本书面向模糊系统结构解析和在线自组织设计问题，系统介绍了作者在该领域取得的最新研究成果。全书共9章，主要内容包括：最简模糊控制器的结构解析及其闭环模糊控制系统稳定性分析、齐次T-S模糊系统的逼近性能、基于输入空间模糊划分的T-S模糊控制系统的稳定性分析与系统化设计、模糊系统与神经网络的等价性、基于神经网络的在线自组织模糊系统、模糊神经系统在船舶工程领域的应用等。本书从实际问题出发，凝练科学问题，试图从理论分析和算法设计的角度，为工程实践提供可靠有效的解决方案。
样章试读
目录
- 目录
《博士后文库》序言
前言
第1章 绪论 1
1.1 研究背景和意义 1
1.2 相关领域的研究现状 2
1.2.1 Mamdani模糊控制器的结构分析 3
1.2.2 Mamdani模糊控制系统的稳定性分析 6
1.2.3 T-S模糊系统逼近性能分析 7
1.2.4 T-S模糊控制系统稳定性分析和系统化设计 9
1.2.5 基于神经网络的在线自组织模糊系统 10
1.3 模糊系统理论中存在的几个主要问题 12
1.3.1 Mamdani模糊控制系统解析及其稳定性分析 12
1.3.2 T-S模糊控制系统逼近性能及其稳定性分析 13
1.3.3 在线自组织模糊神经网络 13
1.4 本书主要研究内容 13
第2章 模糊系统和神经网络理论基础 16
2.1 模糊系统 16
2.1.1 模糊集 16
2.1.2 模糊规则 17
2.1.3 模糊推理系统的结构与基本原理 19
2.1.4 模糊推理系统的分类 23
2.1.5 输入空间的模糊划分 26
2.1.6 模糊系统是万能逼近器 26
2.2 神经网络 27
2.2.1 神经网络的特性 27
2.2.2 径向基神经网络 29
2.3 基于神经网络的模糊系统 30
2.3.1 模糊系统与神经网络的知识处理 30
2.3.2 模糊系统与神经网络的等价性 30
2.3.3 基于神经网络的自组织模糊系统 31
第3章 模糊控制器结构解析 32
3.1 概述 32
3.2 两维最简模糊控制器结构分析 33
3.2.1 广义梯形隶属函数 34
3.2.2 Mamdani最简模糊控制器 35
3.2.3 输入采用GTS隶属函数的模糊控制器结构分析 38
3.2.4 仿真研究 42
3.3 三维最简模糊控制器结构分析 44
3.3.1 基本结构 44
3.3.2 模糊化模块 45
3.3.3 模糊规则与模糊推理 46
3.3.4 解模糊模块 47
3.3.5 结构解析 47
3.4 本章小结 53
第4章 齐次模糊系统逼近性能分析 55
4.1 概述 55
4.2 齐次T-S模糊系统 56
4.3 输入空间的模糊划分及性质 56
4.4 模糊系统逼近性能分析 58
4.4.1 通用逼近性能 58
4.4.2 一致逼近的充分条件 60
4.4.3 对一次导数的逼近 61
4.5 仿真研究 63
4.5.1 示例一 63
4.5.2 示例二 64
4.6 本章小结 66
第5章 模糊控制系统稳定性分析及系统化设计 67
5.1 概述 67
5.2 小增益定理 69
5.2.1 L 稳定 69
5.2.2 小增益定理 70
5.3 Mamdani模糊控制系统的稳定性分析及设计 71
5.3.1 两维模糊控制器系统的稳定性分析 71
5.3.2 三维模糊控制器系统的稳定性分析 73
5.3.3 仿真研究 75
5.4 T-S模糊控制系统的稳定性分析及设计 77
5.4.1 T-S模糊模型 77
5.4.2 输入采用GFP的T-S模糊系统 78
5.4.3 Lyapunov稳定性理论 80
5.4.4 释放的闭环模糊系统稳定性条件 80
5.4.5 稳定性条件的保守性比较 83
5.4.6 T-S模糊控制器的系统化设计 86
5.4.7 船舶力控减摇鳍模糊控制系统的设计 86
5.4.8 仿真研究 89
5.5 本章小结 94
第6章 模糊系统与神经网络的等价性 96
6.1 概述 96
6.2 广义椭球基函数神经网络 97
6.3 T-S模糊系统 99
6.4 GEBF-NN与T-S模糊系统的等价性 100
6.5 仿真研究 103
6.6 本章小结 106
第7章 基于椭球基函数神经网络的在线自组织模糊系统 107
7.1 概述 107
7.2 FAOS-PFNN的结构 109
7.3 FAOS-PFNN在线学习算法 110
7.3.1 规则产生准则 110
7.3.2 参数调整 114
7.3.3 完整的算法结构 115
7.4 仿真研究 116
7.4.1 Hermite函数逼近 116
7.4.2 多维非线性函数建模 118
7.4.3 非线性动态系统辨识 121
7.4.4 Mackey-Glass时间序列预测 123
7.5 本章小结 128
第8章 基于广义椭球基函数神经网络的在线自组织模糊系统 129
8.1 概述 129
8.2 GEBF-OSFNN的结构 130
8.2.1 广义椭球基函数 130
8.2.2 GEBF-OSFNN的结构 131
8.3 GEBF-OSFNN学习算法 132
8.3.1 规则生长准则 133
8.3.2 规则修剪准则 134
8.3.3 前件调整 135
8.3.4 权重估计 139
8.3.5 完整的算法结构 139
8.4 仿真研究 140
8.4.1 多维非线性函数建模 140
8.4.2 非线性动态系统辨识 144
8.4.3 Mackey-Glass时间序列预测 147
8.4.4 真实标杆数据回归 151
8.5 本章小结 152
第9章 在线自组织模糊神经网络应用 154
9.1 概述 154
9.2 船舶领域模型辨识 154
9.2.1 船舶领域 154
9.2.2 阻挡区域 156
9.2.3 基于FAOS-PFNN的船舶领域模型辨识 158
9.2.4 仿真研究 158
9.2.5 小结 161
9.3 船舶运动模型辨识 161
9.3.1 船舶运动模型 161
9.3.2 由两撇系统到响应型模型 164
9.3.3 基于GEBF-OSFNN的整体船舶运动模型 165
9.3.4 基于GEBF-OSFNN的响应型船舶运动模型 171
9.3.5 小结 174
9.4 船舶操纵运动控制 174
9.4.1 动态PID控制器 174
9.4.2 GEBF-OSFNN船舶操纵控制系统 175
9.4.3 仿真研究 176
9.4.4 小结 178
9.5 本章小结 179
参考文献 180
编后记 195
彩图
京公网安备 11010102004214号