智能控制基础PDF|Epub|txt|kindle电子书版本网盘下载

智能控制基础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 绪论1

1．1智能控制的发展1

1．1．1智能控制问题的提出1

1．1．2智能控制的发展2

1．2智能控制的几个主要分支5

1．2．1基于知识的专家系统5

1．2．2模糊控制5

1．2．3神经元网络控制6

1．2．4学习控制7

1．3智能控制系统的构成原理7

1．3．1智能控制系统结构7

1．3．2智能控制系统的特点9

1．3．3智能控制系统研究的主要数学工具10

习题和思考题11

第2章 模糊控制论12

2．1引言12

2．2模糊集合论基础14

2．2．1模糊集的概念14

2．2．2模糊集合的运算18

2．2．3模糊集合运算的基本性质19

2．2．4隶属度函数的建立20

2．2．5模糊关系26

2．3模糊逻辑、模糊逻辑推理和合成32

2．3．1二值逻辑33

2．3．2模糊逻辑的基本运算34

2．3．3模糊语言逻辑36

2．3．4模糊逻辑推理41

2．3．5模糊关系方程的解50

2．4模糊控制系统的组成53

2．4．1模糊化过程54

2．4．2知识库54

2．4．3决策逻辑58

2．4．4精确化过程59

2．5模糊控制系统的设计61

2．5．1模糊控制器的结构设计61

2．5．2模糊控制器的基本类型63

2．5．3模糊控制器的设计原则64

2．5．4模糊控制器的常规设计方法65

2．6模糊PID控制器70

2．6．1模糊控制器和常规PID的混合结构70

2．6．2常规PID参数的模糊自整定技术73

2．7模糊控制器的应用74

2．7．1流量控制的模糊控制器设计75

2．7．2倒立摆的模糊控制77

习题和思考题80

第3章 人工神经元网络控制论83

3．1引言83

3．1．1神经元模型85

3．1．2神经网络的模型分类86

3．1．3神经网络的学习算法87

3．1．4神经网络的泛化能力90

3．2前向神经网络模型91

3．2．1多层神经网络结构91

3．2．2多层传播网络的BP学习算法95

3．2．3快速的BP改进算法103

3．2．4BP学习算法的MATLAB例程107

3．3动态神经网络模型109

3．3．1带时滞的多层感知器网络111

3．3．2Hopfield神经网络112

3．3．3回归神经网络128

3．4CMAC神经网络131

3．4．1小脑网络的感知器模型132

3．4．2CMAC的映射原理135

3．4．3CMAC网络的学习算法141

3．5RBF神经网络模型142

3．5．1具有固定中心的RBF神经网络的训练143

3．5．2径向基神经网络训练的随机梯度逼近法145

3．6神经网络控制基础146

3．6．1引言148

3．6．2神经网络的逼近能力151

3．7非线性动态系统的神经网络辨识156

3．7．1神经网络的辨识基础156

3．7．2神经网络辨识模型的结构158

3．7．3非线性动态系统的神经网络辨识164

3．8神经网络控制的学习机制170

3．8．1监督式学习171

3．8．2增强式学习174

3．9神经网络控制器的设计175

3．9．1神经网络直接逆模型控制法175

3．9．2直接网络控制法177

3．9．3多神经网络自学习控制法179

3．10单一神经元控制182

习题和思考题184

第4章 专家控制186

4．1引言186

4．2专家控制的基本原理187

4．2．1专家控制系统的基本内容187

4．2．2知识表达188

4．2．3知识推理190

4．2．4专家控制系统的设计192

4．3专家控制应用举例194

4．3．1PID专家控制系统设计194

4．3．2过程专家控制系统196

4．4仿人智能控制197

4．4．1仿人智能控制的引入197

4．4．2仿人智能控制的基本概念199

4．4．3仿人智能控制的实现203

4．4．4仿人智能控制的应用举例209

习题和思考题211

上机实验题212

第5章 分层递阶智能控制213

5．1引言213

5．2递阶智能控制的基本原理214

5．3递阶智能控制的组织和协调215

5．3．1递阶智能控制的组织级215

5．3．2递阶智能控制的协调级216

5．3．3递阶智能控制的执行级216

5．4分层递阶智能控制的应用举例218

5．4．1智能机器人系统的递阶控制218

5．4．2集散递阶智能控制系统222

习题和思考题224

第6章 学习控制225

6．1迭代学习控制225

6．1．1迭代学习控制的基本思想225

6．1．2线性时变系统的迭代学习控制226

6．1．3一类非线性动态系统的迭代学习控制231

6．1．4多关节机械手的迭代学习控制237

6．1．5迭代学习控制面临的挑战241

6．2增强学习241

6．2．1增强学习的基本思想241

6．2．2增强学习的主要算法246

6．2．3增强学习在控制中的应用251

习题和思考题255

上机实验题256

第7章 模糊神经网络控制与自适应神经网络257

7．1模糊神经网络控制257

7．1．1神经网络与模糊控制系统257

7．1．2模糊神经网络的学习算法261

7．2基于神经元网络的自适应控制267

7．2．1神经网络的模型参考自适应控制268

7．2．2神经网络的自校正控制271

7．3自适应神经网络结构学习273

7．3．1神经网络结构设计准则274

7．3．2神经网络结构设计方法275

第8章 进化算法277

8．1引言277

8．2遗传学习原理与算法279

8．2．1遗传学习的基本思想279

8．2．2遗传学习算法的理论基础285

8．2．3遗传学习算法的改良289

8．2．4遗传学习算法的应用297

8．3人工免疫进化算法300

8．3．1免疫系统的基本概念300

8．3．2人工免疫进化的引入和算法的提出304

习题和思考题309

第9章 多智能体系统控制310

9．1引言310

9．1．1多智能体系统的概念310

9．1．2多智能体系统的发展312

9．2多智能体系统的理论313

9．2．1多智能体系统的理论模型313

9．2．2多智能体系统的通信316

9．2．3多智能体系统的协调与协作319

9．3多智能体控制系统323

9．3．1基于符号推理的多智能体控制系统323

9．3．2基于行为主义的多智能体控制系统327

9．3．3基于进化思想的多智能体控制系统334

9．4多智能体控制系统的应用举例337

9．4．1多机器人控制系统337

9．4．2交通管理系统338

习题和思考题340

上机实验题340

参考文献341