智能控制：理論基礎、算法設計與應用（第2版 ）

第1章緒論

1.1智能控制的發(fā)展過程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的發(fā)展

1.1.4智能控制的技術(shù)基礎

1.2智能控制的幾個重要分支

1.2.1模糊控制

1.2.2神經(jīng)網(wǎng)絡控制

1.2.3智能搜索算法

1.3智能控制的特點、工具及應用

1.3.1智能控制的特點

1.3.2智能控制的研究工具

1.3.3智能控制的應用

思考題

參考文獻

第2章模糊控制的理論基礎

2.1概述

2.2模糊集合

2.2.1模糊集合的表示

2.2.2模糊集合的運算

2.3隸屬函數(shù)

2.3.1隸屬函數(shù)的特點

2.3.2幾種典型的隸屬函數(shù)及其MATLAB表示

2.3.3模糊系統(tǒng)的設計

2.3.4隸屬函數(shù)的確定方法

2.4模糊關系及其運算

2.4.1模糊關系矩陣

2.4.2模糊矩陣運算

2.4.3模糊矩陣的合成

2.5模糊語句與模糊推理

2.5.1模糊語句

2.5.2模糊推理

思考題

第3章模糊邏輯控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的組成

3.1.3模糊控制系統(tǒng)的工作原理

3.1.4模糊控制器結(jié)構(gòu)

3.2模糊控制系統(tǒng)分類

3.3模糊控制器的設計

3.3.1模糊控制器的設計步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應用實例——洗衣機的模糊控制

