智能控制原理與應(yīng)用（第3版）

第1章 概論
1．1 智能控制的產(chǎn)生與發(fā)展
1．1．1 自動控制的機遇與挑戰(zhàn)
1．1．2 智能控制的發(fā)展和作用
1．2 中國智能控制發(fā)展簡史
1．2．1 國內(nèi)外智能控制發(fā)展過程
1．2．2 我國智能控制科技成果
1．2．3 我國智能控制教育與人才培養(yǎng)
1．2．4 我國智能控制存在的問題
1．3 智能控制的定義、特點、一般結(jié)構(gòu)與分類
1．3．1 智能控制的定義、特點與評價準則
1．3．2 智能控制器的一般結(jié)構(gòu)
1．3．3 智能控制系統(tǒng)的分類
1．4 智能控制的學科結(jié)構(gòu)理論體系
1．4．1 二元交集結(jié)構(gòu)理論
1．4．2 三元交集結(jié)構(gòu)理論
1．4．3 四元交集結(jié)構(gòu)理論
1．5 本書概要
習題1
第2章 遞階控制系統(tǒng)
2．1 遞階智能機器的一般理論
2．1．1 遞階智能機器的一般結(jié)構(gòu)
2．1．2 遞階智能機器的信息論基礎(chǔ)
2．1．3 IPDI原理的解析公式
2．2 遞階智能控制系統(tǒng)的原理與結(jié)構(gòu)
2．2．1 組織級原理與結(jié)構(gòu)
2．2．2 協(xié)調(diào)級原理與結(jié)構(gòu)
2．2．3 執(zhí)行級原理與結(jié)構(gòu)
2．3 遞階智能控制系統(tǒng)舉例
2．3．1 汽車自主駕駛系統(tǒng)的組成
2．3．2 汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)
2．3．3 自主駕駛系統(tǒng)的軟件結(jié)構(gòu)與控制算法
2．3．4 自主駕駛系統(tǒng)的試驗結(jié)果
2．4 小結(jié)
習題2
第3章 專家控制系統(tǒng)
3．1 專家系統(tǒng)的基本概念
3．1．1 專家系統(tǒng)的定義與一般結(jié)構(gòu)
3．1．2 專家系統(tǒng)的建造步驟
3．2 專家系統(tǒng)的主要類型與結(jié)構(gòu)
3．2．1 基于規(guī)則的專家系統(tǒng)
3．2．2 基于框架的專家系統(tǒng)
3．2．3 基于模型的專家系統(tǒng)
3．3 專家控制系統(tǒng)的結(jié)構(gòu)與設(shè)計
3．3．1 專家控制系統(tǒng)的結(jié)構(gòu)
3．3．2 專家控制系統(tǒng)的控制要求與設(shè)計原則
3．3．3 專家控制系統(tǒng)的設(shè)計問題
3．4 專家控制系統(tǒng)應(yīng)用舉例
3．4．1 實時控制系統(tǒng)的特點與要求
3．4．2 高爐監(jiān)控專家系統(tǒng)
3．5 小結(jié)
習題3
第4章 模糊控制系統(tǒng)
4．1 模糊數(shù)學基礎(chǔ)
4．1．1 模糊集合及其運算
4．1．2 模糊關(guān)系與模糊變換
4．1．3 模糊邏輯語言
4．2 模糊推理與模糊判決
4．2．1 模糊推理
4．2．2 模糊判決
4．3 模糊控制系統(tǒng)原理與結(jié)構(gòu)
4．3．1 模糊控制原理
4．3．2 模糊控制系統(tǒng)的原理結(jié)構(gòu)
4．4 模糊控制器的設(shè)計內(nèi)容
4．4．1 模糊控制器的設(shè)計內(nèi)容與原則
4．4．2 模糊控制器的控制規(guī)則形式
4．5 模糊控制系統(tǒng)的設(shè)計方法
4．5．1 模糊系統(tǒng)設(shè)計的查表法
4．5．2 模糊系統(tǒng)設(shè)計的梯度下降法
4．5．3 模糊系統(tǒng)設(shè)計的遞推最小二乘法
4．5．4 模糊系統(tǒng)設(shè)計的聚類法
4．6 模糊控制器的設(shè)計實例與實現(xiàn)
