智能控制技術(shù)（修訂版）

第一章 智能控制概述
1．1 智能控制的基本概念
1．1．1 什么是智能控制
1．1．2 智能控制的研究對(duì)象
1．2 智能控制系統(tǒng)的特征和性能
1．2．1 智能控制系統(tǒng)的一般結(jié)構(gòu)
1．2．2 智能控制系統(tǒng)的主要功能特征
1．2．3 智能控制系統(tǒng)的特征模型
1．3 智能控制系統(tǒng)的類(lèi)型
1．4 智能控制的發(fā)展概況
1．5 小結(jié)
習(xí)題
第二章 智能控制的知識(shí)工程基礎(chǔ)
2．1 知識(shí)的基本概念
2．1．1 什么是知識(shí)
2．1．2 知識(shí)的分類(lèi)
2．2 知識(shí)的表示
2．2．1 一階謂詞表示法
2．2．2 時(shí)序邏輯表示法
2．2．3 產(chǎn)生式表示法
2．2．4 語(yǔ)義網(wǎng)絡(luò)知識(shí)表示法
2．2．5 框架知識(shí)表示法
2．2．6 Petri網(wǎng)知識(shí)表示法
2．2．7 定性模型知識(shí)表示法
2．2．8 可視知識(shí)模型
2．3 知識(shí)的獲取
2．3．1 非自動(dòng)知識(shí)獲取
2．3．2 自動(dòng)知識(shí)獲取
2．4 知識(shí)的處理
2．4．1 推理的方式與分類(lèi)
2．4．2 推理控制策略
2．4．3 狀態(tài)空間的搜索策略
2．5 小結(jié)
習(xí)題
第三章 分級(jí)遞階智能控制
3．1 遞階控制的一般原理
3．1．1 大系統(tǒng)遞階結(jié)構(gòu)的描述
3．1．2 遞階控制的一般原理
3．2 分級(jí)遞階智能控制
3．2．1 分級(jí)遞階智能控制系統(tǒng)的結(jié)構(gòu)
3．2．2 分級(jí)遞階智能控制原理
3．3 小結(jié)
習(xí)題
第四章 遺傳算法
4．1 什么是遺傳算法
4．1．1 遺傳算法的生物遺傳學(xué)基礎(chǔ)
4．1．2 遺傳算法的特點(diǎn)
4．1．3 遺傳算法的基本操作
4．2 遺傳算法的理論基礎(chǔ)
4．2．1 遺傳算法的模式理論
4．2．2 遺傳算法實(shí)現(xiàn)中的一些基本問(wèn)題
4．3 基于遺傳的機(jī)器學(xué)習(xí)系統(tǒng)
4．3．1 分類(lèi)器系統(tǒng)的結(jié)構(gòu)
4．3．2 規(guī)則信息系統(tǒng)
4．3．3 信任分配系統(tǒng)
4．3．4 機(jī)器學(xué)習(xí)中的遺傳算法
4．4 遺傳算法的計(jì)算機(jī)實(shí)現(xiàn)
4．5 基于遺傳算法的系統(tǒng)在線(xiàn)辨識(shí)
4．5．1 遺傳算法在參數(shù)辨識(shí)中的應(yīng)用
4．5．2 遺傳算法參數(shù)辨識(shí)仿真示例
4．6 小結(jié)
習(xí)題
第五章 神經(jīng)網(wǎng)絡(luò)控制
5．1 神經(jīng)網(wǎng)絡(luò)的基本概念
5．1．1 生物神經(jīng)元模型
5．1．2 人工神經(jīng)元模型
5．1．3 人工神經(jīng)網(wǎng)絡(luò)模型
5．1．4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
5．2 前向網(wǎng)絡(luò)及其主要算法
5．2．1 感知器
5．2．2 BP網(wǎng)絡(luò)
5．2．3 RBF網(wǎng)絡(luò)
5．3 反饋網(wǎng)絡(luò)
5．3．1 Hopfield網(wǎng)絡(luò)
5．3．2 Boltzmann機(jī)網(wǎng)絡(luò)
5．3．3 自組織特征映射網(wǎng)絡(luò)（Kohonen網(wǎng)絡(luò)）
5．4 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)
5．4．1 正向建模
5．4．2 逆模型
5．5 神經(jīng)元自適應(yīng)PID控制
