书籍详情
智能控制工程及其应用实例
作者：罗均等编著
出版社：化学工业出版社
出版时间：2005-03-01
ISBN：9787502566449
定价：¥26.00
购买这本书可以去
内容简介
简介 本书系统介绍了智能控制的理论、方法、系统设计及其实现技术，突出反映了智能控制在国内外的最新研究成果及其应用实例。首先介绍了智能控制的产生、发展及与传统控制的区别；然后阐述了智能控制的知识工程基础、基于知识的专家控制、模糊控制、神经网络控制、分级递阶智能控制、进化算法与遗传算法；最后给出了智能控制在工业控制、机器人及路径规划中的应用实例。本书可供自动控制、机械电子工程、系统工程、经济管理、运筹学、计算机等专业的工程技术人员使用，也可作为大专院校相关专业的教材和参考书。 目录第1章 绪论111 传统控制的发展及其困难1 111 传统控制的产生及其发展1 112 传统控制所面临的困难212 人工智能的定义与发展3 121 人工智能的定义3 122 人工智能的产生与发展313 智能控制的产生、发展及其特点5 131 智能控制的产生与发展5 132 智能控制的结构与特点714 智能控制与传统控制815 智能控制的主要研究内容9 第2章 智能控制的知识工程基础1121 知识表示11 211 一阶谓词逻辑法11 212 产生式表示法13 213 语义网络表示法14 214 框架表示法1622 知识利用18 221 搜索19 222 推理2423 知识获取26 231 机器学习的发展26 232 机器学习的分类27 233 机械式学习28 234 归纳学习28 235 指导学习29 第3章 基于知识的专家系统及专家控制3131 专家系统与专家控制系统3132 专家系统的产生及其原理31 321 专家系统的产生与发展31 322 专家系统的原理33 323 专家系统的分类34 324 专家系统的基本结构35 325 黑板模型37 326 知识获取3833 专家系统的实现41 331 专家系统的设计原则41 332 专家系统建立的步骤4334 专家控制器的设计44 341 专家控制系统的产生44 342 专家控制器的组成45 343 直接专家控制系统的设计46 344 间接专家控制系统的设计48 第4章 基于模糊推理的智能控制系统5141 模糊控制理论的产生和发展5142 模糊集合及其基本运算52 421 普通集合52 422 模糊集合53 423 模糊关系57 424 模糊推理6243 模糊控制原理65 431 模糊控制系统的组成66 432 确定模糊控制器的结构68 433 输入模糊化68 434 模糊推理决策69 435 逆模糊化7044 自适应模糊控制器71 441 性能测量71 442 控制对象的增量模型73 443 控制规则库的修正73 444 尺度变换因子的选择74 445 设计步骤7445 模糊控制软件开发工具75 451 Motorola模糊控制软件77 452 美国FIDE模糊推理开发环境78 453 德国模糊逻辑系统的软件工具fuzzy TECH7946 模糊控制应用实例80 461 电热炉温度控制的模糊控制80 462 模糊控制全自动洗衣机86 第5章 基于神经网络的智能控制9251 概述92 511 人脑神经网络92 512 人工神经网络原理93 513 人工神经网络发展简史9652 人工神经网络的学习方法98 521 人工神经网络的学习方式98 522 人工神经网络的学习规则9853 人工神经网络的模型与算法99 531 单层感知器99 532 BP学习算法100 533 Hopfield神经网络103 534 脑模型控制器10854 基于神经网络的智能控制110 541 内模控制110 542 直接自校正控制111 543 间接自校正控制111 544 模型参考自适应控制111 545 预测控制112 546 神经网络与常规控制方法的结合112 547 神经网络专家系统控制113 548 神经网络模糊控制11355 神经网络控制实例113 第6章 分级递阶智能控制11761 分级递阶智能控制的产生11762 一般结构原理11763 组织级119 631 组织级的功能119 632 组织级的功能的实现方法11964 协调级和执行级121 641 协调级和执行级的结构121 642 执行级控制性能的熵函数表示12265 分级递阶智能控制应用实例123 651 