本书系统地论述了神经网络控制、模糊逻辑控制和模型预测控制的基本概念、工作原理、控制算法，以及利用MATLAB语言、MATLAB工具箱函数和Simulink对其实现的方法。书中取材先进实用，讲解深入浅出，各章均有相应的例题，并提供了大量用MATLAB/Simulink实现的仿真实例，便于读者掌握和巩固所学知识。

本书取材先进实用，讲解深入浅出，各章均有相应的例题，并提供了大量用MATLAB/Simulink实现的仿真实例，便于读者掌握和巩固所学知识。

第4版前言
本书自2005年5月第一次出版、2010年1月和2013年5月的两次再版以来，得到广大读者的关心和支持，先后多次重印，被国内多所大学选为教材。
这次修订在保持前三版内容系统，实用、易读的特点，以及框架结构基本不变的基础上，主要修改了第1章和第4章的内容。并充分考虑了能适应新形式下智能控制类课程教学并适用于不同层次院校的选学需要，体现宽口径专业教育思想，反映先进的技术水平，强调教学实践的重要性，有利于学生自主学习和动手实践能力的培养，适应卓越工程师人才培养的要求。同时也满足多学科交叉背景学生的教学需求。
本书是本着把当前国际控制界最为流行的面向工程与科学计算的高级语言MATLAB与神经网络、模糊逻辑和预测控制相结合的宗旨编写的。书中主要从三个方面阐述了利用MATLAB对神经网络、模糊逻辑和模型预测控制系统的计算机仿真方法。其中第1种方法为采用MATLAB语言根据具体的控制算法编程进行仿真；第2种方法为利用MATLAB提供的神经网络、模糊逻辑和预测控制工具箱函数或图形用户界面直接进行仿真；第3种方法为根据Simulink动态仿真环境进行仿真。比较以上三种方法，第2种方法最为简单，它不需要了解算法的本质，就可以直接应用功能丰富的函数来实现自己的目的；第3种方法最为直观，它可以在运行仿真时观察仿真结果；第1种方法最为复杂，它需要根据不同的控制算法进行具体编程，但这种方法也最为灵活，使用者可以根据自己所提出的新算法任意编程，该方法主要用于对某种新控制算法的仿真和应用。当然利用其他计算机语言也可根据控制算法进行具体编程，但比较而言，以利用MATLAB编程最为简单，因为MATLAB具有强大的矩阵运算和图形处理功能。而第2种和第3种方法较适合于初学者，主要用于对某种成熟控制算法的仿真和应用。由于其编程简单，就给使用者节省了大量的编程时间，使其能够把更多的精力投入到网络设计而不是具体程序实现上。
本书可作为高等院校自动化类、电气类、电子信息类、计算机类、仪器类和机械类等学科类研究生和高年级本科生的教材，也可作为从事智能控制与智能系统研究、设计和应用的科学技术人员的参考用书。鉴于本书的通用性和实用性较强，故也可作为相关专业的教学、研究、设计人员和工程技术人员的参考用书。
本书由李国勇和杨丽娟编著，共包含9章和3个附录。其中第1章～第7章和第9章由李国勇编写，第8章和附录A由杨丽娟编写；附录B与附录C由阎高伟、王芳、任密峰、杨云云和杨麦仑编写。此外，感谢责任编辑牛平月女士为本书的出版所付出的辛勤工作。
本书配套的教学课件，可登录电子工业出版社的华信资源教育网：www.hxedu.com.cn，免费下载。
由于作者水平有限，书中仍难免有遗漏与不当之处，恳请有关专家、同行和广大读者批评指正。

作者
2018年6月

李国勇，太原理工大学教授，山西省电机工程协会会员、山西省自动化协会会员，主要授课课程：自动控制原理、现代控制理论基础、过程控制系统、系统仿真及机辅分析、可编程控制器编程与应用、最优控制理论、人工智能及其应用、基于MATLAB的智能控制系统的分析与设计。