4．6．1 造紙機模糊控制系統(tǒng)的設(shè)計與實現(xiàn)
4．6．2 直流調(diào)速系統(tǒng)模糊控制器的設(shè)計
4．7 MATLAB模糊控制工具箱
4．8 小結(jié)
習題4
第5章 神經(jīng)控制系統(tǒng)
5．1 人工神經(jīng)網(wǎng)絡(luò)概述
5．1．1 神經(jīng)元及其特性
5．1．2 人工神經(jīng)網(wǎng)絡(luò)的基本類型和學習算法
5．1．3 人工神經(jīng)網(wǎng)絡(luò)的典型模型
5．1．4 基于神經(jīng)網(wǎng)絡(luò)的知識表示與推理
5．2 深層神經(jīng)網(wǎng)絡(luò)與深度學習
5．2．1 深層神經(jīng)網(wǎng)絡(luò)
5．2．2 深度學習的定義與特點
5．2．3 深度學習的常用模型
5．2．4 深度學習應(yīng)用舉例
5．3 神經(jīng)控制的結(jié)構(gòu)方案
5．3．1 NN學習控制
5．3．2 NN直接逆?？刂婆c內(nèi)模控制
5，3．3 NN自適應(yīng)控制
5．3．4 NN預(yù)測控制
5．3．5 基于CAMC的控制
5．3．6 多層NN控制和深度控制
5．3．7 分級NN控制
5．4 神經(jīng)控制系統(tǒng)的設(shè)計與應(yīng)用示例
5．4．1 石灰窯爐神經(jīng)內(nèi)?？刂葡到y(tǒng)的設(shè)計
5．4．2 神經(jīng)模糊自適應(yīng)控制器的設(shè)計
5．4．3 神經(jīng)控制系統(tǒng)應(yīng)用舉例
5．5 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱及其仿真
5．5．1 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面
5．5．2 基于Simulink的神經(jīng)網(wǎng)絡(luò)模塊工具
5．6 小結(jié)
習題5
第6章 學習控制系統(tǒng)
6．1 學習控制概述
6．1．1 學習控制的定義與研究意義
6．1．2 學習控制的發(fā)展及其與自適應(yīng)控制的關(guān)系
6．1．3 控制律映射及對學習控制的要求
6．2 學習控制方案
6．2．1 基于模式識別的學習控制
6．2．2 迭代學習控制
6．2．3 增強學習控制
6．2．4 基于神經(jīng)網(wǎng)絡(luò)的學習控制
6．3 學習控制系統(tǒng)應(yīng)用舉例
6．3．1 無縫鋼管張力減徑過程壁厚控制迭代學習控制算法
6．3．2 鋼管壁厚迭代學習控制的仿真及應(yīng)用結(jié)果
6．4 小結(jié)
習題6
第7章 分布式控制系統(tǒng)
7．1 分布式人工智能與真體
7．1．1 分布式人工智能
7．1．2 真體及其特性
7．1．3 真體的結(jié)構(gòu)
7．2 多真體系統(tǒng)
7．2．1 多真體系統(tǒng)的模型和結(jié)構(gòu)
7．2．2 多真體系統(tǒng)的協(xié)作、協(xié)商和協(xié)調(diào)
7．2．3 多真體系統(tǒng)的學習與規(guī)劃
7．3 多真體控制系統(tǒng)的工作原理
7．3．1 MAS控制系統(tǒng)的基本原理和結(jié)構(gòu)
7．3．2 MAS控制系統(tǒng)的信息模型
7．4 MAS控制系統(tǒng)的設(shè)計示例
7．5 小結(jié)
習題7
第8章 進化控制與免疫控制
8．1 遺傳算法簡介
8．1．1 遺傳算法的基本原理
8．1．2 遺傳算法的求解步驟
8．2 進化控制基本原理
8．2．1 進化控制原理與系統(tǒng)結(jié)構(gòu)
8．2．2 進化控制的形式化描述
8．3 進化控制系統(tǒng)示例
8．3．1 一種在線混合進化伺服控制器
