VIP会员
内容简介
《高等学校电子信息类规划教材：智能控制理论和方法（第2版）》系统地介绍了智能控制的基本概念、理论和重要算法，包括模糊控制、神经网络控制、遗传算法、蚁群算法、人工免疫算法、粒子群算法、agent技术，并介绍了这些算法的研究成果及其在智能控制中的应用，并配有大量的习题与思考题和参考文献。
目录
第1章 绪论
1.1 控制科学发展的历史回顾
1.2 智能控制的产生背景
1.3 智能控制的基本概念与研究内容
1.3.1 智能控制的基本概念
1.3.2 智能与智能控制的定义
1.3.3 智能控制的主要研究内容
参考文献
第2章 智能控制系统的结构体系
2.1 智能控制系统的基本结构
2.2 智能控制系统的分类
2.3 递阶智能控制系统的结构和理论
2.3.1 递阶智能控制系统的结构
2.3.2 信息熵与IPDI原理
2.3.3 组织级的分析理论
2.3.4 协调级的分析理论
2.3.5 执行级的控制
2.4 智能控制系统的信息结构理论
2.4.1 N维信息理论
2.4.2 信息率划分定律
2.4.3 对递阶智能控制系统的信息流分析
习题与思考题
参考文献
第3章 基于模糊推理的智能控制系统
3.1 模糊控制系统的基本概念与发展历史
3.2 模糊集合与模糊推理
3.2.1 模糊集合
3.2.2 模糊集合的运算和MF的参数化
3.2.3 模糊关系与复合运算
3.2.4 模糊推理
3.3 模糊推理系统
3.4 模糊基函数
3.5 模糊建模
3.5.1 模糊模型
3.5.2 模糊模型的参数辨识
3.5.3 模糊模型的结构辨识
3.6 模糊逻辑控制器的结构与设计
3.6.1 模糊控制器的基本结构
3.6.2 模糊控制系统的设计问题
3.6.3 PID控制器的模糊增益调整
3.7 模糊控制系统的稳定性分析
习题与思考题
参考文献
第4章 基于神经元网络的智能控制系统
4.1 神经元网络与控制
4.2 神经元网络的基本原理和结构
4.2.1 神经元网络的基本单元
4.2.2 神经元网络的模型
4.2.3 神经元的连接方式
4.3 监督学习神经元网络
4.3.1 感知器和反传(BP)网络
4.3.2 小脑模型连接控制器(CMAC)网络
4.3.3 增强学习网络
4.3.4 组合网络(Modular Network)
4.4 无监督学习和反馈神经元网络
4.4.1 竞争学习和Kohonen自组织网络
4.4.2 Hopfield网络
4.4.3 双向联想存储器BAM
4.4.4 Boltzman机
4.5 基于神经元网络的智能控制
4.5.1 基于多神经元网络的复杂函数逼近
4.5.2 用神经元网络对复杂系统建模
4.5.3 用神经元网络进行的智能控制
4.6 神经元网络控制非线性动态系统的能控性与稳定性
习题与思考题
参考文献
第5章 遗传算法及其在智能控制中的应用
5.1 遗传算法的基本概念
5.2 简单遗传算法
5.3 遗传算法的基本数学问题
5.4 遗传算法应用中的一些基本问题
5.4.1 知识表示(编码)
5.4.2 适应度函数
5.4.3 GA的全局收敛性与性
5.4.4 遗传算法的早期收敛
5.5 遗传算法
5.5.1 改进的选择方法
5.5.2 GA运算
5.6 微种群和双种群遗传算法
5.6.1 微种群算法
5.6.2 双种群遗传算法
5.7 遗传算法的应用
5.7.1 GA在神经网络参数学习中的应用
5.7.2 GA在滑模控制系统设计中的应用
5.8 模糊规则与遗传算法在控制中的应用
习题与思考题
参考文献
第6章 模糊—神经元网络及其在智能控制中的应用
6.1 模糊系统与神经元网络集成的基本概念
6.1.1 模糊系统与神经元网络的一般比较
6.1.2 模糊系统与神经网络集成的理由
6.2 基于神经元网络的模糊系统
6.2.1 基于神经元网络的基本模糊逻辑运算
6.2.2 基于神经网络的模糊逻辑推理
6.2.3 神经网络驱动的模糊推理系统
6.2.4 基于神经网络的模糊建模
6.3 模糊神经网络
6.3.1 模糊神经元
6.3.2 神经网络模糊化
6.4 神经-模糊控制器
6.4.1 模糊自适应学习控制网络
6.4.2 神经-模糊控制器的参数学习
6.4.3 神经-模