目 录
第一篇 神经网络控制及其MATLAB实现
第1章 神经网络理论（1）
1.1 神经网络的基本概念（2）
1.1.1 生物神经元的结构与功能特点（2）
1.1.2 人工神经元模型（3）
1.1.3 神经网络的结构（5）
1.1.4 神经网络的工作方式（6）
1.1.5 神经网络的学习（6）
1.1.6 神经网络的分类（9）
1.2 典型神经网络的模型（9）
1.2.1 MP模型（9）
1.2.2 感知机（11）
1.2.3 自适应线性神经网络（15）
1.2.4 BP神经网络（17）
1.2.5 径向基神经网络（27）
1.2.6 竞争学习神经网络（31）
1.2.7 学习向量量化神经网络（40）
1.2.8 Elman神经网络（41）
1.2.9 Hopfield神经网络（42）
1.2.10 Boltzmann神经网络（58）
1.3 神经网络的训练（61）
小结（65）
思考练习题（65）
第2章 MATLAB神经网络工具箱函数（66）
2.1 MATLAB神经网络工具箱函数（66）
2.1.1 神经网络工具箱中的通用函数（66）
2.1.2 感知机MATLAB函数（69）
2.1.3 线性神经网络MATLAB函数（79）
2.1.4 BP神经网络MATLAB函数（85）
2.1.5 径向基神经网络MATLAB函数（96）
2.1.6 自组织神经网络MATLAB函数（102）
2.1.7 学习向量量化神经网络MATLAB函数（115）
2.1.8 Elman神经网络MATLAB函数（118）
2.1.9 Hopfield神经网络MATLAB函数（121）
2.1.10 利用Demos演示神经网络的建立（126）
2.2 MATLAB神经网络工具箱的图形用户界面（127）
2.2.1 神经网络编辑器（128）
2.2.2 神经网络拟合工具（136）
2.3 基于Simulink的神经网络模块（139）
2.3.1 模块的设置（139）
2.3.2 模块的生成（140）
2.4 神经网络在系统预测和故障诊断中的应用（143）
2.4.1 系统输入/输出数据的处理（143）
2.4.2 基于神经网络的系统预测（144）
2.4.3 基于神经网络的故障诊断（155）
小结（162）
思考练习题（162）
第3章 神经网络控制系统（163）
3.1 神经网络控制理论（163）
3.1.1 神经网络控制的基本原理（163）
3.1.2 神经网络在控制中的主要作用（164）
3.1.3 神经网络控制系统的分类（165）
3.2 基于Simulink的三种典型神经网络控制系统（174）
3.2.1 神经网络模型预测控制（175）
3.2.2 反馈线性化控制（180）
3.2.3 模型参考控制（182）
小结（185）
思考练习题（186）
第二篇 模糊逻辑控制及其MATLAB实现
第4章 模糊逻辑控制理论（187）
4.1 模糊逻辑理论的基本概念（187）
4.1.1 模糊集合及其运算（187）
4.1.2 模糊关系及其合成（194）
4.1.3 模糊向量及其运算（196）
4.1.4 模糊逻辑规则（197）
4.1.5 模糊逻辑推理（199）
4.2 模糊逻辑控制系统的基本结构（205）
4.2.1 模糊控制系统的组成（205）
4.2.2 模糊控制器的基本结构（206）
4.2.3 模糊控制器的维数（206）
4.3 模糊逻辑控制系统的基本原理（207）
4.3.1 模糊化运算（207）
4.3.2 数据库（208）
4.3.3 规则库（211）
4.3.4 模糊推理（213）
4.3.5 去模糊化（215）
4.4 离散论域的模糊控制系统的设计（217）
4.5 具有PID功能的模糊控制器（222）
小结（223）
思考练习题（223）
第5章 MATLAB模糊逻辑工具箱函数（224）
5.1 MATLAB模糊逻辑工具箱简介（224）
5.1.1 模糊逻辑工具箱的功能特点（224）
5.1.2 模糊推理系统的基本类型（225）
5.1.3 模糊逻辑系统的构成（225）
5.2 利用模糊逻辑工具箱建立模糊推理系统（226）
5.2.1 模糊推理系统的建立、修改与存储管理（226）
5.2.2 模糊语言变量及其语言值（229）
5.2.3 模糊语言变量的隶属函数（230）
5.2.4 模糊规则的建立与修改（236）
5.2.5 模糊推理计算与去模糊化（240）
5.3 MATLAB模糊逻辑工具箱的图形用户界面（243）