8．3．2 一個移動機器人進化控制系統(tǒng)
8．4 免疫控制基本原理
8．4．1 免疫控制的系統(tǒng)結(jié)構(gòu)
8．4．2 免疫控制的自然計算體系和系統(tǒng)計算框圖
8．5 小結(jié)
習題8
第9章 網(wǎng)絡(luò)控制系統(tǒng)
9．1 計算機網(wǎng)絡(luò)與網(wǎng)絡(luò)控制基礎(chǔ)
9．1．1 計算機網(wǎng)絡(luò)及其結(jié)構(gòu)
9．1．2 數(shù)據(jù)通信與網(wǎng)絡(luò)通信
9．1．3 網(wǎng)絡(luò)控制的基本問題
9．2 計算機網(wǎng)絡(luò)的發(fā)展過程
9．3 網(wǎng)絡(luò)控制系統(tǒng)的結(jié)構(gòu)與特點
9．3．1 網(wǎng)絡(luò)控制系統(tǒng)的一般原理與結(jié)構(gòu)
9．3．2 網(wǎng)絡(luò)控制系統(tǒng)的特點與影響因素
9．4 網(wǎng)絡(luò)控制系統(tǒng)的建模與性能評價標準
9．4．1 網(wǎng)絡(luò)控制系統(tǒng)的建模
9．4．2 網(wǎng)絡(luò)控制系統(tǒng)的性能評價標準
9．5 網(wǎng)絡(luò)控制系統(tǒng)穩(wěn)定性與控制器設(shè)計方法
9．5．1 網(wǎng)絡(luò)控制系統(tǒng)的穩(wěn)定性
9．5．2 網(wǎng)絡(luò)控制系統(tǒng)的控制器設(shè)計方法
9．6 網(wǎng)絡(luò)控制系統(tǒng)的調(diào)度
9．6．1 網(wǎng)絡(luò)控制系統(tǒng)的調(diào)度方法
9．6．2 網(wǎng)絡(luò)控制系統(tǒng)調(diào)度的時間參數(shù)
9．7 網(wǎng)絡(luò)控制系統(tǒng)的仿真與工程實現(xiàn)
9．7．1 網(wǎng)絡(luò)控制系統(tǒng)的仿真平臺
9．7．2 網(wǎng)絡(luò)控制系統(tǒng)的工程實現(xiàn)
9．8 網(wǎng)絡(luò)控制系統(tǒng)的應(yīng)用舉例
9．8．1 煙草包裝的網(wǎng)絡(luò)測控系統(tǒng)
9．8．2 熱電廠集散控制系統(tǒng)
9．9 小結(jié)
習題9
第10章 復(fù)合智能控制
10．1 復(fù)合智能控制概述
10．2 模糊神經(jīng)復(fù)合控制原理
10．3 自學習模糊神經(jīng)控制系統(tǒng)
10．3．1 自學習模糊神經(jīng)控制模型
10．3．2 自學習模糊神經(jīng)控制算法
10．3．3 弧焊過程自學習模糊神經(jīng)控制系統(tǒng)
10．4 進化模糊復(fù)合控制器
10．4．1 控制器設(shè)計步驟和參數(shù)優(yōu)化方法
10．4．2 解釋（編碼）函數(shù)的設(shè)計
10．4．3 規(guī)則編碼
10．4．4 初始種群和適應(yīng)度函數(shù)的計算
10．4．5 直流電動機GA優(yōu)化模糊速度控制系統(tǒng)
10．4．6 進化、模糊和神經(jīng)復(fù)合的故障診斷系統(tǒng)設(shè)計
10．5 小結(jié)
習題10
附錄A 基于MATLAB工具箱的模糊與神經(jīng)控制仿真
A．1 基于模糊邏輯工具箱的模糊控制器
A．2 模糊控制系統(tǒng)的Simulink仿真
A．3 神經(jīng)網(wǎng)絡(luò)逼近非線性函數(shù)的設(shè)計
A．4 基于神經(jīng)網(wǎng)絡(luò)工具箱的水反應(yīng)器模型預(yù)測控制實例
附錄B 模糊控制與神經(jīng)網(wǎng)絡(luò)控制的實驗
B．1 電熱箱的模糊閉環(huán)控制實驗
B．2 單神經(jīng)元自適應(yīng)閉環(huán)控制實驗
參考文獻