PUMA机械臂的分级递阶智能控制123 652 PLC的分级递阶智能控制125 653 仿人智能控制的分级递阶结构127 第7章 进化计算与遗传算法13071 进化计算130 711 进化计算概述130 712 进化策略130 713 进化规划131 714 遗传算法131 715 进化策略、进化规划和遗传算法的比较13372 标准遗传算法的基本原理134 721 编码方法135 722 适应度函数137 723 选择运算139 724 交换142 725 变异14473 模式与模式定理145 731 模式146 732 模式定理14674 遗传算法和模糊逻辑、神经网络的融合148 741 遗传算法在模糊推理中的应用148 742 遗传算法和神经网络的融合150 第8章 智能控制工程的应用实例15181 专家控制系统在复杂工业过程中的应用151 811 系统的结构与功能152 812 系统的开发过程152 813 知识的表示与知识库结构153 814 传感器数据的预处理和不确定性的表示15482 模糊专家控制在啤酒发酵过程中的应用155 821 啤酒发酵工艺155 822 啤酒生产发酵工艺微机控制系统结构157 823 模糊专家控制器设计157 824 系统的实现及控制效果15983 神经网络在工业机器人高精度控制中的应用160 831 基于模型的误差补偿方式160 832 应用神经网络补偿误差方式160 833 实验结果16184 遗传算法在机器人路径规划中的应用实例163 841 基于栅格划分机器人工作空间的路径规划163 842 基于C空间的非完整轮式移动机器人的路径规划16685 模糊-神经网络智能控制在粮食干燥过程中的应用实例171 参考文献180
作者简介
暂缺《智能控制工程及其应用实例》作者简介
目录
第1章 绪论1
1.1 传统控制的发展及其困难 1
1.1.1 传统控制的产生及其发展1
1.1.2 传统控制所面临的困难 2
1.2 人工智能的定义与发展 3
1.2.1 人工智能的定义 3
1.2.2 人工智能的产生与发展 3
1.3 智能控制的产生、发展及其特点 5
1.3.1 智能控制的产生与发展 5
1.3.2 智能控制的结构与特点 7
1.4 智能控制与传统控制 8
1.5 智能控制的主要研究内容 9
第2章 智能控制的知识工程基础11
2.1 知识表示11
2.1.1 一阶谓词逻辑法11
2.1.2 产生式表示法13
2.1.3 语义网络表示法 14
2.1.4 框架表示法16
2.2 知识利用18
2.2.1 搜索19
2.2.2 推理 24
2.3 知识获取26
2.3.1 机器学习的发展26
2.3.2 机器学习的分类27
2.3.3 机械式学习28
2.3.4 归纳学习28
2.3.5 指导学习29
第3章 基于知识的专家系统及专家控制31
3.1 专家系统与专家控制系统31
3.2 专家系统的产生及其原理31
3.2.1 专家系统的产生与发展31
3.2.2 专家系统的原理33
3.2.3 专家系统的分类34
3.2.4 专家系统的基本结构35
3.2.5 黑板模型37
3.2.6 知识获取38
3.3 专家系统的实现41
3.3.1 专家系统的设计原则41
3.3.2 专家系统建立的步骤 43
3.4 专家控制器的设计44
3.4.1 专家控制系统的产生44
3.4.2 专家控制器的组成45
3.4.3 直接专家控制系统的设计46
3.4.4 间接专家控制系统的设计48
第4章 基于模糊推理的智能控制系统51
4.1 模糊控制理论的产生和发展51
4.2 模糊集合及其基本运算 52
4.2.1 普通集合 52
4.2.2 模糊集合53
4.2.3 模糊关系57
4.2.4 模糊推理62
4.3 模糊控制原理65
4.3.1 模糊控制系统的组成66
4.3.2 确定模糊控制器的结构68
4.3.3 输入模糊化68
4.3.4 模糊推理决策69
4.3.5 逆模糊化70
4.4 自适应模糊控制器71
4.4.1 性能测量71
4.4.2 控制对象的增量模型73
4.4.3 控制规则库的修正73
4.4.4 尺度变换因子的选择74
4.4.5 设计步骤74
4.5 模糊控制软件开发工具75
4.5.1 motorola模糊控制软件77
4.5.2 美国fide模糊推理开发环境78
4.5.3 德国模糊逻辑系统的软件工具fuzzy tech79
