●目錄
前言
第1章 模糊繫統概述 1
1.1 概述 1
1.1.1 模糊經驗知識 1
1.1.2 模糊集合與算法理論 2
1.2 傳統控制繫統設計 3
1.2.1 數學建模 4
1.2.2 控制器設計 5
1.2.3 性能驗證 7
1.3 模糊控制繫統設計 7
1.3.1 模糊模型 7
1.3.2 模糊控制器設計 8
1.3.3 性能驗證 10
1.4 模糊繫統的發展歷程 10
1.4.1 標準型模糊模型 10
1.4.2 函數型模糊模型 12
1.4.3 模糊繫統理論與應用進展 12
1.5 本書體繫和內容 14
思考題 15
參考文獻 15
第2章 模糊數學基礎 17
2.1 經典集合 17
2.1.1 集合及其特征函數 17
2.1.2 映射 19
2.2 模糊集合 20
2.2.1 模糊集合及其表示 20
2.2.2 模糊隸屬度函數 23
2.2.3 模糊映射 25
2.3 擴展原理 25
2.3.1 凸模糊集 25
2.3.2 如何設定隸屬度函數 26
2.3.3 模糊集合的擴展原理 29
2.4 模糊關繫 32
2.4.1 模糊關繫的定義 32
2.4.2 模糊關繫的合成 35
2.4.3 模糊向量 36
2.5 模糊變換 37
2.5.1 模糊變換及其表示 37
2.5.2 模糊綜合決策 38
2.6 本章小結 38
思考題 39
參考文獻 39
第3章 模糊邏輯與模糊推理 40
3.1 模糊邏輯 40
3.1.1 命題與謂詞 40
3.1.2 邏輯演算 41
3.1.3 模糊命題與模糊謂詞 41
3.1.4 模糊邏輯演算 42
3.2 模糊語言變量 42
3.2.1 模糊語言變量要素 42
3.2.2 語氣算子 43
3.2.3 模糊語言變量結構 44
3.3 If-Then 模糊條件推理 45
3.3.1 經驗知識的語言描述 45
3.3.2 模糊判斷句 47
3.3.3 If-Then 模糊推理句 47
3.3.4 簡單模糊推理過程 48
3.4 模糊規則庫 50
3.4.1 模糊規則 50
3.4.2 規則庫 52
3.4.3 模糊蘊涵關繫 53
3.5 本章小結 57
思考題 57
參考文獻 58
第4章 模糊控制繫統 59
4.1 模糊控制器 59
4.1.1 模糊控制器構成 59
4.1.2 模糊繫統是通用逼近器 60
4.2 Mamdani 標準型模糊繫統 60
4.2.1 If-Then 策略機制 60
4.2.2 Mamdani 標準型模糊模型 61
4.3 模糊化 62
4.3.1 選擇輸入輸出量 62
4.3.2 隸屬度函數選取 63
4.3.3 II 型模糊器 65
4.3.4 單值模糊器 66
4.3.5 規則庫中的數據與知識 67
4.4 模糊控制推理方法 70
4.4.1 規則匹配 70
4.4.2 規則推理 71
4.4.3 最小優選重心法推理 71
4.4.4 代數積加法平均法推理 75
4.4.5 模糊關繫合成推理法 76
4.5 逆模糊化 79
4.5.1 優選值法 79
4.5.2 重心法 80
4.5.3 中心平均法 81
4.5.4 小車倒立擺模糊控制 82
4.5.5 論域增益調節 84
4.6 圓臺倒立擺模糊控制繫統設計 87
4.6.1 圓臺倒立擺繫統建模 87
4.6.2 圓臺倒立擺模糊控制設計 88
4.6.3 圓臺倒立擺控制結果與分析 89
4.7 本章小結 90
思考題 90
參考文獻 91
第5章 模糊分類與聚類 93
5.1 模式分類的模糊方法 93
5.1.1 模式分類 93
5.1.2 模糊分類 94
5.1.3 基於模糊邏輯的邊緣檢測 96
5.2 基於規則的模糊分類 99
5.2.1 If-Then 模糊規則分類 99
5.2.2 模糊規則學習 100
5.2.3 決策樹 101
5.2.4 模糊分級 102
5.3 聚類 103
5.3.1 無監督方法 103
5.3.2 k-均值聚類 104
5.3.3 模糊聚類 106
