控制与决策系统仿真

目 录

前言
第 1 章 MATLAB 基础 1
1.1 MATLAB 软件环境 1
1.1.1 MATLAB 软件的安装 1
1.1.2 MATLAB 软件的启动与退出 2
1.1.3 MATLAB 软件的操作界面 2
1.1.4 MATLAB 软件的基本操作 5
1.2 MATLAB 工程计算 6
1.2.1 常量 6
1.2.2 变量 9
1.2.3 常用运算和基本函数 10
1.2.4 矩阵和运算 12
1.3 MATLAB 编程基础 13
1.3.1 M 文件 13
1.3.2 程序设计 15
1.4 MATLAB 数据可视化 17
1.5 系统分析中常用的部分命令和函数 21
1.6 MATLAB 其他相关工具 24
习题 25

第 2 章 Simulink 仿真 27
2.1 Simulink 仿真环境 27
2.1.1 Simulink 软件的启动 27
2.1.2 Simulink 通用模块库 28
2.1.3 Simulink 专用模块库 31
2.2 Simulink 仿真模型的建立 32
2.2.1 Simulink 模块操作 32
2.2.2 Simulink 信号操作 33
2.2.3 Simulink 子系统 33
2.2.4 Simulink 运行仿真 34
2.3 S 函数的设计及应用 39
习题 43

第 3 章 控制系统仿真 44
3.1 线性控制系统模型 44
3.2 线性系统性能分析 48
3.2.1 时域分析 48
3.2.2 根轨迹法 49
3.2.3 频域分析 50
3.2.4 离散系统分析 51
3.2.5 状态空间 53
3.3 非线性控制系统仿真 57
3.3.1 典型非线性特性 57
3.3.2 小范围线性化法 60
3.3.3 相平面法 62
3.3.4 描述函数法 64
习题 68

第 4 章 MATLAB 文件和数据访问 70
4.1 MATLAB 常用文件操作 70
4.1.1 低级文件 IO 命令 70
4.1.2 高级文件 IO 命令 71
4.2 MATLAB 与 Microsoft Offi ce 的接口 71
4.2.1 MATLAB 中 Excel 数据文件操作 72
4.2.2 MATLAB 与 Word 的接口 75
4.2.3 MATLAB 与 PowerPoint 的接口 76
4.3 访问数据库 77
4.4 图像视频数据处理 78
4.4.1 部分图像处理命令 78
4.4.2 部分视频处理命令 79
4.5 部分音频处理命令 80
4.6　MATLAB 与 Python 混合编程 81
习题 81

第 5 章 智能算法 83
5.1 模糊控制及应用 83
5.1.1 模糊理论概述 83
5.1.2 模糊控制 83
5.1.3 模糊推理 84
5.1.4 基于 Simulink 的模糊控制器应用 86
5.1.5 模糊 PID 控制器设计 90
5.1.6 模糊 PID 控制器仿真 90
5.2 遗传算法 96
5.2.1 算法流程 96
5.2.2 算法案例 97
5.3 人工鱼群算法 100
5.3.1 算法描述 100
5.3.2 算法案例 101
习题 106

第6 章 数据挖掘 107
6.1 数据挖掘基础 107
6.1.1 数据挖掘的基本概念 107
6.1.2 数据挖掘的步骤 107
6.1.3 数据挖掘的任务 108
6.2 分类 109
6.2.1 分类器性能评估 109
6.2.2 k 近邻算法 110
6.3 聚类 112
6.3.1 聚类过程 113
6.3.2 k 均值聚类算法 114
6.4 关联 115
6.4.1 关联规则简介 115
6.4.2 Apriori 算法 116
习题 123

第 7 章 图像处理 124
7.1 图像处理基础 124
7.1.1 数字图像的基本概念 124
7.1.2 图像类型及转换 125
7.1.3 图像的读取和显示 126

7.2 图像变换 127
7.2.1 图像几何变换 127
7.2.2 图像形态学变换 128
7.3 图像增强 129
7.3.1 图像的点运算 129
7.3.2 图像空间域增强 131
7.3.3 图像频域增强 132
7.4 图像分割 134
7.4.1 边缘检测 134
7.4.2 直线检测 135
7.5 图像特征提取 138
7.6 彩色图像模型 139
7.6.1 面向硬件设备的彩色模型 139
7.6.2 面向视觉感知的彩色模型 141
习题 144

第 7 章　图像处理 124
7.1 图像处理基础 124
7.1.1 数字图像的基本概念 124
7.1.2 图像类型及转换 125
7.1.3 图像的读取和显示 126
7.2 图像变换 127
7.2.1 图像几何变换 127
7.2.2 图像形态学变换 128
7.3 图像增强 129
7.3.1 图像的点运算 129
7.3.2 图像空间域增强 131
7.3.3 图像频域增强 132
7.4 图像分割 134
7.4.1 边缘检测 134
7.4.2 直线检测 135
7.5 图像特征提取 138
7.6 彩色图像模型 139
7.6.1 面向硬件设备的彩色模型 139
7.6.2 面向视觉感知的彩色模型 141
习题 144

第 8 章　深度学习 145
8.1 深度学习的起源 145
8.1.1 人工智能 145
8.1.2 机器学习 146
8.1.3 深度学习概念 147
8.1.4 深度学习简史 147
8.2 神经网络与深度学习 149
8.2.1 神经元 149
8.2.2 神经网络分类 151
8.2.3 几种典型的神经网络模型 152
8.3 卷积神经网络及应用 157
8.3.1 卷积神经网络简史 157
8.3.2 架构 157
8.3.3 卷积层 158
8.3.4 池化层 159
8.3.5　全连接