《神經元網路控制》是1998年機械工業出版社出版的圖書，作者是王永驥。
基本介紹
- 作者：王永驥 / 等
- ISBN：9787111058793
- 頁數：428
- 定價：26.00
- 出版社：機械工業出版社
- 出版時間：1998-02
- 裝幀：平裝
內容介紹,作品目錄,
內容介紹
本書由神經網路原理和神經網路控制兩部分組成。第一部分
介紹常用神經網路構成的原理及學習算法。第二部分介紹神經網
絡在自動控制領域中的套用，內容涉及神經網路系統辨識、神經
網路控制器設計及神經網路的故障診斷與容錯控制等方面。
本書可作為自動控制、計算機、通信等有關專業大學本科學
生及研究生的教學參考書，也可供相關領域的工程技術人員和研
究人員參考。
作品目錄
目 錄
《電氣自動化新技術叢書》序言
前言
第1章 概論
1.1生物神經元及生物神經網路
1.1.1生物神經元
1.1.2人腦神經網路系統
1.1.3人腦神經網路信息處理的特點
1.2生物神經網路的模型化――人工神經網路
1.2.1人工神經元模型
1.2.2人工神經網路的構成
1.2.3人工神經網路的學習
1.2.4人工神經網路與生物神經網路的比較
1.3人工神經網路的發展與現狀
1.4人工神經網路與自動控制
第2章 常用神經網路原理及學習算法
2.1神經網路的學習方法
2.1.1學習方法的類型
2.1.2無監督Hebb學習
2.2多層前向神經網路（1）
2.2.1多層前向神經網路的基本學習算法
2.2.2多層前向神經網路的誤差反向傳播（EBP）算法
2.2.3EBP算法學習速率的調整
2.2.4多層前向神經網路的二階學習算法
2.3多層前向神經網路（2）
2.3.1綜合目標函式
2.3.2多層前向神經網路基於綜合目標函式的誤差反向
傳播（GEBP）學習算法
2.3.3基於綜合目標函式的二階學習算法
2.3.4多層前向神經網路基於綜合目標函式的二階學習算法
2.4徑向基函式神經網路
2.4.1插值問題
2.4.2正規化問題
2.4.3正規化問題的逼近解及GRBF網路
2.4.4RBF網路的學習方法
2.4.5計算舉例――異或（XOR）問題
2.5Hopfie1d神經網路
2.5.1離散型Hopfield神經網路
2.5.2連續型Hopfield神經網路
2.5.3Hopfield網路在組合最佳化中的套用
2.6隨機神經網路
2.6.1SA算法
2.6.2Boltzmann機模型及其工作規則
2.6.3Boltzmann機的學習規則
2.7自組織競爭型神經網路
2.7.1基本競爭型神經網路及其學習規則
2.7.2抑制競爭型神經網路及其學習規則
2.7.3自適應共振理論神經網路
2.8自組織特徵映射神經網路
2.8.1SOFM網路模型結構及學習工作規則
2.8.2SOFM算法的性質
2.9對向傳播神經網路
2.9.1CP網路的結構及學習工作規則
2.9.2CP網路的改進
參考文獻
第3章 基於神經網路的系統辨識
3.1引言
3.1.1系統辨識的定義
3.1.2系統辨識的常用方法
3.2多層前向網路的逼近能力
3.3神經網路用於系統辨識的一般結構
3.3.1多層前向網路的一般結構
3.3.2多層動態前向網路的學習算法
3.3.3對象的非線性模型
3.4用神經網路組成的動態系統表示非線性系統的可能性
3.5基於BP網路的系統辨識
3.5.1BP網路的結構設計及辨識算法
3.5.2辨識算法的收斂性
3.5.3套用實例
3.5.4基於RLS（遞推最小二乘）訓練算法的多層
前向網路辨識
3.6採用預報誤差（RPE）法的神經網路辨識
3.6.1神經網路建模的結構
3.6.2神經網路的RPE算法
3.6.3套用實例
3.7基於神經網路的逆模型辨識
3.7.1非線性系統的可逆性
3.7.2逆系統建模方法
3.7.3開關作用函式的多層感知器網路在逆模型
辨識中的套用
3.8基於Hopfield網路的辨識
3.8.1Hopfield網路模型
3.8.2辨識算法
3.8.3套用實例
3.9ART－2網路在控制系統特徵參數辨識中的套用
3.10小結
參考文獻
第4章 神經網路控制器設計
4.1引言
4.2神經網路監督學習控制器（SNC）
4.2.1神經網路監督學習控制器工作原理
4.2.2套用實例
4.3神經網路模型參考自適應控制（NNMRAC）
4.3.1神經網路MRAC的一般結構
4.3.2間接神經網路MRAC
4.3.3直接神經網路MRAC
4.4神經網路自校正控制
4.4.1線性化反饋控制
4.4.2使用神經網路時的自校正控制
4.4.3仿真實例