3.5模糊自適應整定PID控制

3.5.1模糊自適應整定PID控制原理

3.5.2仿真實例

3.6大時變擾動下切換增益模糊調(diào)節(jié)的滑模控制

3.6.1系統(tǒng)描述

3.6.2滑?？刂破髟O計

3.6.3模糊規(guī)則設計

3.6.4仿真實例

思考題

第4章自適應模糊控制

4.1模糊逼近

4.1.1模糊系統(tǒng)的設計

4.1.2模糊系統(tǒng)的逼近精度

4.1.3仿真實例

4.2間接自適應模糊控制

4.2.1問題描述

4.2.2自適應模糊滑?？刂破髟O計

4.2.3仿真實例

4.3直接自適應模糊控制

4.3.1問題描述

4.3.2模糊控制器的設計

4.3.3自適應律的設計

4.3.4仿真實例

思考題

第5章基于TS模糊建模的控制

5.1TS模糊模型

5.1.1TS模糊模型的形式

5.1.2仿真實例

5.1.3一類非線性系統(tǒng)的TS模糊建模

5.2TS模糊控制器的設計

5.3倒立擺系統(tǒng)的TS模糊模型

5.4基于線性矩陣不等式的單級倒立擺TS模糊控制

5.4.1LMI不等式的設計及分析

5.4.2不等式的轉(zhuǎn)換 

5.4.3LMI設計實例

5.4.4仿真實例

附加資料： 新的LMI求解工具箱——YALMIP工具箱

思考題

參考文獻

第6章機械手自適應模糊控制

6.1簡單的自適應模糊滑?？刂?/p>

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設計與分析

6.1.4仿真實例

6.2基于模糊補償?shù)臋C械手模糊自適應滑?？刂?/p>

6.2.1系統(tǒng)描述

6.2.2基于傳統(tǒng)模糊補償?shù)目刂?/p>

6.2.3自適應控制律的設計

6.2.4基于摩擦模糊逼近的模糊補償控制

6.2.5仿真實例

6.3模糊系統(tǒng)逼近的最小參數(shù)學習法

6.3.1問題描述

6.3.2模糊系統(tǒng)最小參數(shù)逼近

6.3.3基于模糊系統(tǒng)逼近的最小參數(shù)自適應控制

6.3.4仿真實例

6.4基于模糊補償?shù)臋C械手單參數(shù)自適應控制

6.4.1系統(tǒng)描述

6.4.2基于模糊系統(tǒng)逼近的最小參數(shù)自適應控制

6.4.3仿真實例

附加資料

思考題

參考文獻

第7章神經(jīng)網(wǎng)絡理論基礎

7.1神經(jīng)網(wǎng)絡發(fā)展簡史

7.2神經(jīng)網(wǎng)絡原理

7.3神經(jīng)網(wǎng)絡的分類

7.4神經(jīng)網(wǎng)絡學習算法

7.4.1Hebb學習規(guī)則

7.4.2Delta(δ)學習規(guī)則

7.5神經(jīng)網(wǎng)絡的特征及要素

7.5.1神經(jīng)網(wǎng)絡特征

7.5.2神經(jīng)網(wǎng)絡三要素

7.6神經(jīng)網(wǎng)絡控制的研究領域

思考題

第8章典型神經(jīng)網(wǎng)絡及非線性建模

8.1單神經(jīng)元網(wǎng)絡

8.2BP神經(jīng)網(wǎng)絡

8.2.1BP神經(jīng)網(wǎng)絡特點

8.2.2BP神經(jīng)網(wǎng)絡結(jié)構(gòu)與算法

8.2.3BP神經(jīng)網(wǎng)絡的訓練

8.2.4仿真實例

8.3RBF神經(jīng)網(wǎng)絡

8.3.1網(wǎng)絡結(jié)構(gòu)

8.3.2控制系統(tǒng)設計中RBF神經(jīng)網(wǎng)絡的逼近

8.3.3RBF神經(jīng)網(wǎng)絡的訓練

8.3.4仿真實例

8.4模糊RBF神經(jīng)網(wǎng)絡

8.4.1模糊RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)與算法

8.4.2模糊RBF神經(jīng)網(wǎng)絡學習算法

8.4.3仿真實例

8.5PiSigma模糊神經(jīng)網(wǎng)絡

8.5.1高木關野模糊系統(tǒng)

8.5.2混合型PiSigma模糊神經(jīng)網(wǎng)絡

8.5.3PiSigma模糊神經(jīng)網(wǎng)絡學習算法

8.5.4仿真實例

8.6ELM神經(jīng)網(wǎng)絡

8.6.1ELM神經(jīng)網(wǎng)絡的特點

8.6.2ELM神經(jīng)網(wǎng)絡結(jié)構(gòu)與算法

8.6.3ELM神經(jīng)網(wǎng)絡的訓練

8.6.4仿真實例

思考題

參考文獻

第9章自適應RBF神經(jīng)網(wǎng)絡控制

9.1一階系統(tǒng)神經(jīng)網(wǎng)絡自適應控制

9.1.1系統(tǒng)描述

9.1.2滑模控制器設計

9.1.3仿真實例

9.1.4一階系統(tǒng)自適應RBF控制

9.1.5仿真實例

9.2二階系統(tǒng)自適應RBF神經(jīng)網(wǎng)絡控制

9.2.1系統(tǒng)描述

9.2.2基于RBF神經(jīng)網(wǎng)絡逼近f(x)的滑?？刂?nbsp;

