智能控制PDF|Epub|txt|kindle电子书版本网盘下载

智能控制PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概论1

1.1 控制科学发展的新阶段——智能控制1

1.2 智能控制的基本概念与研究内容3

1.2.1 模糊逻辑控制3

1.2.2 神经网络控制5

1.2.3 遗传算法6

1.3 本书的主要内容6

第2章 复杂系统结构与智能控制8

2.1 复杂系统的分层递阶智能控制8

2.1.1 分层递阶智能控制的一般结构原理8

2.1.2 组织级9

2.1.3 协调级10

2.1.4 执行级的最优控制11

2.2 专家系统13

2.2.1 专家系统的基本组成与特点13

2.2.2 专家智能控制系统的基本原理15

2.2.3 仿人智能控制17

2.3 学习控制20

2.3.1 基于模式识别的学习控制20

2.3.2 再励学习控制21

2.3.3 Bayes学习控制22

2.3.4 迭代学习控制22

2.3.5 基于联结主义的学习控制23

2.4 习题24

第3章 模糊集合与模糊推理25

3.1 模糊集合及其运算25

3.1.1 模糊集合的定义及表示方法25

3.1.2 模糊集合的基本运算29

3.1.3 模糊集合运算的基本性质31

3.2 模糊关系与模糊推理32

3.2.1 模糊关系的定义及表示方法32

3.2.2 模糊关系的合成35

3.2.3 语言变量与蕴含关系36

3.2.4 近似推理40

3.3 基于规则库的模糊推理41

3.3.1 模糊推理的基本方法41

3.3.2 模糊推理的性质45

3.3.3 模糊控制中的几种常用模糊推理50

3.4 习题51

第4章 基于模糊推理的智能控制53

4.1 模糊控制系统的基本概念53

4.1.1 模糊控制系统组成53

4.1.2 模糊控制系统的原理与特点54

4.1.3 模糊控制系统分类55

4.2 模糊控制的基本原理57

4.3 模糊控制系统的两种基本类型62

4.3.1 Mamdani型模糊控制系统的工作原理62

4.3.2 T-S型模糊控制系统的工作原理63

4.4 模糊控制器的设计过程64

4.4.1 输入量的模糊化64

4.4.2 模糊规则与模糊推理65

4.4.3 模糊判决67

4.5 模糊控制系统的分析与设计68

4.5.1 模糊模型68

4.5.2 模糊关系模型的辨识69

4.5.3 基于Takagi-Sugeno模糊模型的辨识71

4.5.4 模糊控制系统的稳定性分析83

4.6 模糊控制与PID控制的关系86

4.6.1 PID控制原理86

4.6.2 模糊控制器的解析结构86

4.6.3 模糊控制器的动态分析89

4.6.4 量化因子与系统性能的关系90

4.6.5 隶属度函数与系统性能的关系91

4.6.6 仿真实例92

4.7 习题93

第5章 神经元与神经网络95

5.1 神经网络的基本概念95

5.1.1 神经网络的基本原理和结构96

5.1.2 神经网络的模型97

5.1.3 神经元的连结方式99

5.2 前馈神经网络100

5.2.1 感知器100

5.2.2 BP网络101

5.2.3 GMDH网络102

5.2.4 RBF网络104

5.3 反馈神经网络105

5.3.1 CG网络模型105

5.3.2 盒中脑（BSB）模型106

5.3.3 Hopfield网络模型107

5.3.4 回归BP网络109

5.3.5 Boltzmann网络110

5.4 关于神经网络的神经元生长与修剪111

5.4.1 T-S模糊模型规则的生长与修剪112

5.4.2 局部线性模型对T-S模型输出的影响113

5.4.3 模糊规则生长与修剪的过程114

5.4.4 T-S模糊模型的参数学习115

5.4.5 T-S模糊模型的广义生长与修剪算法115

5.5 习题116

第6章 基于神经网络的智能控制117

6.1 神经网络建模117

6.1.1 逼近理论与网络控制117

6.1.2 利用多层静态网络的系统建模121

6.1.3 利用动态网络的系统建模123

6.2 神经网络控制128

6.2.1 神经网络控制系统的结构128

6.2.2 基于神经网络的控制器设计130

6.3 神经网络控制系统的分析137

6.4 神经网络控制系统的应用142

6.4.1 神经网络的模型辨识142

6.4.2 基于神经网络的机械手控制144

6.5 习题149

第7章 智能控制中的现代优化方法150

7.1 遗传算法的基本原理150

7.1.1 遗传算法的生物学基础150

7.1.2 遗传算法的基本概念151

7.1.3 遗传算法的基本实现152

7.1.4 遗传算法的特点160

7.1.5 遗传算法的应用161

7.2 遗传算法在加热炉控制系统建模中的应用162

7.2.1 遗传算法建模原理163

7.2.2 加热炉对象的遗传算法建模164

7.2.3 遗传算法建模实验及仿真验证165

7.3 遗传算法在模糊控制器设计中的应用168

7.3.1 对解进行编码170

7.3.2 对解进行寻优170

7.3.3 仿真及结果170

7.4 遗传算法在神经网络控制器设计中的应用171

7.4.1 神经网络为什么需要遗传算法171

7.4.2 遗传算法在神经网络中的应用172

7.5 其他现代优化方法173

7.5.1 基本思想174

7.5.2 三种算法的特点和需要进一步研究的问题177

7.6 几种现代优化方法在城市需水量预测中的应用178

7.6.1 背景介绍178

7.6.2 建模原理179

7.6.3 模型仿真验证183

7.7 习题188

第8章 控制系统数据处理的智能方法190

8.1 数据挖掘与信息处理的基本概念190

8.1.1 数据挖掘的基本概念190

8.1.2 信息处理的基本概念190

8.2 基于智能技术的控制系统数据挖掘191

8.2.1 数据挖掘中常用技术191

8.2.2 数据挖掘的功能特性194

8.2.3 数据挖掘在控制系统中的应用：SAS技术在配矿系统中的应用201

8.3 基于智能技术的控制系统数据校正与数据融合203

8.3.1 数据校正203

8.3.2 数据融合206

8.4 习题211

第9章 智能控制的进一步发展：自适应与学习控制213

9.1 自适应控制213

9.2 学习控制213

9.3 学习控制和自适应控制的关系215

参考文献217