5.3.1 模糊推理系统编辑器（243）
5.3.2 隶属函数编辑器（245）
5.3.3 模糊规则编辑器（245）
5.3.4 模糊规则浏览器（246）
5.3.5 模糊推理输入/输出曲面浏览器（246）
5.4 基于Simulink的模糊逻辑的系统模块（248）
5.5 模糊推理系统在控制系统中的应用（251）
小结（256）
思考练习题（256）
第6章 模糊神经和模糊聚类及其MATLAB实现（258）
6.1 基于Mamdani模型的模糊神经网络（258）
6.1.1 模糊系统的Mamdani模型（258）
6.1.2 系统结构（260）
6.1.3 学习算法（261）
6.2 基于Takagi-Sugeno模型的模糊神经网络（263）
6.2.1 模糊系统的Takagi-Sugeno模型（264）
6.2.2 系统结构（264）
6.2.3 学习算法（266）
6.3 自适应神经模糊系统及其MATLAB实现（268）
6.3.1 采用网格分割方式生成模糊推理系统函数（269）
6.3.2 自适应神经模糊系统的建模函数（270）
6.3.3 自适应神经模糊推理系统的图形用户界面编辑器（272）
6.3.4 自适应神经模糊推理系统在建模中的应用（275）
6.4 模糊聚类及其MATLAB实现（281）
6.4.1 模糊C-均值聚类函数（281）
6.4.2 模糊减法聚类函数（282）
6.4.3 基于减法聚类的模糊推理系统建模函数（284）
6.4.4 模糊C-均值和减法聚类的图形用户界面（285）
小结（288）
思考练习题（288）
第三篇 模型预测控制及其MATLAB实现
第7章 模型预测控制理论（289）
7.1 动态矩阵控制理论（289）
7.1.1 预测模型（289）
7.1.2 滚动优化（291）
7.1.3 误差校正（292）
7.2 广义预测控制理论（292）
7.2.1 预测模型（293）
7.2.2 滚动优化（293）
7.2.3 反馈校正（295）
7.3 预测控制理论分析（296）
7.3.1 广义预测控制的性能分析（296）
7.3.2 广义预测控制与动态矩阵控制规律的等价性证明（300）
7.3.3 广义预测控制与动态矩阵控制的比较（302）
小结（302）
思考练习题（302）
第8章 MATLAB预测控制工具箱函数（303）
8.1 系统模型辨识函数（303）
8.1.1 数据向量或矩阵的归一化（303）
8.1.2 基于线性回归方法的脉冲响应模型辨识（305）
8.1.3 脉冲响应模型转换为阶跃响应模型（308）
8.1.4 模型的校验（309）
8.2 系统模型建立与转换函数（309）
8.2.1 模型转换（310）
8.2.2 模型建立（314）
8.3 基于阶跃响应模型的控制器设计与仿真函数（316）
8.3.1 输入/输出有约束的模型预测控制器设计与仿真（316）
8.3.2 输入/输出无约束的模型预测控制器设计（317）
8.3.3 计算由阶跃响应模型构成的闭环系统模型（319）
8.4 基于状态空间模型的预测控制器设计函数（320）
8.4.1 输入/输出有约束的状态空间模型预测控制器设计（320）
8.4.2 输入/输出无约束的状态空间模型预测控制器设计（321）
8.4.3 状态估计器设计（324）
8.5 系统分析与绘图函数（325）
8.5.1 计算和绘制系统的频率响应曲线（326）
8.5.2 计算频率响应的奇异值（327）
8.5.3 计算系统的极点和稳态增益矩阵（327）
8.5.4 系统分析和绘图（327）
8.6 通用功能函数（328）
8.6.1 通用模型转换（329）
8.6.2 方程求解（330）
8.6.3 离散系统的分析（330）
8.7 MATLAB模型预测控制工具箱的图形用户界面（331）
小结（336）
思考练习题（336）
第9章 隐式广义预测自校正（337）
控制及其MATLAB实现（337）
9.1 单输入单输出系统的隐式广义预测自校正控制算法（337）
9.2 多输入多输出系统的隐式广义预测自校正控制算法（340）
9.3 仿真研究（344）
9.3.1 单输入单输出系统的仿真研究（344）
9.3.2 多输入多输出系统的仿真研究（347）
小结（348）
思考练习题（348）
附录A MATLAB程序清单（349）
附录B MATLAB函数一览表（361）
附录C MATLAB函数分类索引（367）
参考文献（369）