智能控制

内容简介

《智能控制》(第2版)论述智能控制的基本概念、原理、方及工程应用实例。本书立意新颖，取材广泛，内容丰富，结构严谨，自成系统，鲜明；由浅入深，深入浅出，论述精辟，逻辑严密，辩证分析，启迪思维。同国内外同类书籍相比，本书在学术上具有以下创新。

目录

Contentr/>目录第1章从传统控制到智能控制1.1自动控制的基本问题1.1.1自动控制的概念1.1.2自动控制的目的及要求1.1.3自动控制中的矛盾问题1.2自动控制的基本原理1.2.1控制论的创立1.2.2反馈是自动控制的精髓1.2.3反馈在闭环控制中的作用1.2.4反馈控制的基本模式1.3控制理论发展的历程1.3.1经典控制理论1.3.2现代控制理论1.3.3智能控制理论1.4智能控制理论的基本内容1.4.1智能控制的基本概念1.4.2智能控制的多学科交叉结构1.4.3智能控制的基本原理1.4.4智能控制的基能1.4.5智能控制的基本要素1.4.6智能控制系统的结构1.4.7智能控制的类型启迪思考题第2章基于模糊逻辑的智能控制2.1模糊控制概述2.1.1模糊控制的创立与发展2.1.2模糊控制器的分类2.2模糊逻辑基础2.2.1基于二值逻辑的经典集合2.2.2模糊集合与模糊概念2.2.3模糊集合及其运算2.2.4模糊矩阵与模糊向量2.2.5模糊关系2.2.6模糊逻辑推理2.2.7模糊系统的特2.3模糊控制的原理2.3.1模糊控制系统的组成2.3.2模糊控制的工作原理2.3.3模糊控制的鲁棒和稳定2.4经典模糊控制器的设计方法2.4.1模糊控制器的结构设计2.4.2模糊控制规则的设计2.4.3Mamdani模糊推理法2.4.4量的模糊化及量化因子2.4.5模糊量的清晰化及比例因子2.4.6查表式模糊控制器设计2.4.7解析式模糊规则自调整控制器2.5TS型模糊控制器设计2.5.1TS模糊模型2.5.2基于TS模型的模糊推理2.5.3TS型模糊控制系统设计2.6模糊PID控制2.6.1模糊PID2.6.2基于模糊推理优化参数的PID控制2.7自适应模糊控制2.7.1模糊系统辨识2.7.2自适应模糊控制的基本原理2.7.3模型参考自适应模糊控制2.8模糊控制的实现技术2.8.1模糊控制软件开发工具2.8.2模糊控制芯片2.9基于MATLAB的模糊控制系统设计2.9.1MATLAB模糊逻辑工具箱2.9.2基于MATLAB的模糊控制系统仿真启迪思考题第3章基于神经网络的智能控制3.1神经网络系统基础3.1.1神经网络研究概述3.1.2神经细胞结构能3.1.3人工神经元模型3.1.4神经网络的特点3.1.5神经网络结构模型3.1.6神经网络训练与学习3.1.7神经网络的学习规则3.2控制和识别中的常用神经网络3.2.1感知器3.2.2前馈神经网络3.2.3径向基神经网络3.2.4反馈神经网络3.2.5小脑模型神经网络3.2.6大脑模型自组织神经网络3.2.7Boltzmann机3.2.8深度信念网络3.2.9卷积神经网络3.2.10循环神经网络3.2.11递归神经网络3.3基于神经网络的系统辨识3.3.1神经网络的能力3.3.2神经网络系统辨识的原理3.3.3基于BP网络的非线系统模型辨识3.4基于神经网络的智能控制3.4.1神经控制的基本原理3.4.2基于神经网络智能控制的类型3.4.3基于传统控制理论的神经控制3.5神经元PID控制3.5.1神经元PID控制3.5.2自适应神经元PID控制3.6神经自适应控制3.6.1模型参考神经自适应控制3.6.2神经自校正控制3.7基于MATLAB的神经控制系统设计3.7.1MATLAB神经网络工具箱3.7.2基于MATLAB的模型参考神经自适应控制系统仿真启迪思考题第4章与仿人智能控制4.1专家系统的基本概念4.1.1专家与专家系统4.1.2专家系统的基本结构4.2系统的结构与原理4.2.1系统的特点4.2.2系统的结构4.2.3系统的原理4.2.4实时过程控制专家系统举例4.3器4.3.1器的结构4.3.2一种工业过程器设计4.4仿人智能控制原理与结构4.4.1从常规PID控制谈起4.4.2仿人智能控制的原理4.4.3系统动态行为识别的特征变量4.4.4仿人智能控制器的结构4.5仿人智能控制的多种模式4.5.1仿人智能积分控制4.5.2仿人智能采样控制4.5.3仿人极值采样智能控制启迪思考题第5章递阶智能控制与学习控制5.1大系统控制的形式