5．5．1 神經(jīng)控制的基本思想
5．5．2 單神經(jīng)元自適應(yīng)PID控制
5．6 神經(jīng)元自適應(yīng)PSD控制
5．6．1 自適應(yīng)PSD控制算法
5．6．2 單神經(jīng)元自適應(yīng)PSD控制
5．7 神經(jīng)網(wǎng)絡(luò)內(nèi)模控制
5．7．1 內(nèi)?？刂?br /> 5．7．2 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?br /> 5．8 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
5．8．1 神經(jīng)網(wǎng)絡(luò)自校正控制
5．8．2 神經(jīng)網(wǎng)絡(luò)模型參考控制
5．9 神經(jīng)網(wǎng)絡(luò)PID控制
5．9．1 基于BP神經(jīng)網(wǎng)絡(luò)Kp，KI，KD參數(shù)自學(xué)習(xí)PID控制器
5．9．2 改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)KP，KI，KD參數(shù)自學(xué)習(xí)PID控制器
5．10 小結(jié)
習(xí)題
第六章 模糊控制的數(shù)學(xué)基礎(chǔ)
6．1 概述
6．1．1 模糊概念
6．1．2 模糊性與隨機(jī)性
6．2 模糊集合
6．2．1 普通集合
6．2．2 模糊集合
6．2．3 模糊集合與普通集合的聯(lián)系
6．3 模糊關(guān)系與模糊關(guān)系合成
6．3．1 模糊關(guān)系的基本概念
6．3．2 模糊關(guān)系合成
6．3．3 模糊關(guān)系的性質(zhì)
6．3．4 模糊變換
6．4 模糊推理
6．4．1 模糊語(yǔ)言與語(yǔ)言變量
6．4．2 模糊命題與模糊條件語(yǔ)句
6．4．3 模糊推理
6．5 小結(jié)
習(xí)題
第七章 模糊控制
7．1 模糊控制系統(tǒng)原理
7．1．1 傳統(tǒng)控制系統(tǒng)的特點(diǎn)
7．1．2 模糊控制系統(tǒng)的工作原理
7．1．3 模糊控制的系統(tǒng)結(jié)構(gòu)
7．1．4 模糊控制器的結(jié)構(gòu)與組成
7．2 模糊控制器設(shè)計(jì)
7．2．1 模糊控制器設(shè)計(jì)要求
7．2．2 清晰量的模糊化
7．2．3 模糊量的清晰化
7．2．4 模糊控制規(guī)則及控制算法
7．3 自調(diào)整模糊控制技術(shù)
7．3．1 帶有自調(diào)整因子的模糊控制器
7．3．2 帶有自調(diào)整函數(shù)的模糊控制器
7．4 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的模糊控制
7．4．1 常規(guī)模糊系統(tǒng)的等價(jià)神經(jīng)網(wǎng)絡(luò)
7．4．2 模糊神經(jīng)網(wǎng)絡(luò)技術(shù)在溫度控制過(guò)程中的應(yīng)用
7．4．3 基于T—S模型的模糊神經(jīng)網(wǎng)絡(luò)
7．5 基于遺傳算法優(yōu)化的模糊控制
7．5．1 遺傳算法和模糊邏輯、神經(jīng)網(wǎng)絡(luò)的融合
7．5．2 基于遺傳算法優(yōu)化的模糊控制器
7．5．3 基于遺傳算法的模糊溫度控制實(shí)驗(yàn)
7．6 小結(jié)
習(xí)題
第八章 專(zhuān)家控制
8．1 專(zhuān)家系統(tǒng)概述
8．1．1 什么是專(zhuān)家系統(tǒng)
8．1．2 專(zhuān)家系統(tǒng)的基本組成
8．1．3 專(zhuān)家系統(tǒng)的特征及類(lèi)型
8．2 專(zhuān)家控制系統(tǒng)
8．2．1 專(zhuān)家控制系統(tǒng)的特點(diǎn)
8．2．2 專(zhuān)家控制系統(tǒng)的工作原理
