絡(luò)兩種智能控制方式的結(jié)合方法。鑒于模糊控制易于校驗和優(yōu)化，而神經(jīng)網(wǎng)絡(luò)能從數(shù)據(jù)集中學(xué)習(xí)，將各自的特色互相融合，即可實現(xiàn)兩種不同策略智能控制系統(tǒng)的結(jié)合。第5章介紹基于fuzzyTECH軟件的模糊控制系統(tǒng)的建立、模糊控制系統(tǒng)的優(yōu)化及基于fuzzyTECH的模糊控制的分析、調(diào)試等。第6章講解基于fuzzyTECH的NeuroFuzzy系統(tǒng)的設(shè)計、數(shù)據(jù)的分析與學(xué)習(xí)及模糊化、模糊規(guī)則與解模糊的學(xué)習(xí)。第7章結(jié)合工程實例講解基于fuzzyTECH的系統(tǒng)設(shè)計、調(diào)試及分析。本書的內(nèi)容大多來自于作者的科研與教學(xué)實踐，有關(guān)內(nèi)容的講解并沒有過多的理論推導(dǎo)，而代之以實用的算法，因此實用是本書的一大特點。第7章由張麗娜編寫，其余由周潤景教授編寫，全書由周潤景統(tǒng)稿、定稿。參加本書編寫的還有蘇良碧、張鵬飛、王偉、任冠中、丁莉、王志軍、李琳、胡訓(xùn)智、張麗敏、張紅敏、宋志清、劉怡芳、陳雪梅。在本書的編寫過程中，作者力求完美，但由于水平有限，書中不足之處敬請指正。

內(nèi)容概要

模糊與神經(jīng)網(wǎng)絡(luò)是兩種常用的智能信息處理技術(shù)，它們都能模擬人的智能行為，解決不確定、非線性、復(fù)雜的控制與分類問題，具有非常廣闊的應(yīng)用前景。本書以fuzzyTECH和MATLAB軟件平臺對模糊與神經(jīng)網(wǎng)絡(luò)技術(shù)進行了綜合講解并介紹了它們的應(yīng)用，以使讀者更全面地了解模糊與神經(jīng)網(wǎng)絡(luò)領(lǐng)域的最新研究成果。    本書選材精煉，論述簡明，介紹和分析了大量的應(yīng)用實例，便于讀者了解各種技術(shù)的應(yīng)用對象、應(yīng)用方法和應(yīng)用效果。本書適合從事智能控制系統(tǒng)研發(fā)的高級工程技術(shù)人員閱讀，也可作為高等學(xué)校相關(guān)專業(yè)本科生和研究生的教學(xué)用書。