4.4.4基於Adaline網的自適應控制
4.5神經前向網路直接自適應控制
4.5.1多層前向網路的直接自適應控制
4.5.2自動調整S型函式形狀的直接自適應控制
4.5.3神經網路控制與常規自適應控制的比較
4.6基於單個神經元的自適應控制
4.6.1自適應神經元及其學習策略
4.6.2控制器設計
4.6.3學習算法的改進
4.6.4神經元控制系統的閉環穩定性
4.6.5套用實例
4.6.6多變數系統的神經元控制
4.7神經網路PID控制
4.7.1基於多層前向網的PID控制
4.7.2基於單個神經元的直接PID控制
4.7.3基於多層網的近似PID控制
4.8神經網路預測控制
4.8.1神經網路預測控制的一般結構
4.8.2神經網路預測器的幾種方案
4.8.3Hopfield網路在預測控制中的套用
4.9神經網路模糊控制
4.9.1模糊控制的基本思想及控制系統的組成
4.9.2神經網路與模糊控制系統
4.9.3基於神經網路的模糊控制
4.9.4倒立擺的神經網路模糊控制
4.10基於回歸神經網路的控制
4.10.1對角回歸神經網路
4.10.2基於對角回歸神經網路的控制系統
4.10.3仿真結果
4.11小結
參考文獻
第5章 神經網路在故障診斷及容錯控制中的套用
5.1引言
5.2控制系統故障診斷的常用方法
5.2.1殘差產生方法――檢測觀測器法
5.2.2殘差產生方法――廣義一致矢量法
5.2.3殘差產生方法――基於參數估計的方法
5.2.4決策方法
5.3控制系統容錯控制器的設計方法
5.3.1控制器重構設計
5.3.2同時鎮定的控制器設計
5.3.3完整性控制器設計
5.4基於聯想記憶神經網路的故障診斷
5.4.1雙向聯想記憶網及故障診斷
5.4.2遞歸聯想記憶網及故障診斷
5.5基於BP網路的故障診斷
5.5.1BP網路的結構設計及學習模式的選擇
5.5.2某化工過程的BP網路的故障診斷
5.6基於Hopfield網路和ART－1網路的故障診斷
5.6.1故障檢測與隔離（FDI）算法流程
5.6.2基於Hopfield網路的參數估計
5.6.3過渡區識別器的設計
5.6.4基於ART－1網路的故障分類
5.6.5位置控制系統的故障檢測與隔離
5.7基於自適應神經元的故障診斷與容錯控制
5.7.1基於自適應神經元的故障診斷
5.7.2容錯控制器設計
5.8基於神經網路的診斷與控制的一體化方法
5.8.1四參數控制器
5.8.2執行器故障診斷
5.8.3感測器故障診斷
5.9基於神經網路的容錯解耦控制
5.9.1基於神經網路的解耦控制方案
5.9.2基於神經網路的容錯控制策略
5.10小結
參考文獻
《電氣自動化新技術叢書》序言
前言
第1章 概論
1.1生物神經元及生物神經網路
1.1.1生物神經元
1.1.2人腦神經網路系統
1.1.3人腦神經網路信息處理的特點
1.2生物神經網路的模型化――人工神經網路
1.2.1人工神經元模型
1.2.2人工神經網路的構成
1.2.3人工神經網路的學習
1.2.4人工神經網路與生物神經網路的比較
1.3人工神經網路的發展與現狀
1.4人工神經網路與自動控制
第2章 常用神經網路原理及學習算法
2.1神經網路的學習方法
2.1.1學習方法的類型
2.1.2無監督Hebb學習
2.2多層前向神經網路（1）
2.2.1多層前向神經網路的基本學習算法
2.2.2多層前向神經網路的誤差反向傳播（EBP）算法
2.2.3EBP算法學習速率的調整
2.2.4多層前向神經網路的二階學習算法
2.3多層前向神經網路（2）
2.3.1綜合目標函式
2.3.2多層前向神經網路基於綜合目標函式的誤差反向
傳播（GEBP）學習算法
2.3.3基於綜合目標函式的二階學習算法
2.3.4多層前向神經網路基於綜合目標函式的二階學習算法
2.4徑向基函式神經網路
2.4.1插值問題
2.4.2正規化問題
2.4.3正規化問題的逼近解及GRBF網路
2.4.4RBF網路的學習方法
2.4.5計算舉例――異或（XOR）問題
2.5Hopfie1d神經網路
2.5.1離散型Hopfield神經網路
2.5.2連續型Hopfield神經網路
2.5.3Hopfield網路在組合最佳化中的套用
2.6隨機神經網路
2.6.1SA算法
2.6.2Boltzmann機模型及其工作規則
2.6.3Boltzmann機的學習規則
2.7自組織競爭型神經網路
2.7.1基本競爭型神經網路及其學習規則
2.7.2抑制競爭型神經網路及其學習規則
2.7.3自適應共振理論神經網路
