目 录
摘 要 Ⅰ
Abstract Ⅱ
第1章 绪论 1
1.1 神经网络概述 1
1.2 神经网络的研究发展史 1
1.2.1 启蒙时期 1
1.2.2 低潮时期 2
1.2.3 复兴时期 2
1.2.4 新时期 2
1.2.5 国内研究概况 3
1.3 人工神经网络的主要应用领域 3
1.3.1 信息领域 3
1.3.2 自动化领域 3
1.3.3 工程领域 4 1.4 毕业设计与要求及基本思路 4
第2章 模糊神经网络控制 6
2.1 人工神经元模型 6
2.2 人工神经网络结构 7
2.2.1 层次网络模型 7
2.2.2 互连网络模型 7
2.3 神经网络学习方法 8
2.3.1 学习方式 8
2.3.2 学习规则 8
2.3.3 学习与自适应 11
2.4 前向神经网络 11
2.4.1 感知器 11
2.4.2 线形神经网络 12
2.5 BP控制方法 12
2.5.1 基于BP 算法的多层前馈网络模型 14
2.5.2 BP学习算法 14
2.5.3 标准BP 算法的改进 15
2.5.4 基于BP 算法的多层前馈网络设计基础 16
2.5.5 初始权值的设计 18
2.5.6 多层前馈网络结构设计 19
2.5.7 网络训练与测试 19
2.6 模糊控制方法 20
2.6.1 模糊控制系统的组成 20
2.6.2 模糊化工程 21
2.6.3 知识库 21
2.6.4 推理决策逻辑 22
2.6.5 精确化过程 22
2.6.6 模糊控制系统的设计 24
2.6.7 模糊控制系统的改进 26
第3章 神经网络在非线形不确定时滞系统中的应用研究 29
3.1 方案的提出 29
3.2 方案设计 29
3.3 神经网络模糊控制器的自学习法 32
3.3.1 控制误差指标 32
3.3.2 调节控制器误差指标 32
3.3.3 对象模型PMN输出与测量量得的误差指标 32
3.3.4 对象模型PMN网络参数的学习 32
3.3.5 模糊控制器FC 的修正因子，的学习算法 33
第四章 神经网络控制系统的MATLAB仿真方法 35
4.1 控制系统计算机仿真的基本概念 35
4.1.1 系统计算机仿真 35
4.1.2 控制系统计算机仿真的过程 35
4.2 控制系统PID仿真 36
4.2.1 PID简述 36
4.2.2 PID仿真与分析 37
4.3 模糊控制系统的仿真与分析 39
4.3.1 MA TLAB模糊逻辑工具箱 39
4.3.2 仿真与分析 39
4.4 神经网络在非线形不确定时滞系统中的仿真与分析 41
结束语 45
参考文献 46
致谢 47
附录 48
神经网络在非线形不确定系统中的应用研究
摘要：神经网络以其可学习的特性和高度的并行结构成为自控界的热门研究课题。它能以任意精度逼近任意非线形函数，能同时处理定量和定性的信息，能很好地协调多种输入信息关系。适用于多信息融合和多媒体技术。它为解决不确定性系统的许多控制问题及高度非先行问题提供了一个有力的工具。本文介绍了神经元和神经网络的基本结构,并在此基础上分析了人工神经网络的特性、学习、训练，说明了典型网络BP网络的工作原理，对人工神经网络在非线形系统中的应用也进行了讨论。工业生产过程中常有大时滞存在，用传统方法不能获得满意的控制效果。针对时滞不确定非线形系统的控制问题，讨论了一种基于史密斯预估补偿控制结构的模糊控制与人工神经网络相结合的自优化控制方法。仿真分析表明它对时滞非线形时变对象具有良好的控制效果[1]。
关键词：神经网络；模糊控制；史密斯控制；时滞不确定非线形系统
