智能控制

第1章從傳統(tǒng)控制到智能控制
1.1自動(dòng)控制的基本問(wèn)題
1.1.1自動(dòng)控制的概念
1.1.2自動(dòng)控制的目的及要求
1.1.3自動(dòng)控制中的矛盾問(wèn)題
1.2自動(dòng)控制的基本原理
1.2.1控制論的創(chuàng)立
1.2.2反饋是自動(dòng)控制的精髓
1.2.3反饋在閉環(huán)控制中的作用
1.2.4反饋控制的基本模式
1.3控制理論發(fā)展的歷程
1.3.1經(jīng)典控制理論
1.3.2現(xiàn)代控制理論
1.3.3智能控制理論
1.4智能控制理論的基本內(nèi)容
1.4.1智能控制的基本概念
1.4.2智能控制的多學(xué)科交叉
1.4.3智能控制的基本原理
1.4.4智能控制的基本功能
1.4.5智能控制的基本要素
1.4.6智能控制系統(tǒng)的結(jié)構(gòu)
1.4.7智能控制的類(lèi)型
啟迪思考題
第2章基于模糊邏輯的智能控制
2.1模糊控制概述
2.1.1模糊控制的創(chuàng)立與發(fā)展
2.1.2模糊控制器的分類(lèi)
2.2模糊邏輯基礎(chǔ)
2.2.1基于二值邏輯的經(jīng)典集合
2.2.2模糊集合與模糊概念
2.2.3模糊集合及其運(yùn)算
智能控制
2.2.4模糊矩陣與模糊向量
2.2.5模糊關(guān)系
2.2.6模糊邏輯推理
2.2.7模糊系統(tǒng)的萬(wàn)能逼近特性
2.3模糊控制的原理
2.3.1模糊控制系統(tǒng)的組成
2.3.2模糊控制的工作原理
2.3.3模糊控制器的控制性能
2.4經(jīng)典模糊控制器的設(shè)計(jì)方法
2.4.1模糊控制器的結(jié)構(gòu)設(shè)計(jì)
2.4.2模糊控制規(guī)則的設(shè)計(jì)
2.4.3Mamdani模糊推理法
2.4.4精確量的模糊化及量化因子
2.4.5模糊量的清晰化及比例因子
2.4.6查表式模糊控制器設(shè)計(jì)
2.4.7解析式模糊規(guī)則自調(diào)整控制器
2.5TS型模糊控制器設(shè)計(jì)
2.5.1TS模糊模型
2.5.2基于TS模型的模糊推理
2.5.3TS型模糊控制系統(tǒng)設(shè)計(jì)
2.6模糊PID控制
2.6.1模糊PID復(fù)合控制
2.6.2基于模糊推理優(yōu)化的PID控制
2.7自適應(yīng)模糊控制
2.7.1模糊系統(tǒng)辨識(shí)
2.7.2自適應(yīng)模糊控制的基本原理
2.7.3模型參考自適應(yīng)模糊控制
2.8模糊控制的實(shí)現(xiàn)技術(shù)
2.8.1模糊控制軟件開(kāi)發(fā)工具
2.8.2模糊控制芯片
2.9基于MATLAB的模糊控制系統(tǒng)設(shè)計(jì)
2.9.1MATLAB模糊邏輯工具箱
2.9.2基于MATLAB的模糊控制系統(tǒng)仿真
啟迪思考題
第3章基于神經(jīng)網(wǎng)絡(luò)的智能控制
3.1神經(jīng)網(wǎng)絡(luò)系統(tǒng)基礎(chǔ)
3.1.1神經(jīng)網(wǎng)絡(luò)研究概述
3.1.2神經(jīng)細(xì)胞結(jié)構(gòu)與功能
3.1.3人工神經(jīng)元模型
3.1.4神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
3.1.5神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與模型
3.1.6神經(jīng)網(wǎng)絡(luò)訓(xùn)練與學(xué)習(xí)
3.1.7神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則
3.2控制中的常用神經(jīng)網(wǎng)絡(luò)
3.2.1感知器
3.2.2前向神經(jīng)網(wǎng)絡(luò)
3.2.3徑向基神經(jīng)網(wǎng)絡(luò)
3.2.4反饋神經(jīng)網(wǎng)絡(luò)
3.2.5小腦模型神經(jīng)網(wǎng)絡(luò)
3.2.6大腦模型自組織神經(jīng)網(wǎng)絡(luò)