9.2.3仿真實例

9.3基于RBF神經(jīng)網(wǎng)絡的單參數(shù)直接魯棒自適應控制

9.3.1系統(tǒng)描述

9.3.2控制律和自適應律設計

9.3.3仿真實例

思考題

參考文獻

第10章基于RBF神經(jīng)網(wǎng)絡的輸入輸出受限控制

10.1控制系統(tǒng)位置輸出受限控制

10.1.1輸出受限引理

10.1.2系統(tǒng)描述

10.1.3控制器的設計

10.1.4仿真實例

10.2基于RBF神經(jīng)網(wǎng)絡的狀態(tài)輸出受限控制

10.2.1系統(tǒng)描述

10.2.2RBF神經(jīng)網(wǎng)絡原理

10.2.3控制器的設計

10.2.4仿真實例

10.3基于RBF神經(jīng)網(wǎng)絡的輸入受限滑模控制

10.3.1系統(tǒng)描述

10.3.2RBF神經(jīng)網(wǎng)絡逼近及雙曲正切函數(shù)特點

10.3.3控制器的設計及分析

10.3.4仿真實例

思考題

參考文獻

第11章基于RBF神經(jīng)網(wǎng)絡的執(zhí)行器自適應容錯控制

11.1執(zhí)行器容錯控制描述

11.2SISO系統(tǒng)執(zhí)行器自適應容錯控制

11.2.1控制問題描述

11.2.2控制律的設計與分析

11.2.3仿真實例

11.3基于RBF神經(jīng)網(wǎng)絡的SISO系統(tǒng)執(zhí)行器自適應容錯控制

11.3.1控制問題描述

11.3.2RBF神經(jīng)網(wǎng)絡設計

11.3.3控制律的設計與分析

11.3.4仿真實例

11.4MISO系統(tǒng)執(zhí)行器自適應容錯控制

11.4.1控制問題描述

11.4.2控制律的設計與分析

11.4.3仿真實例

11.5MISO系統(tǒng)執(zhí)行器自適應神經(jīng)網(wǎng)絡容錯控制

11.5.1控制問題描述

11.5.2RBF神經(jīng)網(wǎng)絡設計

11.5.3控制律的設計與分析

11.5.4仿真實例

11.6帶執(zhí)行器卡死的MISO系統(tǒng)自適應容錯控制

11.6.1控制問題描述

11.6.2控制律的設計與分析

11.6.3仿真實例

11.7帶執(zhí)行器卡死的MISO系統(tǒng)神經(jīng)網(wǎng)絡自適應容錯控制

11.7.1控制問題描述

11.7.2RBF神經(jīng)網(wǎng)絡設計

11.7.3控制律的設計與分析

11.7.4仿真實例

11.8基于傳感器和執(zhí)行器容錯的自適應控制

11.8.1系統(tǒng)描述

11.8.2控制器設計與分析

11.8.3仿真實例

11.9基于傳感器和執(zhí)行器容錯的神經(jīng)網(wǎng)絡自適應控制

11.9.1系統(tǒng)描述

11.9.2控制器設計與分析

11.9.3神經(jīng)網(wǎng)絡逼近

11.9.4仿真實例

附加資料

思考題

參考文獻

第12章機械系統(tǒng)神經(jīng)網(wǎng)絡自適應控制

12.1一種簡單的RBF神經(jīng)網(wǎng)絡自適應滑?？刂?/p>

12.1.1問題描述

12.1.2RBF神經(jīng)網(wǎng)絡原理

12.1.3控制算法設計與分析

12.1.4仿真實例

12.2基于RBF神經(jīng)網(wǎng)絡逼近的機械手自適應控制

12.2.1問題的提出

12.2.2基于RBF神經(jīng)網(wǎng)絡逼近的控制器

12.2.3仿真實例

12.3基于RBF神經(jīng)網(wǎng)絡的最小參數(shù)自適應控制

12.3.1問題描述

12.3.2基于RBF神經(jīng)網(wǎng)絡逼近的最小參數(shù)自適應控制

12.3.3仿真實例

12.4機械手神經(jīng)網(wǎng)絡單參數(shù)自適應控制

12.4.1問題的提出

12.4.2神經(jīng)網(wǎng)絡設計

12.4.3控制器設計

12.4.4仿真實例

12.5一類欠驅(qū)動機械系統(tǒng)神經(jīng)網(wǎng)絡滑?？刂?/p>

12.5.1系統(tǒng)描述

12.5.2RBF神經(jīng)網(wǎng)絡原理

12.5.3滑?？刂坡傻脑O計

12.5.4收斂性分析

12.5.5仿真實例

附加資料

思考題

參考文獻

第13章基于RBF神經(jīng)網(wǎng)絡的反演自適應控制

13.1一種三階非線性系統(tǒng)的反演控制

13.1.1系統(tǒng)描述

13.1.2反演控制器設計

13.1.3仿真實例

13.2基于RBF神經(jīng)網(wǎng)絡的三階非線性系統(tǒng)反演控制

13.2.1系統(tǒng)描述

13.2.2RBF神經(jīng)網(wǎng)絡原理

13.2.3神經(jīng)網(wǎng)絡反演控制器設計

13.2.4仿真實例

思考題

參考文獻

第14章基于LMI的神經(jīng)網(wǎng)絡自適應控制

14.1基于LMI的控制