書籍目錄

第1章要 模糊入門  1.1  模糊邏輯的發(fā)展    1.1.1  模糊邏輯的發(fā)展歷程    1.1.2  模糊邏輯在日本的發(fā)展    1.1.3  模糊邏輯在歐洲的發(fā)展    1.1.4  模糊邏輯在美國的發(fā)展   1.2  模糊邏輯的不確定類型    1.2.1  不確定的數(shù)學(xué)原理    1.2.2  語言不確定性模型  1.3  模糊集合    1.3.1  由經(jīng)典集合到模糊集合    1.3.2  模糊集合的基本概念    1.3.3  隸屬度函數(shù)   1.4  模糊集合的運算    1.4.1  模糊集合的基本運算     1.4.2  模糊集合的基本運算規(guī)律    1.4.3  模糊集合與經(jīng)典集合的聯(lián)系  1.5  模糊關(guān)系與模糊關(guān)系的合成    1.5.1  模糊關(guān)系的基本概念    1.5.2  模糊關(guān)系的合成     1.5.3  模糊關(guān)系的性質(zhì)    1.5.4  模糊變換  1.6  模糊邏輯及模糊推理     1.6.1  模糊邏輯技術(shù)     1.6.2  語言控制策略    1.6.3  模糊語言變量    1.6.4  模糊命題與模糊條件語句    1.6.5  判斷與推理     1.6.6  模糊推理  1.7  模糊邏輯系統(tǒng)的建立    1.7.1  模糊化     1.7.2  建立if-then規(guī)則庫    1.7.3  模糊推理     1.7.4  解模糊化  1.8  計算模糊系統(tǒng)     1.8.1  計算隸屬度     1.8.2  隸屬度函數(shù)的快速計算方法    1.8.3  模糊規(guī)則推理     1.8.4  將輸出結(jié)果清晰化   習(xí)題 45第2章  模糊應(yīng)用——模糊控制系統(tǒng)設(shè)計  2.1  鍋爐汽包水位控制系統(tǒng)設(shè)計     2.1.1  應(yīng)用背景     2.1.2  鍋爐汽包水位動態(tài)特性    2.1.3  模糊控制系統(tǒng)結(jié)構(gòu)    2.1.4  模糊控制器的設(shè)計     2.1.5  模糊控制系統(tǒng)仿真  2.2  模糊PID控制直流電動機伺服系統(tǒng)設(shè)計    2.2.1  應(yīng)用背景    2.2.2  系統(tǒng)控制原理    2.2.3  控制算法設(shè)計    2.2.4  系統(tǒng)硬件設(shè)計原理     2.2.5  系統(tǒng)軟件設(shè)計原理     2.2.6  系統(tǒng)調(diào)試及結(jié)果分析     2.2.7  系統(tǒng)的其他控制算法   習(xí)題 第3章  神經(jīng)網(wǎng)絡(luò)及聚類設(shè)計   3.1  什么是神經(jīng)網(wǎng)絡(luò)     3.1.1  神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程     3.1.2  生物神經(jīng)系統(tǒng)的結(jié)構(gòu)及沖動的傳遞過程     3.1.3  人工神經(jīng)網(wǎng)絡(luò)的定義  3.2  人工神經(jīng)網(wǎng)絡(luò)模型     3.2.1  人工神經(jīng)元的基本模型     3.2.2  人工神經(jīng)網(wǎng)絡(luò)基本構(gòu)架     3.2.3  人工神經(jīng)網(wǎng)絡(luò)的工作過程     3.2.4  人工神經(jīng)網(wǎng)絡(luò)的特點   3.3  前饋神經(jīng)網(wǎng)絡(luò)    3.3.1  感知器網(wǎng)絡(luò)    3.3.2  BP網(wǎng)絡(luò)     3.3.3  BP網(wǎng)絡(luò)的建立及執(zhí)行    3.3.4  BP網(wǎng)絡(luò)應(yīng)用于模式分類     3.3.5  BP網(wǎng)絡(luò)的其他學(xué)習(xí)算法的應(yīng)用  3.4  反饋神經(jīng)網(wǎng)絡(luò)     3.4.1  離散Hopfield（DHNN）網(wǎng)絡(luò)的結(jié)構(gòu)     3.4.2  離散Hopfield網(wǎng)絡(luò)的工作方式    3.4.3  Hopfield網(wǎng)絡(luò)的穩(wěn)定性和吸引子    3.4.4  Hopfield網(wǎng)絡(luò)的連接權(quán)設(shè)計    3.4.5  Hopfield網(wǎng)絡(luò)應(yīng)用于模式分類   3.5  徑向基函數(shù)     3.5.1  徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)及工作方式    3.5.2  徑向基函數(shù)網(wǎng)絡(luò)的特點及作用     3.5.3  徑向基函數(shù)網(wǎng)絡(luò)參數(shù)選擇    3.5.4  RBF網(wǎng)絡(luò)用于模式分類   3.6  其他形式的神經(jīng)網(wǎng)絡(luò)     3.6.1  競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織競爭     3.6.2  競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）    3.6.3  競爭型人工神經(jīng)網(wǎng)絡(luò)——學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)（LVQ）     3.6.4  概率神經(jīng)網(wǎng)絡(luò)（PNN）    3.6.5  CPN神經(jīng)網(wǎng)絡(luò)的設(shè)計  習(xí)題 第4章  基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用  4.1  神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的結(jié)合     4.1.1  模糊神經(jīng)網(wǎng)絡(luò)的特點     4.1.2  NeuroFuzzy與其他自適應(yīng)技術(shù)的比較   4.2  模糊神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計     4.2.1  基于模糊神經(jīng)網(wǎng)絡(luò)的控制器的結(jié)構(gòu)    4.2.2  神經(jīng)模糊控制系統(tǒng)的MATLAB實現(xiàn)   4.3  模糊神經(jīng)網(wǎng)絡(luò)用于模式識別系統(tǒng)設(shè)計     4.3.1  應(yīng)用背景     4.3.2  模糊神經(jīng)網(wǎng)絡(luò)算法的原理    4.3.3  基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計與實現(xiàn)   習(xí)題 211第5章  基于fuzzyTECH的模糊設(shè)計技術(shù)   5.1  fuzzyTECH界面用戶化    5.1.1  fuzzyTECH軟件界面     5.1.2  界面用戶化設(shè)置     5.1.3  視圖方式用戶化設(shè)置   5.2  使用模糊設(shè)計向?qū)гO(shè)計“empty”模糊系統(tǒng)   5.3  應(yīng)用fuzzyTECH配置模糊系統(tǒng)    5.3.1  模糊系統(tǒng)常見的結(jié)構(gòu)和對象     5.3.2  編輯對象    5.3.3  定義文本對象     5.3.4  定義語言變量    5.3.5  定義隸屬度函數(shù)    5.3.6  定義規(guī)則塊     5.3.7  模糊規(guī)則公式   5.4  使用優(yōu)化選項優(yōu)化模糊系統(tǒng)  5.5  連接fuzzyTECH到其他應(yīng)用  5.6  基于fuzzyTECH的起重機模糊控制系統(tǒng)分析     5.6.1  起重機模糊控制系統(tǒng)的用戶工具     5.6.2  起重機的控制策略    5.6.3  fuzzyTECH中的起重機模糊控制系統(tǒng)     5.6.4  在fuzzyTECH中啟動起重機模糊控制系統(tǒng)     5.6.5  fuzzyTECH中的響應(yīng)分析     5.6.6  模糊控制系統(tǒng)中的語言變量修改    5.6.7  模糊邏輯規(guī)則的修改    5.6.8  利用交互式調(diào)試模式進行系統(tǒng)測試  5.7  fuzzyTECH的在線調(diào)試功能     5.7.1  蒸汽鍋爐鼓輪仿真系統(tǒng)的操作     5.7.2  蒸汽鍋爐鼓輪仿真系統(tǒng)模糊邏輯控制策略    5.7.3  fuzzyTECH在線開發(fā)  5.8  fuzzyTECH文件記錄與校正控制系統(tǒng)     5.8.1  工程信息     5.8.2  文檔生成器     5.8.3  修正控制系統(tǒng)   習(xí)題第6章  基于fuzzyTECH的NeuroFuzzy設(shè)計技術(shù)第7章  fuzzyTECH的應(yīng)用