5.4 模糊 k-均值聚類與分析 107
5.4.1 模糊 k-均值聚類 107
5.4.2 模糊聚類與分析——以 Iris 數據集為例 109
5.5 本章小結 112
思考題 113
參考文獻 113
第6章 T-S 函數型模糊模型與模糊繫統分析 114
6.1 T-S 函數型模糊模型 114
6.1.1 T-S 函數型模糊模型概述 114
6.1.2 函數插值 116
6.1.3 線性繫統插值 118
6.2 非線性分析 119
6.2.1 T-S 分段線性化 120
6.2.2 分段線性繫統 121
6.2.3 模糊繫統的非線性分析 122
6.3 模糊控制繫統的性能分析 123
6.3.1 模糊控制繫統的特點 123
6.3.2 模糊控制繫統的靜態特性 124
6.3.3 模糊控制繫統的動態特性 127
6.3.4 Lyapunov 穩定性分析 129
6.4 應用 MATLAB 平臺學習與分析模糊繫統 130
6.4.1 模糊邏輯工具箱概述 130
6.4.2 模糊聚類例 134
6.4.3 模糊控制繫統實例及演示 135
6.4.4 模糊控制繫統的 Simulink 分析 137
6.5 本章小結 139
思考題 139
參考文獻 140
第7章 模糊繫統辨識與估計 141
7.1 模糊辨識基礎 141
7.1.1 模型辨識與參數估計 141
7.1.2 數據擬合與函數逼近 142
7.1.3 模糊模型的結構辨識 145
7.1.4 模糊模型的參數估計 146
7.2 最小二乘法辨識 147
7.2.1 最小二乘法 147
7.2.2 遞推最小二乘法 148
7.2.3 Mamdani 標準型結論參數估計 150
7.2.4 Takagi-Sugeno 函數型結論參數估計 151
7.3 梯度下降法辨識模糊繫統 152
7.3.1 Mamdani 標準型梯度下降法參數估計 152
7.3.2 Mamdani 標準型梯度下降法結論參數估計 153
7.3.3 Mamdani 標準型梯度下降法前提參數估計 154
7.3.4 Takagi-Sugeno 函數型梯度下降法參數估計 155
7.4 模糊聚類繫統辨識及混合辨識 157
7.4.1 模糊聚類繫統辨識 157
7.4.2 模糊混合辨識 158
7.5 模糊自適應控制繫統 160
7.5.1 學習機制 160
7.5.2 自適應控制 161
7.5.3 模糊直接自適應控制 162
7.5.4 模糊間接自適應控制 164
7.6 本章小結 165
思考題 165
參考文獻 165
第8章 模糊繫統的設計與應用 166
8.1 模糊理論應用於智能信息處理 166
8.1.1 日面活動區的模糊聚類法分割 167
8.1.2 人眼狀態的模糊邏輯邊緣檢測 168
8.2 模糊理論應用於智能繫統控制 170
8.2.1 二級擺結構模糊控制 170
8.2.2 機械臂末端振動的模糊控制 176
8.3 模糊智能決策支持繫統 178
8.3.1 模糊自動停車繫統 178
8.3.2 社會經濟活動中的模糊決策方案 184
8.4 本章小結 187
思考題 187
參考文獻 187
第9章 模糊繫統理論與應用展望 189
9.1 分段多仿射模糊繫統 189
9.1.1 單值模糊模型 189
9.1.2 分段多仿射模糊繫統 189
9.1.3 基於 LMI 的 PMA 穩定性分析 191
9.1.4 基於 Lyapunov 二次型的 PMA 控制設計 193
9.2 模糊-神經網絡控制理論與方法 195
9.2.1與神經網絡 196
9.2.2 模糊-神經網絡組合結構 197
9.2.3 模糊-神經網絡繫統 199
9.3 遺傳算法 203
9.3.1 模糊遺傳算法 203
9.3.2 遺傳算法融合模糊繫統理論設計 205
9.4 自主智能 206
9.4.1 智能與自主 206
9.4.2 自主智能未來 207
9.5 本章小結 208
思考題 208
參考文獻 208