智能控制理論和方法

第1章緒論1
1.1控制科學(xué)發(fā)展的歷史回顧1
1.2智能控制的產(chǎn)生背景2
1.3智能控制的基本概念與研究內(nèi)容3
1.3.1智能控制的基本概念3
1.3.2智能與智能控制的定義4
1.3.3智能控制的主要研究內(nèi)容6
參考文獻(xiàn)7
第2章智能控制系統(tǒng)的結(jié)構(gòu)體系9
2.1智能控制系統(tǒng)的基本結(jié)構(gòu)9
2.1.1智能系統(tǒng)的基本結(jié)構(gòu)9
2.1.2智能控制系統(tǒng)的結(jié)構(gòu)模式12
2.2智能控制系統(tǒng)的分類14
2.3遞階智能控制系統(tǒng)的結(jié)構(gòu)和理論16
2.3.1遞階智能控制系統(tǒng)的結(jié)構(gòu)16
2.3.2信息熵與IPDI原理17
2.3.3組織級的分析理論19
2.3.4協(xié)調(diào)級的分析理論23
2.3.5執(zhí)行級的最優(yōu)控制25
2.4智能控制系統(tǒng)的信息結(jié)構(gòu)理論29
2.4.1N維信息理論29
2.4.2信息率劃分定律33
2.4.3對遞階智能控制系統(tǒng)的信息流分析34
習(xí)題與思考題37
參考文獻(xiàn)38
第3章基于模糊推理的智能控制系統(tǒng)39
3.1模糊控制系統(tǒng)的基本概念與發(fā)展歷史39
3.2模糊集合與模糊推理40
3.2.1模糊集合40
3.2.2模糊集合的運算和MF的參數(shù)化44
3.2.3模糊關(guān)系與復(fù)合運算52
3.2.4模糊推理54
3.3模糊推理系統(tǒng)59
3.4模糊基函數(shù)67
3.5模糊建模69
3.5.1模糊模型69
3.5.2模糊模型的參數(shù)辨識70
3.5.3模糊模型的結(jié)構(gòu)辨識76
3.6模糊邏輯控制器的結(jié)構(gòu)與設(shè)計79
3.6.1模糊控制器的基本結(jié)構(gòu)79
3.6.2模糊控制系統(tǒng)的設(shè)計問題81
3.6.3PID控制器的模糊增益調(diào)整86
3.7模糊控制系統(tǒng)的穩(wěn)定性分析91
習(xí)題與思考題96
參考文獻(xiàn)100
第4章基于神經(jīng)元網(wǎng)絡(luò)的智能控制系統(tǒng)102
4.1神經(jīng)元網(wǎng)絡(luò)與控制102
4.2神經(jīng)元網(wǎng)絡(luò)的基本原理和結(jié)構(gòu)103
4.2.1神經(jīng)元網(wǎng)絡(luò)的基本單元103
4.2.2神經(jīng)元網(wǎng)絡(luò)的模型104
4.2.3神經(jīng)元的連接方式107
4.3監(jiān)督學(xué)習(xí)神經(jīng)元網(wǎng)絡(luò)108
4.3.1感知器和反傳(BP)網(wǎng)絡(luò)108
4.3.2小腦模型連接控制器(CMAC)網(wǎng)絡(luò)116
4.3.3增強學(xué)習(xí)網(wǎng)絡(luò)121
4.3.4組合網(wǎng)絡(luò)(ModularNetwork)123
4.4無監(jiān)督學(xué)習(xí)和反饋神經(jīng)元網(wǎng)絡(luò)126
4.4.1競爭學(xué)習(xí)和Kohonen自組織網(wǎng)絡(luò)127
4.4.2Hopfield網(wǎng)絡(luò)130
4.4.3雙向聯(lián)想存儲器BAM134
4.4.4Boltzman機137
4.5基于神經(jīng)元網(wǎng)絡(luò)的智能控制139
4.5.1基于多神經(jīng)元網(wǎng)絡(luò)的復(fù)雜函數(shù)逼近141
4.5.2用神經(jīng)元網(wǎng)絡(luò)對復(fù)雜系統(tǒng)建模145
4.5.3用神經(jīng)元網(wǎng)絡(luò)的智能控制151