14.1.1系統(tǒng)描述

14.1.2控制器的設計與分析

14.1.3仿真實例

14.2基于LMI的神經(jīng)網(wǎng)絡自適應控制

14.2.1系統(tǒng)描述

14.2.2RBF神經(jīng)網(wǎng)絡設計

14.2.3控制器的設計與分析

14.2.4仿真實例

14.3基于LMI的神經(jīng)網(wǎng)絡自適應跟蹤控制

14.3.1系統(tǒng)描述

14.3.2仿真實例

思考題

第15章智能優(yōu)化算法

15.1TSP優(yōu)化

15.2遺傳算法

15.2.1遺傳算法的基本原理

15.2.2遺傳算法的特點

15.2.3遺傳算法的應用領域

15.2.4遺傳算法的優(yōu)化設計

15.2.5基于遺傳算法的函數(shù)優(yōu)化

15.3基于遺傳算法的TSP優(yōu)化

15.3.1TSP的編碼

15.3.2TSP的遺傳算法設計

15.3.3仿真實例

15.4粒子群優(yōu)化算法

15.4.1粒子群算法基本原理

15.4.2算法流程

15.4.3基于粒子群算法的函數(shù)優(yōu)化

15.4.4基于粒子群算法的TSP優(yōu)化

15.5標準差分進化算法

15.5.1差分進化算法的基本流程

15.5.2差分進化算法的參數(shù)設置

15.5.3基于差分進化算法的函數(shù)優(yōu)化

15.5.4基于差分進化算法的TSP優(yōu)化

15.6基于差分進化最優(yōu)軌跡規(guī)劃的PD控制

15.6.1問題的提出

15.6.2一個簡單的樣條插值實例

15.6.3最優(yōu)軌跡的設計

15.6.4最優(yōu)軌跡的優(yōu)化

15.6.5仿真實例

15.7蟻群算法

15.7.1蟻群算法的基本原理

15.7.2基于TSP優(yōu)化的蟻群算法

15.7.3仿真實例

15.8Hopfield神經(jīng)網(wǎng)絡

15.8.1Hopfield神經(jīng)網(wǎng)絡原理

15.8.2求解TSP的Hopfield神經(jīng)網(wǎng)絡設計

15.8.3仿真實例

思考題

參考文獻

第16章智能優(yōu)化算法的應用

16.1柔性機械手動力學模型參數(shù)辨識

16.1.1柔性機械手模型描述

16.1.2仿真實例

16.2飛行器縱向模型參數(shù)辨識

16.2.1問題描述

16.2.2仿真實例

16.3VTOL參數(shù)辨識

16.3.1VTOL參數(shù)辨識問題

16.3.2基于粒子群算法的參數(shù)辨識

16.3.3基于差分進化算法的VTOL參數(shù)辨識

16.4四旋翼飛行器建模與參數(shù)辨識

16.4.1四旋翼飛行器動力學模型

16.4.2動力學模型的變換

16.4.3模型測試

16.4.4基于粒子群算法的參數(shù)辨識

16.4.5基于差分進化算法的參數(shù)辨識

16.5基于粒子群算法的航班著陸調(diào)度

16.5.1問題描述

16.5.2優(yōu)化問題的設計

16.5.3仿真實例

16.6基于差分進化算法的產(chǎn)品加工生產(chǎn)調(diào)度

16.6.1問題描述

16.6.2優(yōu)化問題的設計

16.6.3仿真實例

16.7基于差分進化算法的無人機三維路徑規(guī)劃

16.7.1問題描述

16.7.2目標函數(shù)設計

16.7.3基于差分進化算法的路徑規(guī)劃

16.7.4仿真實例

思考題

參考文獻

第17章神經(jīng)網(wǎng)絡自適應協(xié)調(diào)控制

17.1主輔電機的協(xié)調(diào)控制

17.1.1系統(tǒng)描述

17.1.2控制律設計與分析

17.1.3仿真實例

17.2基于神經(jīng)網(wǎng)絡的主輔電機協(xié)調(diào)控制

17.2.1系統(tǒng)描述

17.2.2RBF神經(jīng)網(wǎng)絡的設計

17.2.3控制律設計與分析

17.2.4仿真實例

思考題

參考文獻

第18章多智能體系統(tǒng)一致性控制的設計與分析

18.1多智能體系統(tǒng)介紹

18.2多智能體系統(tǒng)的位置一致性跟蹤控制

18.2.1系統(tǒng)描述

18.2.2控制器的設計

18.2.3穩(wěn)定性分析

18.2.4仿真實例

18.3二階線性多智能體系統(tǒng)一致性控制

18.3.1系統(tǒng)描述

18.3.2控制律設計

18.3.3仿真實例

18.3.4Laplacian矩陣分析

18.4基于RBF神經(jīng)網(wǎng)絡的多智能體系統(tǒng)一致性控制

18.4.1系統(tǒng)描述

18.4.2基于RBF神經(jīng)網(wǎng)絡逼近的滑?？刂?/p>

18.4.3控制律設計

18.4.4仿真實例

18.5基于執(zhí)行器容錯的多智能體系統(tǒng)控制

18.5.1系統(tǒng)描述

18.5.2控制律設計

18.5.3仿真實例

思考題

參考文獻