与结构5.1.1大系统控制的基本形式5.1.2大系统控制的递阶结构5.2分层递阶控制的基本原理5.2.1协调的基本概念5.2.2协调的基本原则5.3递阶智能控制的结构与原理5.3.1递阶智能控制的结构5.3.2递阶智能控制的原理5.4蒸汽锅炉的递阶模糊控制5.4.1模糊变量与规则间的数量关系5.4.2递阶模糊控制规则5.4.3蒸汽锅炉的两级递阶模糊控制系统5.5学习控制系统5.5.1学基本概念5.5.2迭代学习控制5.5.3重复学习控制5.5.4其他学习控制形式5.6基于规则的自学习控制系统5.6.1产生式自学习控制系统5.6.2基于规则的自学习模糊控制举例启迪思考题第6章智能优化原理与算法6.1智能优化算法概述6.1.1从人工智能到计算智能6.1.2智能优化算法的产生、种类及特点6.1.3仿人智能优化算法6.1.4进化算法 6.1.5群智能优化算法6.1.6仿自然优化算法6.1.7仿植物生长算法6.2智能优化算法的理论基础6.2.1系统科学6.2.2复杂适应系统理论6.2.3复杂适应系统的运行机制6.2.4复杂适应系统理论的特点6.2.5智能优化算法的原理6.3遗传算法6.3.1生物的进化与遗传6.3.2遗传算法的基本概念6.3.3遗传算法的基本r/>6.3.4遗传算法实现步骤6.3.5遗传算法用于函数优化6.3.6遗传算法和模糊逻辑及神经网络的融合6.4RBF神经网络优化算法6.4.1RBF神经网络6.4.2RBF网络学习算法6.4.3RBF神经网络在控制中的应用6.5粒子群优化算法6.5.1粒子群优化的基本思想6.5.2粒子群优化算法原理6.5.3PSO算法步骤6.5.4PSO算法的改进及应用6.6免疫优化算法6.6.1免疫学的基本概念6.6.2免疫系统的组织结构6.6.3免疫机制与克隆选择理论6.6.4人工免疫模型与免疫算法6.6.5免疫应答中的学习与优化6.6.6免疫克隆选择算法6.6.7免疫优化算法的应用6.7教学优化算法6.7.1教学优化算法的原理6.7.2教学优化算法的数学描述6.7.3教学优化算法的实现步骤6.8正弦余弦算法6.8.1正弦余弦算法的原理6.8.2正弦余弦算法的数学描述6.8.3正弦余弦算法的实现步骤6.9涡流搜索算法6.9.1涡流搜索算法的原理6.9.2涡流搜索算法的数学描述6.9.3涡流搜索算法的实现流程6.10阴阳对优化算法6.10.1阴阳对优化的哲学原理6.10.2阴阳对优化算法的描述6.10.3阴阳对优化算法实现步骤启迪思考题第7章优智能控制原理与设计7.1优智能控制的原理与结构7.1.1优智能控制的原理7.1.2优智能控制的结构7.2优智能控制中的快速智能优化算法7.3基于粒子群算法的模糊控制器优化设计7.3.1PSO算法7.3.2模糊控制器的设计原理7.3.3PSO优化的模糊控制器在主汽温控制中的应用7.4基于RBF神经网络优化PID控制参数7.4.1RBF神经网络对被控对象的辨识7.4.2RBF网络优化PID控制参数的算法实现7.5基于免疫克隆优化的模糊神经控制器7.5.1免疫克隆选择算法的优化机理7.5.2改进的免疫克隆选择算法7.5.3基于免疫克隆选择算法的模糊神经控制器优化设计7.5.4仿真结果及结论启迪思考题第8章智能控制的工程应用实例8.1基于神经网络推理的加热炉温度模糊控制8.1.1基于神经网络推理的模糊控制8.1.2模糊控制器的神经网络实现8.1.3现场运行效果8.2神经网络在车底炉燃烧控制中的应用8.2.1燃烧控制系统的设计8.2.2神经网络模型的建立8.2.3神经网络的训练过程8.2.4神经网络在车底炉燃烧控制中的应用实例8.3在静电除尘器电源控制系统中的应用8.3.1高压直流静电除尘电源控制系统8.3.2系统控制器设计8.3.3控制结果及其分析8.4学习控制在数控凸轮轴磨床上的应用8.4.1FANUC数控系统学习控能8.4.2学实现8.4.3学习控制效果8.5仿人智能温度控制器在加热炉中的应用8.5.1仿人智能控温系统的组成8.5.2仿人智能温度控制算法8.5.3实际应用结果及能对比8.6深度神经网络及强化学习在计算机围棋AlphaGo Zero中的应用8.6.1AlphaGo Zero的深度神经网络结构8.6.2异步优势强化算法A3C8.6.3AlphaGo Zero的蒙特卡罗树搜索8.6.4AlphaGo Zero的训练流程8.6.lphaGo Zero 的启示启迪思考题参考文献