3.2.7Boltzmann機(jī)
3.3基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.3.1神經(jīng)網(wǎng)絡(luò)的逼近能力
3.3.2神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的原理
3.3.3基于BP網(wǎng)絡(luò)的非線性系統(tǒng)模型辨識(shí)
3.4基于神經(jīng)網(wǎng)絡(luò)的智能控制
3.4.1神經(jīng)控制的基本原理
3.4.2基于神經(jīng)網(wǎng)絡(luò)智能控制的類(lèi)型
3.4.3基于傳統(tǒng)控制理論的神經(jīng)控制
3.5神經(jīng)PID控制
3.5.1神經(jīng)元PID控制
3.5.2自適應(yīng)神經(jīng)元PID控制
3.6神經(jīng)自適應(yīng)控制
3.6.1模型參考神經(jīng)自適應(yīng)控制
3.6.2神經(jīng)自校正控制
3.7基于MATLAB的神經(jīng)控制系統(tǒng)設(shè)計(jì)
3.7.1MATLAB神經(jīng)網(wǎng)絡(luò)工具箱
3.7.2基于MATLAB的模型參考神經(jīng)自適應(yīng)控制系統(tǒng)仿真
啟迪思考題
第4章專家控制與仿人智能控制
4.1專家系統(tǒng)的基本概念
4.1.1專家與專家系統(tǒng)
4.1.2專家系統(tǒng)的基本結(jié)構(gòu)
4.2專家系統(tǒng)的結(jié)構(gòu)與原理
4.2.1專家控制系統(tǒng)的特點(diǎn)
4.2.2專家控制系統(tǒng)的結(jié)構(gòu)
4.2.3專家控制系統(tǒng)的原理
4.2.4實(shí)時(shí)過(guò)程控制專家系統(tǒng)舉例
4.3專家控制器
4.3.1專家控制器的結(jié)構(gòu)
4.3.2一種工業(yè)過(guò)程專家控制器設(shè)計(jì)
4.4仿人智能控制
4.4.1從常規(guī)PID控制談起
4.4.2仿人智能控制的基本思想
4.4.3系統(tǒng)動(dòng)態(tài)行為的特征識(shí)別
4.4.4仿人智能控制原理
4.5仿人智能控制的多種模式
4.5.1仿人智能積分控制
4.5.2仿人智能采樣控制
4.5.3基于極值采樣的仿人智能控制
啟迪思考題
第5章遞階智能控制與學(xué)習(xí)控制
5.1大系統(tǒng)控制的形式與結(jié)構(gòu)
5.1.1大系統(tǒng)控制的基本形式
5.1.2大系統(tǒng)控制的遞階結(jié)構(gòu)
5.2遞階控制的基本原理
5.2.1協(xié)調(diào)的基本概念
5.2.2協(xié)調(diào)的基本原則
5.3遞階智能控制的結(jié)構(gòu)與原理
5.3.1遞階智能控制的結(jié)構(gòu)
5.3.2遞階智能控制的原理
5.4蒸汽鍋爐的遞階模糊控制
5.4.1模糊變量與規(guī)則間的數(shù)量關(guān)系
5.4.2遞階模糊控制規(guī)則
5.4.3蒸汽鍋爐的兩級(jí)遞階模糊控制系統(tǒng)
5.5學(xué)習(xí)控制系統(tǒng)
5.5.1學(xué)習(xí)控制的基本概念
5.5.2迭代學(xué)習(xí)控制
5.5.3重復(fù)學(xué)習(xí)控制
5.5.4其他學(xué)習(xí)控制形式
5.6基于規(guī)則的自學(xué)習(xí)控制系統(tǒng)
5.6.1產(chǎn)生式自學(xué)習(xí)控制系統(tǒng)
5.6.2基于規(guī)則的自學(xué)習(xí)模糊控制舉例
啟迪思考題
第6章智能優(yōu)化原理與算法
6.1智能優(yōu)化算法概述
6.1.1模糊計(jì)算與神經(jīng)計(jì)算
6.1.2進(jìn)化計(jì)算
6.1.3人工免疫算法
6.1.4群智能優(yōu)化算法
6.1.5模擬退火算法
6.1.6禁忌搜索算法
6.2智能優(yōu)化算法的理論基礎(chǔ)
6.2.1系統(tǒng)科學(xué)
6.2.2復(fù)雜適應(yīng)系統(tǒng)理論
