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絡
1.1.1生物神經元
1.1.2人腦神經網絡係統
1.1.3人腦神經網絡信息處理的特點
1.2生物神經網絡的模型化――人工神經網絡
1.2.1人工神經元模型
1.2.2人工神經網絡的構成
1.2.3人工神經網絡的學習
1.2.4人工神經網絡與生物神經網絡的比較
1.3人工神經網絡的發展與現狀
1.4人工神經網絡與自動控製
第2章 常用神經網絡原理及學習算法
2.1神經網絡的學習方法
2.1.1學習方法的類型
2.1.2無監督Hebb學習
2.2多層前嚮神經網絡（1）
2.2.1多層前嚮神經網絡的基本學習算法
2.2.2多層前嚮神經網絡的誤差反嚮傳播（EBP）算法
2.2.3EBP算法學習速率的調整
2.2.4多層前嚮神經網絡的二階學習算法
2.3多層前嚮神經網絡（2）
2.3.1綜閤目標函數
2.3.2多層前嚮神經網絡基於綜閤目標函數的誤差反嚮
傳播（GEBP）學習算法
2.3.3基於綜閤目標函數的二階學習算法
2.3.4多層前嚮神經網絡基於綜閤目標函數的二階學習算法
2.4徑嚮基函數神經網絡
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網絡
2.4.4RBF網絡的學習方法
2.4.5計算舉例――異或（XOR）問題
2.5Hopfie1d神經網絡
2.5.1離散型Hopfield神經網絡
2.5.2連續型Hopfield神經網絡
2.5.3Hopfield網絡在組閤優化中的應用
2.6隨機神經網絡
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絡
2.7.1基本競爭型神經網絡及其學習規則
2.7.2抑製競爭型神經網絡及其學習規則
2.7.3自適應共振理論神經網絡
2.8自組織特徵映射神經網絡
2.8.1SOFM網絡模型結構及學習工作規則
2.8.2SOFM算法的性質
2.9對嚮傳播神經網絡
2.9.1CP網絡的結構及學習工作規則
2.9.2CP網絡的改進
參考文獻
第3章 基於神經網絡的係統辨識
3.1引言
3.1.1係統辨識的定義
3.1.2係統辨識的常用方法
3.2多層前嚮網絡的逼近能力
3.3神經網絡用於係統辨識的一般結構
3.3.1多層前嚮網絡的一般結構
3.3.2多層動態前嚮網絡的學習算法
3.3.3對象的非綫性模型
3.4用神經網絡組成的動態係統錶示非綫性係統的可能性
3.5基於BP網絡的係統辨識
3.5.1BP網絡的結構設計及辨識算法
3.5.2辨識算法的收斂性
3.5.3應用實例
3.5.4基於RLS（遞推最小二乘）訓練算法的多層
前嚮網絡辨識
3.6采用預報誤差（RPE）法的神經網絡辨識
3.6.1神經網絡建模的結構
3.6.2神經網絡的RPE算法
3.6.3應用實例
3.7基於神經網絡的逆模型辨識
3.7.1非綫性係統的可逆性
3.7.2逆係統建模方法
3.7.3開關作用函數的多層感知器網絡在逆模型
辨識中的應用
3.8基於Hopfield網絡的辨識
3.8.1Hopfield網絡模型
3.8.2辨識算法
3.8.3應用實例
3.9ART－2網絡在控製係統特徵參數辨識中的應用
3.10小結
參考文獻
第4章 神經網絡控製器設計
4.1引言
4.2神經網絡監督學習控製器（SNC）
4.2.1神經網絡監督學習控製器工作原理
4.2.2應用實例
4.3神經網絡模型參考自適應控製（NNMRAC）
4.3.1神經網絡MRAC的一般結構
4.3.2間接神經網絡MRAC
4.3.3直接神經網絡MRAC
4.4神經網絡自校正控製
4.4.1綫性化反饋控製
4.4.2使用神經網絡時的自校正控製
4.4.3仿真實例
4.4.4基於Adaline網的自適應控製
4.5神經前嚮網絡直接自適應控製
4.5.1多層前嚮網絡的直接自適應控製
4.5.2自動調整S型函數形狀的直接自適應控製
4.5.3神經網絡控製與常規自適應控製的比較
4.6基於單個神經元的自適應控製
4.6.1自適應神經元及其學習策略
4.6.2控製器設計
4.6.3學習算法的改進
4.6.4神經元控製係統的閉環穩定性
4.6.5應用實例
4.6.6多變量係統的神經元控製
4.7神經網絡PID控製
4.7.1基於多層前嚮網的PID控製
4.7.2基於單個神經元的直接PID控製
4.7.3基於多層網的近似PID控製
4.8神經網絡預測控製
4.8.1神經網絡預測控製的一般結構
4.8.2神經網絡預測器的幾種方案
4.8.3Hopfield網絡在預測控製中的應用
4.9神經網絡模糊控製
4.9.1模糊控製的基本思想及控製係統的組成
4.9.2神經網絡與模糊控製係統
4.9.3基於神經網絡的模糊控製
4.9.4倒立擺的神經網絡模糊控製
4.10基於迴歸神經網絡的控製
4.10.1對角迴歸神經網絡
4.10.2基於對角迴歸神經網絡的控製係統
4.10.3仿真結果
4.11小結
參考文獻
第5章 神經網絡在故障診斷及容錯控製中的應用
5.1引言
5.2控製係統故障診斷的常用方法
5.2.1殘差産生方法――檢測觀測器法
5.2.2殘差産生方法――廣義一緻矢量法
5.2.3殘差産生方法――基於參數估計的方法
5.2.4決策方法
5.3控製係統容錯控製器的設計方法
5.3.1控製器重構設計
5.3.2同時鎮定的控製器設計
5.3.3完整性控製器設計
5.4基於聯想記憶神經網絡的故障診斷
5.4.1雙嚮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網絡的故障診斷
5.5.1BP網絡的結構設計及學習模式的選擇
5.5.2某化工過程的BP網絡的故障診斷
5.6基於Hopfield網絡和ART－1網絡的故障診斷
5.6.1故障檢測與隔離（FDI）算法流程
5.6.2基於Hopfield網絡的參數估計
5.6.3過渡區識彆器的設計
5.6.4基於ART－1網絡的故障分類
5.6.5位置控製係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製
5.7.1基於自適應神經元的故障診斷
5.7.2容錯控製器設計
5.8基於神經網絡的診斷與控製的一體化方法
5.8.1四參數控製器
5.8.2執行器故障診斷
5.8.3傳感器故障診斷
5.9基於神經網絡的容錯解耦控製
5.9.1基於神經網絡的解耦控製方案
5.9.2基於神經網絡的容錯控製策略
5.10小結
參考文獻
· · · · · · (收起)