智能控制理论及应用PDF格式文档图书下载

第1章 绪论 1

1.1智能控制的发展历史 1

1.2智能控制的定义和特点 3

1.2.1智能控制的定义 3

1.2.2智能控制的特点 3

1.3智能控制的结构理论 4

1.3.1二元结构论 4

1.3.2三元结构论 4

1.3.3四元结构论 5

1.3.4多元结构或者树形结构 5

1.4智能控制与传统控制的关系 6

1.5智能控制的研究对象 6

1.6智能控制的类型 7

1.6.1分级递阶控制系统 7

1.6.2专家控制系统 7

1.6.3人工神经网络控制系统 8

1.6.4模糊控制系统 8

1.6.5遗传算法与控制理论相结合 9

1.6.6免疫算法控制 9

1.6.7仿人智能控制 9

1.6.8学习控制系统 10

1.6.9混沌控制 10

1.7智能控制的应用 10

1.7.1智能控制在机器人技术中的应用 11

1.7.2智能控制在机械制造中的应用 11

1.7.3智能控制在电力电子学研究领域中的应用 11

1.7.4智能控制在工业过程中的应用 11

1.7.5智能控制在农业生产中的应用 12

1.7.6智能控制在广义控制领域中的应用 12

1.8本章小结 12

参考文献 12

第2章 模糊控制 14

2.1模糊控制概述 14

2.1.1模糊控制器设计步骤 15

2.1.2性能评价 15

2.1.3应用领域 16

2.2模糊控制的数学基础 16

2.2.1语言变量、语言值和规则 16

2.2.2模糊集合、模糊规则和模糊推理 18

2.2.3解模糊 26

2.3一个示范例子的介绍 29

2.3.1模糊控制器的输入和输出的选择 30

2.3.2把控制知识融入规则中 31

2.3.3知识的模糊量化 34

2.3.4匹配：决定用哪一条规则 36

2.3.5结论步骤：确定结论 39

2.3.6把结论转换成控制作用 40

2.3.7模糊决策的图形描述 43

2.4Takagi-Sugeno模糊系统 44

2.4.1Takagi-Sugeno模糊系统 44

2.4.2模糊系统是通用近似器 46

2.4.3广义T-S模糊模型 46

2.5基于MATLAB的智能控制系统设计与仿真 47

2.5.1模糊逻辑工具箱 47

2.5.2基于MATLAB的模糊控制系统设计与仿真 48

2.6模糊系统的非线性分析 54

2.6.1模糊控制器的参数化 55

2.6.2李雅普诺夫稳定性分析 57

2.6.3绝对稳定性和圆判据 65

2.6.4稳态跟踪误差的分析 67

2.6.5描述函数分析方法 69

2.6.6滑模变结构方法 69

2.6.7小增益理论 70

2.6.8相平面分析法 70

2.7热处理系统的温度模糊控制 70

2.8本章小结 72

习题 72

参考文献 74

第3章 模糊建模和模糊辨识 75

3.1引言 75

3.2模糊模型的类型与分割形式 76

3.2.1Mamdani模糊模型 76

3.2.2Takagi-Sugeno模糊系统 77

3.2.3Tsukamoto模糊模型 78

3.2.4模糊模型的分割形式 79

3.3模糊系统的通用近似特性 79

3.3.1模糊基函数 79

3.3.2模糊系统的通用逼近性 80

3.3.3用于函数近似的模糊系统求解 82

3.4模糊辨识的数据选择 83

3.5模糊辨识和估计的最小二乘算法 84

3.5.1成批最小二乘算法 84

3.5.2递推最小二乘算法 85

3.5.3模糊系统的调整 87

3.5.4模糊系统的成批最小二乘训练 89

3.5.5模糊系统的递推最小二乘训练 89

3.6模糊辨识和估计的梯度法 89

3.6.1标准模糊系统的训练 90

3.6.2T-S模糊系统的训练 92

3.6.3动量项和步长大小 93

3.6.4牛顿（Newton）和高斯-牛顿（Gauss-Newton）方法 93

3.7模糊的聚类法 96

3.7.1优化输出预解模糊的聚类方法 96

3.7.2最近邻聚类法 99

3.8复合法 100

3.8.1混合初始化／训练 100

3.8.2混合条件／结论训练 100

3.8.3混合交叉训练 100

3.9本章小结 100

习题 101

参考文献 101

第4章 神经网络控制 102

4.1神经网络理论概述 102

4.1.1神经网络的发展历史 103

4.1.2神经网络原理 105

4.1.3神经网络的特点 107

4.1.4神经网络结构 109

4.1.5神经网络的学习 110

4.2前馈神经网络 113

4.2.1感知器 113

4.2.2BP神经网络 119

4.2.3RBF神经网络 130

4.2.4LVQ神经网络 141

4.3反馈神经网络 144

4.3.1Hopfield网络概述 145

4.3.2离散型Hopfield网络 145

4.3.3连续型Hopfield网络 155

4.3.4Boltzmann机网络 161

4.3.5Kohonen网络 167

4.3.6自适应谐振理论（ART）网络 172

4.3.7模糊自适应共振理论网络 174

4.4神经网络控制 184

4.4.1神经网络控制的基本思想 184

4.4.2直接逆动态控制 185

4.4.3神经网络自适应控制 187

4.4.4神经网络PID控制 192

4.4.5神经网络内模控制 200