6.2.3復(fù)雜適應(yīng)系統(tǒng)的運(yùn)行機(jī)制
6.2.4復(fù)雜適應(yīng)系統(tǒng)理論的特點(diǎn)
6.2.5智能優(yōu)化算法的原理
6.3RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法
6.3.1RBF神經(jīng)網(wǎng)絡(luò)
6.3.2RBF網(wǎng)絡(luò)學(xué)習(xí)算法
6.3.3RBF神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用
6.4遺傳算法
6.4.1生物的進(jìn)化與遺傳
6.4.2遺傳算法的基本概念
6.4.3遺傳算法的基本操作
6.4.4遺傳算法實(shí)現(xiàn)步驟
6.4.5遺傳算法用于函數(shù)優(yōu)化
6.4.6遺傳算法和模糊邏輯及神經(jīng)網(wǎng)絡(luò)的融合
6.5粒子群優(yōu)化算法
6.5.1粒子群優(yōu)化的基本思想
6.5.2粒子群優(yōu)化算法原理
6.5.3PSO算法步驟
6.5.4PSO算法的改進(jìn)及應(yīng)用
6.6免疫優(yōu)化算法
6.6.1免疫學(xué)的基本概念
6.6.2免疫系統(tǒng)的組織結(jié)構(gòu)
6.6.3免疫機(jī)制與克隆選擇理論
6.6.4人工免疫模型與免疫算法
6.6.5免疫應(yīng)答中的學(xué)習(xí)與優(yōu)化
6.6.6克隆選擇算法
6.6.7免疫優(yōu)化算法的應(yīng)用
啟迪思考題
第7章智能控制和智能優(yōu)化的融合
7.1智能控制和智能優(yōu)化的融合
7.2智能優(yōu)化的快速算法
7.3粒子群優(yōu)化的模糊控制器設(shè)計(jì)
7.3.1PSO基本算法
7.3.2模糊控制器的設(shè)計(jì)原理
7.3.3PSO優(yōu)化的模糊控制器在主汽溫控制中的應(yīng)用
7.4基于RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制參數(shù)
7.4.1RBF神經(jīng)網(wǎng)絡(luò)對(duì)被控對(duì)象的辨識(shí)
7.4.2RBF網(wǎng)絡(luò)優(yōu)化PID控制參數(shù)的算法實(shí)現(xiàn)
7.5基于免疫克隆優(yōu)化的模糊神經(jīng)控制器
7.5.1基本的免疫克隆算法
7.5.2改進(jìn)的免疫克隆選擇算法
7.5.3基于免疫克隆算法優(yōu)化的模糊神經(jīng)控制器設(shè)計(jì)
7.5.4仿真結(jié)果及結(jié)論
啟迪思考題
第8章智能控制的工程應(yīng)用實(shí)例
8.1基于神經(jīng)網(wǎng)絡(luò)推理的加熱爐溫度模糊控制
8.1.1基于神經(jīng)網(wǎng)絡(luò)推理的模糊控制
8.1.2模糊控制器的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)
8.1.3現(xiàn)場(chǎng)運(yùn)行效果
8.2神經(jīng)網(wǎng)絡(luò)在車(chē)底爐燃燒控制中的應(yīng)用
8.2.1燃燒控制系統(tǒng)的設(shè)計(jì)
8.2.2神經(jīng)網(wǎng)絡(luò)模型的建立
8.2.3神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程
8.2.4神經(jīng)網(wǎng)絡(luò)在車(chē)底爐燃燒控制中的應(yīng)用實(shí)例
8.3專家控制在靜電除塵器電源控制系統(tǒng)中的應(yīng)用
8.3.1高壓直流靜電除塵電源控制系統(tǒng)
8.3.2專家控制系統(tǒng)控制器設(shè)計(jì)
8.3.3控制結(jié)果及其分析
8.4學(xué)習(xí)控制在數(shù)控凸輪軸磨床上的應(yīng)用
8.4.1FANUC數(shù)控系統(tǒng)學(xué)習(xí)控制功能
8.4.2學(xué)習(xí)控制的實(shí)現(xiàn)
8.4.3學(xué)習(xí)控制效果
啟迪思考題
參考文獻(xiàn)