章節(jié)摘錄

插圖：1）功率半導(dǎo)體器件的發(fā)展電力電子技術(shù)、功率半導(dǎo)體器件的發(fā)展對電動機控制的發(fā)展影響極大。電力電子技術(shù)的迅猛發(fā)展，帶動和改變著電動機控制的面貌和應(yīng)用。20世紀50年代，硅晶閘管問世以后，功率半導(dǎo)體器件的研究取得了飛速的發(fā)展。20世紀60年代后期，可關(guān)斷晶閘管CTO實現(xiàn)了門級可關(guān)斷功能，并使斬波工作頻率擴展到1kHz。20世紀70年代中期，高功率晶體管和功率MOSFET問世，功率器件實現(xiàn)了全控功能，使得高頻應(yīng)用成為可能。20世紀80年代，絕緣柵雙極型晶體管（IGBT）問世，它綜合了MOSFE和雙極型功率晶體管兩者的功能。，由于功率器件工作在開關(guān)狀態(tài)，因此特別適合于數(shù)字控制、驅(qū)動。數(shù)字控制技術(shù)用于功率器件控制的獨特優(yōu)點：可嚴格控制最小開通、最小關(guān)斷時間；可嚴格控制死區(qū)時間。2）電動機控制器的發(fā)展電動機的控制器經(jīng)歷了從模擬控制器到數(shù)字控制器的發(fā)展。模擬器件的參數(shù)受外界影響較大，而且精度也較差。數(shù)字控制器與模擬控制器相比，具有可靠性高、參數(shù)調(diào)整方便、更改控制策略靈活、控制精度高、對環(huán)境因素不敏感等優(yōu)點。隨著工業(yè)電氣化、自動控制和家電產(chǎn)品領(lǐng)域?qū)﹄妱訖C控制產(chǎn)品的增加，對電動機控制技術(shù)的要求也不斷提高。傳統(tǒng)的8位單片機由于內(nèi)部系統(tǒng)體系結(jié)構(gòu)和計算功能等條件限制，在實現(xiàn)各種先進的電動機控制理論和高效的控制算法時遇到了困難。使用高性能的數(shù)字信號處理器（DSP）來解決電動機控制器不斷增加的計算量和速度需求是目前最普遍的做法。將一系列外圍設(shè)備（如模數(shù)轉(zhuǎn)換器、脈沖調(diào)制發(fā)生器和數(shù)字信號處理器）集成在一起組成復(fù)雜的電動機控制系統(tǒng)。隨著EDA技術(shù)的發(fā)展，用基于現(xiàn)場可編程門陣列FPGA的數(shù)字電子系統(tǒng)對電動機進行控制，為實現(xiàn)電動機數(shù)字控制提供了一種新的有效防法?，F(xiàn)場可編程門陣列（FPGA）器件集成度高、體積小、速度快，以硬件電路實現(xiàn)算法程序，將原來的電路板級產(chǎn)品集成為芯片級產(chǎn)品，從而降低了功耗，提高了可靠性。

編輯推薦

《基于MATLAB與fuzzyTECH的模糊與神經(jīng)網(wǎng)絡(luò)設(shè)計》：“十一五”國家重點圖書出版規(guī)劃項目。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    基于MATLAB與fuzzyTECH的模糊與神經(jīng)網(wǎng)絡(luò)設(shè)計 PDF格式下載

---