4.6神經(jīng)元網(wǎng)絡(luò)控制非線性動態(tài)系統(tǒng)的能控性與穩(wěn)定性159
習(xí)題與思考題164
參考文獻(xiàn)166
第5章遺傳算法及其在智能控制中的應(yīng)用169
5.1遺傳算法的基本概念169
5.2簡單遺傳算法169
5.3遺傳算法的基本數(shù)學(xué)問題173
5.4遺傳算法應(yīng)用中的一些基本問題175
5.4.1知識表示(編碼)175
5.4.2適應(yīng)度函數(shù)176
5.4.3GA的全局收斂性與最優(yōu)性177
5.4.4遺傳算法的早期收斂178
5.5高級遺傳算法178
5.5.1改進的選擇方法178
5.5.2高級GA運算179
5.6微種群和雙種群遺傳算法181
5.6.1微種群算法182
5.6.2雙種群遺傳算法182
5.7遺傳算法的應(yīng)用185
5.7.1GA在神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)中的應(yīng)用186
5.7.2GA在滑模控制系統(tǒng)設(shè)計中的應(yīng)用188
5.8模糊規(guī)則與遺傳算法在控制中的應(yīng)用193
習(xí)題與思考題197
參考文獻(xiàn)199
第6章模糊-神經(jīng)元網(wǎng)絡(luò)及其在智能控制中的應(yīng)用201
6.1模糊系統(tǒng)與神經(jīng)元網(wǎng)絡(luò)集成的基本概念201
6.1.1模糊系統(tǒng)與神經(jīng)元網(wǎng)絡(luò)的一般比較201
6.1.2模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)集成的理由202
6.2基于神經(jīng)元網(wǎng)絡(luò)的模糊系統(tǒng)203
6.2.1基于神經(jīng)元網(wǎng)絡(luò)的基本模糊邏輯運算203
6.2.2基于神經(jīng)網(wǎng)絡(luò)的模糊邏輯推理204
6.2.3神經(jīng)網(wǎng)絡(luò)驅(qū)動的模糊推理系統(tǒng)206
6.2.4基于神經(jīng)網(wǎng)絡(luò)的模糊建模209
6.3模糊神經(jīng)網(wǎng)絡(luò)217
6.3.1模糊神經(jīng)元217
6.3.2神經(jīng)網(wǎng)絡(luò)模糊化219
6.4神經(jīng)-模糊控制器225
6.4.1模糊自適應(yīng)學(xué)習(xí)控制網(wǎng)絡(luò)225
6.4.2神經(jīng)-模糊控制器的參數(shù)學(xué)習(xí)231
6.4.3神經(jīng)-模糊控制器的結(jié)構(gòu)學(xué)習(xí)233
6.4.4具有增強學(xué)習(xí)的神經(jīng)-模糊控制器236
6.5神經(jīng)-模糊網(wǎng)絡(luò)在智能控制中的應(yīng)用241
6.5.1控制系統(tǒng)在線辨識241
6.5.2逆向運動學(xué)問題244
習(xí)題與思考題246
參考文獻(xiàn)248
第7章智能控制的應(yīng)用實例250
7.1復(fù)雜工業(yè)過程的智能控制250
7.1.1高爐監(jiān)控專家系統(tǒng)251
7.1.2復(fù)雜大系統(tǒng)的自動化254
7.2智能控制機械手和機器人257
7.2.1基于神經(jīng)元網(wǎng)絡(luò)的機械手控制器257
7.2.2移動機器人控制262
7.3系統(tǒng)診斷用的模糊-神經(jīng)系統(tǒng)270
7.4智能決策支持系統(tǒng)274
7.4.1智能決策支持系統(tǒng)的決策支持過程274
7.4.2智能決策支持系統(tǒng)的系統(tǒng)結(jié)構(gòu)276
7.4.3智能人機系統(tǒng)277
7.4.4智能化問題處理系統(tǒng)278
參考文獻(xiàn)281