智能控制技術（第3版）

前言
章緒論
節(jié)智能控制的發(fā)展過程
一、智能控制問題的提出
二、智能控制的發(fā)展
第二節(jié)智能控制的主要方法
一、專家系統(tǒng)和專家控制
二、模糊控制
三、神經(jīng)元網(wǎng)絡控制
四、學習控制
第三節(jié)智能控制系統(tǒng)的構成原理
一、智能控制系統(tǒng)的結構
二、智能控制系統(tǒng)的特點
三、智能控制系統(tǒng)研究的數(shù)學工具
習題和思考題
第二章模糊控制的理論基礎
節(jié)模糊控制概述
一、模糊控制的發(fā)展
二、模糊控制的特點
三、模糊控制的定義
第二節(jié)模糊集合論基礎
一、模糊集合的概念
二、模糊集合的運算
三、模糊集合運算的基本性質
四、隸屬度函數(shù)的建立
五、模糊關系
第三節(jié)模糊邏輯、模糊邏輯推理和合成
一、二值邏輯
二、模糊邏輯及其基本運算
三、模糊語言邏輯
四、模糊邏輯推理
五、模糊關系方程的解
本章小結
習題和思考題
第三章模糊控制系統(tǒng)
節(jié)模糊控制系統(tǒng)的組成
一、模糊化過程
二、知識庫
三、推理決策邏輯
四、 化計算
第二節(jié)模糊控制器的設計
一、模糊控制器的結構設計
二、模糊控制器的基本類型
三、模糊控制器的設計原則
四、模糊控制器的常規(guī)設計方法
第三節(jié)模糊控制器的設計舉例
一、流量控制的模糊控制器設計
二、倒立擺的模糊控制器設計
第四節(jié)模糊PID控制器的設計
一、模糊控制器和常規(guī)PID的混合結構
二、常規(guī)PID參數(shù)的模糊自整定技術
本章小結
習題和思考題
上機實驗題
第四章人工神經(jīng)元網(wǎng)絡模型
節(jié)神經(jīng)網(wǎng)絡概述
一、神經(jīng)元模型
二、神經(jīng)網(wǎng)絡的模型分類
三、神經(jīng)網(wǎng)絡的學習算法
四、神經(jīng)網(wǎng)絡的泛化能力
第二節(jié)前向神經(jīng)網(wǎng)絡模型
一、單一人工神經(jīng)元
二、單層神經(jīng)網(wǎng)絡結構
三、多層神經(jīng)網(wǎng)絡結構
四、多層傳播網(wǎng)絡的BP學習算法
五、BP學習算法的MATLAB例程
第三節(jié)動態(tài)神經(jīng)網(wǎng)絡模型
一、帶時滯的多層感知器網(wǎng)絡
二、Hopfield神經(jīng)網(wǎng)絡
三、回歸神經(jīng)網(wǎng)絡
本章小結
習題和思考題
第五章神經(jīng)網(wǎng)絡控制論
節(jié)神經(jīng)網(wǎng)絡與神經(jīng)網(wǎng)絡控制器
一、神經(jīng)網(wǎng)絡控制的優(yōu)越性
二、神經(jīng)網(wǎng)絡控制器的分類
三*、神經(jīng)網(wǎng)絡的逼近能力
第二節(jié)非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡辨識
一、神經(jīng)網(wǎng)絡的辨識基礎
二、神經(jīng)網(wǎng)絡辨識模型的結構
三*、非線性動態(tài)系統(tǒng)神經(jīng)網(wǎng)絡的辨識
第三節(jié)神經(jīng)網(wǎng)絡控制的學習機制
一、監(jiān)督式學習
二、增強式學習
第四節(jié)神經(jīng)網(wǎng)絡控制器的設計
一、神經(jīng)網(wǎng)絡直接逆模型控制法
二、直接網(wǎng)絡控制法
三、多神經(jīng)網(wǎng)絡自學習控制法
四、單一神經(jīng)元控制法
本章小結
習題和思考題
第六章*智能控制的集成技術
節(jié)模糊神經(jīng)網(wǎng)絡控制
一、模糊神經(jīng)網(wǎng)絡的結構
二、模糊神經(jīng)網(wǎng)絡的學習算法
第二節(jié)基于神經(jīng)網(wǎng)絡的自適應控制
一、自適應控制技術
二、神經(jīng)網(wǎng)絡的模型參考自適應控制
第三節(jié)智能控制的優(yōu)化算法
一、遺傳學習算法
二、蟻群學習算法
三、迭代學習算法
本章小結
第七章深度學習
節(jié)深度學習概述
一、什么是深度學習
二、深度學習模型中的優(yōu)化
三、GPU的重要性
第二節(jié)模型范式
一、卷積神經(jīng)網(wǎng)絡
二、循環(huán)神經(jīng)網(wǎng)絡
三、自動編碼器
四、注意力模型
第三節(jié)深度學習在智能電網(wǎng)中的應用
一、電力設備及系統(tǒng)故障診斷
二、光伏功率預測
三、電力系統(tǒng)快速潮流計算
本章小結
第八章強化學習
節(jié)強化學習概述
一、強化學習的產(chǎn)生與發(fā)展
二、強化學習的關鍵要素
第二節(jié)強化學習理論基礎
一、馬爾可夫決策過程
二、基于價值函數(shù)的強化學習方法
三、基于策略梯度的強化學習方法
第三節(jié)深度強化學習
一、基于函數(shù)逼近器的強化學習
二、深度Q學習算法
三、深度確定性策略梯度算法
第四節(jié)深度強化學習在智能電網(wǎng)中的應用
一、深度強化學習在理論研究階段的應用
二、深度強化學習在實際優(yōu)化問題中的應用
本章小結
參考文獻