4.4.6神经网络模型预测控制 206

4.5本章小结 207

习题 208

参考文献 208

第5章 模糊神经网络 211

5.1引言 211

5.2模糊系统与神经网络的融合方式 212

5.2.1基于模糊技术的神经网络 212

5.2.2基于神经网络的模糊系统 212

5.2.3模糊逻辑与神经网络在结构上的融合 212

5.3模糊神经网络学习算法研究 213

5.4自适应神经网络模糊推理系统（ANFIS） 213

5.4.1自适应网络 213

5.4.2自适应神经-模糊推理系统 222

5.4.3基于多模型的气动执行器故障诊断 225

5.5基于T-S模糊模型的递归神经网络及其在系统辨识中的应用 232

5.5.1基于T-S模糊模型的递归神经网络 232

5.5.2基于T-S模糊模型的递归神经网络在系统辨识中的应用 234

5.5.3仿真实例 236

5.6本章小结 239

习题 240

参考文献 240

第6章 专家系统 243

6.1概述 243

6.1.1专家系统的概念 244

6.1.2专家系统的结构 246

6.1.3专家系统的特点与分类 248

6.1.4专家系统的建立步骤 251

6.2专家控制系统 252

6.2.1专家控制系统的结构与工作原理 254

6.2.2实时专家控制系统 256

6.2.3专家控制器 258

6.2.4PID专家控制器应用实例 261

6.2.5专家控制系统的稳定性 264

6.3模糊专家系统 264

6.3.1模糊专家系统的基本结构 265

6.3.2建立模糊专家系统 265

6.3.3模糊专家系统应用实例1——基于模糊专家系统的电针灸器的设计 267

6.3.4模糊专家系统应用实例2——智能水下机器人自救模糊专家系统 269

6.4神经网络专家系统 272

6.4.1神经网络与专家系统的集成 272

6.4.2神经网络专家系统的基本结构 273

6.4.3神经网络专家系统的知识库 276

6.4.4神经网络专家系统的推理机制 276

6.4.5神经网络专家系统的解释机制 277

6.4.6神经网络专家系统的实例——基于神经网络专家系统的火电厂锅炉在线故障诊断 278

6.5本章小结 281

习题 282

参考文献 283

第7章 遗传算法 285

7.1遗传算法概述 285

7.1.1遗传算法的发展概况 285

7.1.2遗传算法的生物学基础 286

7.1.3遗传算法的特点 287

7.2遗传算法的基本操作 289

7.2.1复制 290

7.2.2交叉 291

7.2.3变异 292

7.3遗传算法的理论基础 293

7.3.1模式定理 293

7.3.2积木块假说 295

7.3.3内在并行性 296

7.3.4Walsh模式变换 297

7.3.5编码 299

7.3.6适应度函数及其尺度变换 301

7.4遗传算法的实现及改进算法 303

7.4.1遗传算法的实现 303

7.4.2改进的遗传算法 305

7.5遗传算法和其他智能控制技术的融合 307

7.5.1遗传算法和模糊控制的融合 307

7.5.2遗传算法和神经网络的融合 310

7.6遗传算法的应用 312

7.7本章小结 315

习题 315

参考文献 316

第8章 蚁群算法 317

8.1概述 317

8.1.1蚁群的群体行为 317

8.1.2蚁群算法的特点 318

8.2基本蚁群算法 319

8.2.1蚁群算法的原理 319

8.2.2蚁群算法的实现 320

8.3蚁群算法参数选择 324

8.3.1蚁群算法参数对其性能的影响 324

8.3.2蚁群算法参数选择方法 325

8.4改进的蚁群算法 325

8.4.1Ant-Q蚁群算法 326

8.4.2ACS算法 326

8.4.3最大-最小蚂蚁系统 327

8.4.4自适应蚁群算法 328

8.4.5其他改进算法 330

8.5蚁群算法的应用实例 331

8.5.1基于蚁群算法的PID参数优化过程 331

8.5.2计算机仿真结果 332

8.6本章小结 333

习题 333

参考文献 334

第9章 DNA计算与基于DNA的软计算 335

9.1DNA计算 335

9.1.1概述 335

9.1.2DNA的结构 336

9.1.3DNA计算的原理 338

9.2DNA计算与其他软计算的集成 338

9.2.1DNA计算与遗传算法的集成 338

9.2.2DNA计算与模糊系统的集成 348

9.2.3DNA计算与神经网络的集成 360

9.3本章小结 369

习题 369

参考文献 370

第10章 其他智能控制 373

10.1免疫控制 373

10.1.1免疫及免疫算法简介 373

10.1.2常用的免疫算法 374

10.1.3免疫控制 379

10.1.4免疫控制应用实例 380

10.2仿人智能控制 382

10.2.1仿人智能控制的基本思想和基本概念 382

10.2.2仿人智能控制系统结构 384

10.2.3仿人智能控制算法 387

10.3混沌控制 390

10.3.1混沌概述 390

10.3.2混沌控制方法 392

10.3.3混沌控制应用 401

10.4本章小结 404

习题 405

参考文献 405

查看更多关于智能控制理论及应用的内容