×
模糊系统结构解析及在线自组织设计

模糊系统结构解析及在线自组织设计

1星价 ¥54.6 (7.0折)
2星价¥54.6 定价¥78.0
暂无评论
图文详情
  • ISBN:9787030526038
  • 装帧:暂无
  • 册数:暂无
  • 重量:暂无
  • 开本:32开
  • 页数:193
  • 出版时间:2017-05-01
  • 条形码:9787030526038 ; 978-7-03-052603-8

本书特色

本书在已有研究成果的基础上,面向模糊系统结构解析和在线自组织设计,提出了一些自己的见解,取得了一些有意义的研究成果,在一定程度上丰富和发展了该领域的理论研究。研究工作主要包括:*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研究的T-S模糊控制系统的稳定性分析与系统化设计方法、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及其在船舶工程领域的应用等。本书内容主要取材于作者近五年公开发表的40余篇学术论文,同时借鉴了国内外同行在相关领域的部分优秀成果。

内容简介

本书在已有研究成果的基础上,面向模糊系统结构解析和在线自组织设计,提出了一些自己的见解,取得了一些有意义的研究成果,在一定程度上丰富和发展了该领域的理论研究。研究工作主要包括:*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研究的T-S模糊控制系统的稳定性分析与系统化设计方法、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及其在船舶工程领域的应用等。本书内容主要取材于作者近五年公开发表的40余篇学术论文,同时借鉴了国内外同行在相关领域的部分优秀成果。

目录

《博士后文库》序言前言第1章 绪论 1.1 研究背景和意义 1.2 相关领域的研究现状 1.2.1 Mamdani模糊控制器的结构分析 1.2.2 Mamdani模糊控制系统的稳定性分析 1.2.3 T—S模糊系统逼近性能分析 1.2.4 T—S模糊控制系统稳定性分析和系统化设计 1.2.5 基于神经网络的在线自组织模糊系统 1.3 模糊系统理论中存在的几个主要问题 1.3.1 Mamdani模糊控制系统解析及其稳定性分析 1.3.2 T—S模糊控制系统逼近性能及其稳定性分析 1.3.3 在线自组织模糊神经网络 1.4 本书主要研究内容第2章 模糊系统和神经网络理论基础 2.1 模糊系统 2.1.1 模糊集 2.1.2 模糊规则 2.1.3 模糊推理系统的结构与基本原理 2.1.4 模糊推理系统的分类 2.1.5 输入空间的模糊划分 2.1.6 模糊系统是万能逼近器 2.2 神经网络 2.2.1 神经网络的特性 2.2.2 径向基神经网络 2.3 基于神经网络的模糊系统 2.3.1 模糊系统与神经网络的知识处理 2.3.2 模糊系统与神经网络的等价性 2.3.3 基于神经网络的自组织模糊系统第3章 模糊控制器结构解析 3.1 概述 3.2 两维*简模糊控制器结构分析 3.2.1 广义梯形隶属函数 3.2.2 Mamdani*简模糊控制器 3.2.3 输入采用GTS隶属函数的模糊控制器结构分析 3.2.4 仿真研究 3.3 三维*简模糊控制器结构分析 3.3.1 基本结构 3.3.2 模糊化模块 3.3.3 模糊规则与模糊推理 3.3.4 解模糊模块 3.3.5 结构解析 3.4 本章小结第4章 齐次模糊系统逼近性能分析 4.1 概述 4.2 齐次T—S模糊系统 4.3 输入空间的模糊划分及性质 4.4 模糊系统逼近性能分析 4.4.1 通用逼近性能 4.4.2 一致逼近的充分条件 4.4.3 对一次导数的逼近 4.5 仿真研究 4.5.1 示例 4.5.2 示例二 4.6 本章小结第5章 模糊控制系统稳定性分析及系统化设计 5.1 概述 5.2 小增益定理 5.2.1 L稳定 5.2.2 小增益定理 5.3 Mamdani模糊控制系统的稳定性分析及设计 5.3.1 两维模糊控制器系统的稳定性分析 5.3.2 三维模糊控制器系统的稳定性分析 5.3.3 仿真研究 5.4 T—S模糊控制系统的稳定性分析及设计 5.4.1 T—S模糊模型 5.4.2 输入采用GFP的T—S模糊系统 5.4.3 Lyapunov稳定性理论 5.4.4 释放的闭环模糊系统稳定性条件 5.4.5 稳定性条件的保守性比较 5.4.6 T—S模糊控制器的系统化设计 5.4.7 船舶力控减摇鳍模糊控制系统的设计 5.4.8 仿真研究 5.5 本章小结第6章 模糊系统与神经网络的等价性 6.1 概述 6.2 广义椭球基函数神经网络 6.3 T—S模糊系统 6.4 GEBF—NN与T—S模糊系统的等价性 6.5 仿真研究 6.6 本章小结第7章 基于椭球基函数神经网络的在线自组织模糊系统 7.1 概述 7.2 FAOS—PFNN的结构 7.3 FAOS—PFNN在线学习算法 7.3.1 规则产生准则 7.3.2 参数调整 7.3.3 完整的算法结构 7.4 仿真研究 7.4.1 Itermite函数逼近 7.4.2 多维非线性函数建模 7.4.3 非线性动态系统辨识 7.4.4 Mackey—Glass时间序列预测 7.5 本章小结第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 8.1 概述 8.2 GEBF—OSFNN的结构 8.2.1 广义椭球基函数 8.2.2 GEBF—OSFNN的结构 8.3 GEBF—OSFNN学习算法 8.3.1 规则生长准则 8.3.2 规则修剪准则 8.3.3 前件调整 8.3.4 权重估计 8.3.5 完整的算法结构 8.4 仿真研究 8.4.1 多维非线性函数建模 8.4.2 非线性动态系统辨识 8.4.3 Mackey—Glass时间序列预测 8.4.4 真实标杆数据回归 8.5 本章小结第9章 在线自组织模糊神经网络应用 9.1 概述 9.2 船舶领域模型辨识 9.2.1 船舶领域 9.2.2 阻挡区域 9.2.3 基于FAOS—PFNN的船舶领域模型辨识 9.2.4 仿真研究 9.2.5 小结 9.3 船舶运动模型辨识 9.3.1 船舶运动模型 9.3.2 由两撇系统到响应型模型 9.3.3 基于GEBF—OSFNN的整体船舶运动模型 9.3.4 基于GEBF—OSFNN的响应型船舶运动模型 9.3.5 小结 9.4 船舶操纵运动控制 9.4.1 动态PID控制器 9.4.2 GEBF—OSFNN船舶操纵控制系统 9.4.3 仿真研究 9.4.4 小结 9.5 本章小结参考文献编后记彩图
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航