刘国荣编著的《多变量系统模糊》围绕“模型未知的非线性多变量系统模糊／神经网络自适应控制”这一主题组织内容。按照不同的控制方法，将近十年来在不确定非线性多变量系统控制领域应用智能控制理论中取得的成果进行归纳、分类。主要介绍不确定非线性多变量系统模糊／神经网络自适应控制的基本内容和方法，内容包括多变量非线性系统自适应模糊H∞控制、多变量非线性系统自适应模糊／神经网络解耦控制、多变量非线性系统自适应模糊／神经网络滑模控制、多变量非线性系统H2／H∞混合模糊控制、多变量非线性系统的在线自适应神经网络控制等。本书的内容主要取材于作者在各种期刊和国际会议上公开发表的论文，同时融入国内外学者在该领域取得的优秀研究成果，力求全面、系统地概括国内外最新研究成果，反映发展动态。

刘国荣编著的《多变量系统模糊》主要介绍了不确定非线性多变量系统模糊／神经网络自适应控制的基本内容和方法，力图概括国内外最新研究成果。主要内容包括多变量线性系统自适应模糊解耦控制，多变量非线性系统自适应模糊H∞控制，多变量非线性系统自适应模糊／神经网络解耦控制，多变量非线性系统自适应模糊／神经网络滑模控制，多变量非线性系统H2／H∞混合模糊控制，多变量非线性系统在线自适应神经网络控制。

《多变量系统模糊》主要读者为高等学校控制理论与控制工程专业以及相关专业的教师和研究生，亦可供从事自动控制研究的科研人员和工程技术人员参考。

《智能科学技术著作丛书》序

前言

第1章 绪论

 1.1 引言

 1.2 自适应模糊控制

 1.3 自适应神经网络控制

 1.4 自适应模糊神经网络控制

 1.5 自适应模糊／神经网络滑模控制

第2章 模糊控制与神经网络控制理论基础

 2.1 模糊逻辑与模糊推理

2.1.1 模糊语言变量

2.1.2 模糊蕴含关系

2.1.3 模糊推理

2.1.4 基于控制规则库的模糊推理

 2.2 模糊逻辑系统

2.2.1 模糊逻辑系统的组成

2.2.2 模糊逻辑系统的分类

2.2.3 常见的模糊逻辑系统

 2.3 模糊逻辑系统的万能逼近理论

2.3.1 高斯型模糊逻辑系统的万能逼近理论

2.3.2 广义隶属度型模糊逻辑系统的万能逼近理论

 2.4 神经网络模型

2.4.1 人工神经元模型

2.4.2 神经网络结构及特点

 2.5 前馈神经网络

2.5.1 BP神经网络

2.5.2 RBF神经网络

2.5.3 RBF神经网络与BP神经网络的比较

 2.6 模糊神经网络

2.6.1 基于标准模糊逻辑系统的模糊神经网络

2.6.2 基于T—S模糊逻辑系统的模糊神经网络

第3章 多变量线性系统自适应模糊解耦控制

 3.1 单输入单输出系统模型参考自适应模糊控制

3.1.1 模型参考自适应模糊控制系统的结构

3.1.2 基于T—S模糊模型的模糊自适应机构的设计

3.1.3 闭环系统稳定性及其性能分析

3.1.4 量化因子和输出比例因子的选择

3.1.5 无抖动模糊控制器

3.1.6 基于无抖动模糊控制器的模型参考自适应模糊控制系统稳定性分析

 3.2 多输入多输出系统自适应模糊解耦控制

3.2.1 模型参考自适应模糊解耦控制

3.2.2 仿真

第4章 多变量非线性系统自适应模糊H∞控制

 4.1 反馈线性化基本理论

 4.2 多输入多输出非线性系统自适应状态反馈模糊H∞控制

4.2.1 问题的描述

4.2.2 自适应模糊控制器的设计

4.2.3 仿真

 4.3 多输入多输出非线性系统自适应输出反馈模糊H∞也控制

4.3.1 问题的描述

4.3.2 自适应模糊控制器的设计

4.3.3 仿真

第5章 多变量非线性系统自适应模糊／神经网络解耦控制

 5.1 多输入多输出非线性系统间接自适应模糊解耦控制

5.1.1 问题的描述

5.1.2 设计思想

5.1.3 间接自适应模糊解耦控制系统的设计与稳定性分析

5.1.4 仿真

 5.2 多输入多输出非线性系统直接自适应模糊解耦控制

5.2.1 设计思想

5.2.2 直接自适应模糊解耦控制系统的设计与稳定性分析

5.2.3 仿真

 5.3 基于神经网络干扰观测器的多输入多输出非线性系统解耦控制

5.3.1 问题的描述

5.3.2 RBF神经网络干扰观测器与H∞控制器设计

5.3.3 仿真

第6章 多变量非线性系统自适应模糊／神经网络滑模控制

 6.1 多输入多输出非线性系统自适应模糊滑模控制

6.1.1 问题的描述

6.1.2 自适应模糊滑模控制器的设计

6.1.3 仿真

 6.2 多输入多输出非线性系统自适应神经网络滑模控制

6.2.1 问题的描述

6.2.2 自适应神经网络滑模控制器的设计

6.2.3 仿真

 6.3 多输入多输出非线性系统自适应输出反馈神经网络滑模控制

6.3.1 问题的描述

6.3.2 自适应输出反馈神经网络滑模控制器的设计

6.3.3 仿真

第7章 多变量非线性系统H2／H∞混合模糊控制

 7.1 H2／H∞混合控制

 7.2 多输入多输出非线性系统H2／H∞模糊状态反馈控制

7.2.1 问题的描述

7.2.2 H2／H∞模糊状态反馈控制

7.2.3 系统稳定性分析

 7.3 多输入多输出非线性系统H2／H∞模糊输出反馈控制

7.3.1 问题的描述

7.3.2 H2／H∞模糊输出反馈控制

7.3.3 系统稳定性分析

第8章 多变量非线性系统的在线自适应神经网络控制

 8.1 广义模糊神经网络的在线学习

8.1.1 广义模糊神经网络的结构

8.1.2 广义模糊神经网络的学习算法

 8.2 多输入多输出非线性系统的G—FNN逆模型

 8.3 多输入多输出非线性系统的自适应模糊神经网络控制

8.3.1 自适应模糊神经网络控制器的结构

8.3.2 自适应模糊神经网络控制器的收敛性分析

8.3.3 自适应模糊神经网络控制系统稳定性分析

8.3.4 仿真

 8.4 RBF神经网络的在线学习

8.4.1 RBF神经网络的结构

8.4.2 GP—RBF算法

 8.5 多输入多输出非线性系统自适应RBF神经网络控制

8.5.1 自适应RBF神经网络控制器的结构

8.5.2 自适应RBF神经网络控制器的收敛性分析

8.5.3 自适应RBF神经网络控制系统稳定性分析

8.5.4 仿真

参考文献