8．2．3 專(zhuān)家控制器
8．3 模糊專(zhuān)家系統(tǒng)
8．3．1 模糊專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)
8．3．2 可能性分布與模糊測(cè)度
8．3．3 模糊性知識(shí)的規(guī)則表示
8．3．4 不確定性推理模型
8．4 邏輯程序設(shè)計(jì)語(yǔ)言
8．4．1 Prolog語(yǔ)言的特點(diǎn)
8．4．2 Prolog語(yǔ)言的語(yǔ)法與數(shù)據(jù)結(jié)構(gòu)
8．4．3 Prolog程序的執(zhí)行與控制
8．5 小結(jié)
習(xí)題
第九章 基于粗糙集和含糊集理論的智能信息處理方法
9．1 粗糙集理論的基本概念
9．1．1 粗糙集理論的數(shù)值分析
9．1．2 基于粗糙集理論的規(guī)則知識(shí)獲取
9．1．3 粗糙集知識(shí)獲取策略在心電圖波形識(shí)別中的應(yīng)用
9．2 基于粗糙集理論的模糊神經(jīng)網(wǎng)絡(luò)
9．2．1 建立基于輸入輸出數(shù)據(jù)的知識(shí)表達(dá)系統(tǒng)
9．2．2 基于粗糙集理論的模糊神經(jīng)網(wǎng)絡(luò)
9．2．3 二維非線(xiàn)性函數(shù)圖像擬合應(yīng)用
9．3 含糊集理論的基本概念
9．3．1 基本概念
9．3．2 含糊集的改進(jìn)性質(zhì)
9．3．3 實(shí)例分析
9．4 基于含糊集的近似推理方法
9．4．1 含糊集的合成推理
9．4．2 含糊集插值推理
9．4．3 幾種含糊集近似推理方法的比較
9．5 一種含糊一粗糙集模型
9．6 含糊集知識(shí)獲取策略
9．6．1 含糊集決策表知識(shí)表達(dá)系統(tǒng)
9．6．2 含糊集知識(shí)獲取策略
9．7 小結(jié)
習(xí)題
第十章 智能控制應(yīng)用示例
10．1 電加熱爐爐溫智能控制
10．1．1 電加熱爐模型分析
10．1．2 電加熱爐爐溫智能控制
10．2 集裝箱吊車(chē)的模糊控制
10．2．1 吊車(chē)模糊控制規(guī)則的建立
10．2．2 模糊邏輯吊車(chē)控制器的結(jié)構(gòu)
10．2．3 模糊控制的可編程控制器實(shí)現(xiàn)
10．3 模糊控制技術(shù)的微機(jī)實(shí)現(xiàn)
10．3．1 MC68HCllE9數(shù)字單片機(jī)的特性
10．3．2 溫度模糊控制器的實(shí)現(xiàn)
10．4 模糊控制的洗衣機(jī)
10．4．1 模糊控制洗衣機(jī)系統(tǒng)電路結(jié)構(gòu)
10．4．2 洗衣機(jī)的模糊推理
10．4．3 洗衣機(jī)物理量檢測(cè)方法
10．4．4 布質(zhì)、布量的模糊推理
10．5 倒立擺的模糊神經(jīng)網(wǎng)絡(luò)控制
10．5．1 再勵(lì)學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)
10．5．2 倒立擺的模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
附錄1 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)及其MATLAB仿真
附1．1 提高BP神經(jīng)網(wǎng)絡(luò)收斂速度的方法
附1．2 提高神經(jīng)網(wǎng)絡(luò)收斂速度的一種賦初值算法
附1．3 BP網(wǎng)絡(luò)訓(xùn)練技巧
附1．4 感知器分類(lèi)的MATLAB仿真
附1．5 具有噪聲二階系統(tǒng)辨識(shí)的MATLAB程序仿真
附1．6 多維非線(xiàn)性辨識(shí)的MATLAB程序剖析
附錄2 模糊控制MATLAB程序仿真示例
附錄3 基于粗糙集可辨識(shí)矩陣屬性簡(jiǎn)約算法軟件
附錄4 基于Vague集可辨識(shí)矩陣知識(shí)獲取算法軟件
參考文獻(xiàn)