2.8自組織特徵映射神經網路
2.8.1SOFM網路模型結構及學習工作規則
2.8.2SOFM算法的性質
2.9對向傳播神經網路
2.9.1CP網路的結構及學習工作規則
2.9.2CP網路的改進
參考文獻
第3章 基於神經網路的系統辨識
3.1引言
3.1.1系統辨識的定義
3.1.2系統辨識的常用方法
3.2多層前向網路的逼近能力
3.3神經網路用於系統辨識的一般結構
3.3.1多層前向網路的一般結構
3.3.2多層動態前向網路的學習算法
3.3.3對象的非線性模型
3.4用神經網路組成的動態系統表示非線性系統的可能性
3.5基於BP網路的系統辨識
3.5.1BP網路的結構設計及辨識算法
3.5.2辨識算法的收斂性
3.5.3套用實例
3.5.4基於RLS（遞推最小二乘）訓練算法的多層
前向網路辨識
3.6採用預報誤差（RPE）法的神經網路辨識
3.6.1神經網路建模的結構
3.6.2神經網路的RPE算法
3.6.3套用實例
3.7基於神經網路的逆模型辨識
3.7.1非線性系統的可逆性
3.7.2逆系統建模方法
3.7.3開關作用函式的多層感知器網路在逆模型
辨識中的套用
3.8基於Hopfield網路的辨識
3.8.1Hopfield網路模型
3.8.2辨識算法
3.8.3套用實例
3.9ART－2網路在控制系統特徵參數辨識中的套用
3.10小結
參考文獻
第4章 神經網路控制器設計
4.1引言
4.2神經網路監督學習控制器（SNC）
4.2.1神經網路監督學習控制器工作原理
4.2.2套用實例
4.3神經網路模型參考自適應控制（NNMRAC）
4.3.1神經網路MRAC的一般結構
4.3.2間接神經網路MRAC
4.3.3直接神經網路MRAC
4.4神經網路自校正控制
4.4.1線性化反饋控制
4.4.2使用神經網路時的自校正控制
4.4.3仿真實例
4.4.4基於Adaline網的自適應控制
4.5神經前向網路直接自適應控制
4.5.1多層前向網路的直接自適應控制
4.5.2自動調整S型函式形狀的直接自適應控制
4.5.3神經網路控制與常規自適應控制的比較
4.6基於單個神經元的自適應控制
4.6.1自適應神經元及其學習策略
4.6.2控制器設計
4.6.3學習算法的改進
4.6.4神經元控制系統的閉環穩定性
4.6.5套用實例
4.6.6多變數系統的神經元控制
4.7神經網路PID控制
4.7.1基於多層前向網的PID控制
4.7.2基於單個神經元的直接PID控制
4.7.3基於多層網的近似PID控制
4.8神經網路預測控制
4.8.1神經網路預測控制的一般結構
4.8.2神經網路預測器的幾種方案
4.8.3Hopfield網路在預測控制中的套用
4.9神經網路模糊控制
4.9.1模糊控制的基本思想及控制系統的組成
4.9.2神經網路與模糊控制系統
4.9.3基於神經網路的模糊控制
4.9.4倒立擺的神經網路模糊控制
4.10基於回歸神經網路的控制
4.10.1對角回歸神經網路
4.10.2基於對角回歸神經網路的控制系統
4.10.3仿真結果
4.11小結
參考文獻
第5章 神經網路在故障診斷及容錯控制中的套用
5.1引言
5.2控制系統故障診斷的常用方法
5.2.1殘差產生方法――檢測觀測器法
5.2.2殘差產生方法――廣義一致矢量法
5.2.3殘差產生方法――基於參數估計的方法
5.2.4決策方法
5.3控制系統容錯控制器的設計方法
5.3.1控制器重構設計
5.3.2同時鎮定的控制器設計
5.3.3完整性控制器設計
5.4基於聯想記憶神經網路的故障診斷
5.4.1雙向聯想記憶網及故障診斷
5.4.2遞歸聯想記憶網及故障診斷
5.5基於BP網路的故障診斷
5.5.1BP網路的結構設計及學習模式的選擇
5.5.2某化工過程的BP網路的故障診斷
5.6基於Hopfield網路和ART－1網路的故障診斷
5.6.1故障檢測與隔離（FDI）算法流程
5.6.2基於Hopfield網路的參數估計
5.6.3過渡區識別器的設計
5.6.4基於ART－1網路的故障分類
5.6.5位置控制系統的故障檢測與隔離
5.7基於自適應神經元的故障診斷與容錯控制
5.7.1基於自適應神經元的故障診斷
5.7.2容錯控制器設計
5.8基於神經網路的診斷與控制的一體化方法
5.8.1四參數控制器
5.8.2執行器故障診斷
5.8.3感測器故障診斷
5.9基於神經網路的容錯解耦控制
5.9.1基於神經網路的解耦控制方案
5.9.2基於神經網路的容錯控制策略
5.10小結
參考文獻