4.6 模糊控制应用实例80
4.6.1 电热炉温度控制的模糊控制80
4.6.2 模糊控制全自动洗衣机86
第5章 基于神经网络的智能控制92
5.1 概述92
5.1.1 人脑神经网络92
5.1.2 人工神经网络原理93
5.1.3 人工神经网络发展简史96
5.2 人工神经网络的学习方法98
5.2.1 人工神经网络的学习方式98
5.2.2 人工神经网络的学习规则98
5.3 人工神经网络的模型与算法99
5.3.1 单层感知器99
5.3.2 bp学习算法100
5.3.3 hopfield神经网络103
5.3.4 脑模型控制器108
5.4 基于神经网络的智能控制110
5.4.1 内模控制110
5.4.2 直接自校正控制111
5.4.3 间接自校正控制111
5.4.4 模型参考自适应控制111
5.4.5 预测控制112
5.4.6 神经网络与常规控制方法的结合112
5.4.7 神经网络专家系统控制113
5.4.8 神经网络模糊控制113
5.5 神经网络控制实例113
第6章 分级递阶智能控制117
6.1 分级递阶智能控制的产生117
6.2 一般结构原理117
6.3 组织级119
6.3.1 组织级的功能119
6.3.2 组织级的功能的实现方法119
6.4 协调级和执行级121
6.4.1 协调级和执行级的结构121
6.4.2 执行级控制性能的熵函数表示122
6.5 分级递阶智能控制应用实例123
6.5.1 puma机械臂的分级递阶智能控制123
6.5.2 plc的分级递阶智能控制125
6.5.3 仿人智能控制的分级递阶结构127
第7章 进化计算与遗传算法130
7.1 进化计算130
7.1.1 进化计算概述130
7.1.2 进化策略130
7.1.3 进化规划131
7.1.4 遗传算法131
7.1.5 进化策略、进化规划和遗传算法的比较133
7.2 标准遗传算法的基本原理134
7.2.1 编码方法135
7.2.2 适应度函数137
7.2.3 选择运算139
7.2.4 交换142
7.2.5 变异144
7.3 模式与模式定理145
7.3.1 模式146
7.3.2 模式定理146
7.4 遗传算法和模糊逻辑、神经网络的融合148
7.4.1 遗传算法在模糊推理中的应用148
7.4.2 遗传算法和神经网络的融合150
第8章 智能控制工程的应用实例151
8.1 专家控制系统在复杂工业过程中的应用151
8.1.1 系统的结构与功能152
8.1.2 系统的开发过程152
8.1.3 知识的表示与知识库结构153
8.1.4 传感器数据的预处理和不确定性的表示154
8.2 模糊专家控制在啤酒发酵过程中的应用155
8.2.1 啤酒发酵工艺155
8.2.2 啤酒生产发酵工艺微机控制系统结构157
8.2.3 模糊专家控制器设计157
8.2.4 系统的实现及控制效果159
8.3 神经网络在工业机器人高精度控制中的应用160
8.3.1 基于模型的误差补偿方式160
8.3.2 应用神经网络补偿误差方式160
8.3.3 实验结果161
8.4 遗传算法在机器人路径规划中的应用实例163
8.4.1 基于栅格划分机器人工作空间的路径规划163
8.4.2 基于c空间的非完整轮式移动机器人的路径规划166
8.5 模糊-神经网络智能控制在粮食干燥过程中的应用实例171
参考文献180
1.1 传统控制的发展及其困难 1
1.1.1 传统控制的产生及其发展1
1.1.2 传统控制所面临的困难 2
1.2 人工智能的定义与发展 3
1.2.1 人工智能的定义 3
1.2.2 人工智能的产生与发展 3
1.3 智能控制的产生、发展及其特点 5
1.3.1 智能控制的产生与发展 5
1.3.2 智能控制的结构与特点 7
1.4 智能控制与传统控制 8
1.5 智能控制的主要研究内容 9
第2章 智能控制的知识工程基础11
2.1 知识表示11
2.1.1 一阶谓词逻辑法11
2.1.2 产生式表示法13
2.1.3 语义网络表示法 14
2.1.4 框架表示法16
2.2 知识利用18
2.2.1 搜索19
2.2.2 推理 24
2.3 知识获取26
2.3.1 机器学习的发展26
2.3.2 机器学习的分类27
2.3.3 机械式学习28
2.3.4 归纳学习28
2.3.5 指导学习29
第3章 基于知识的专家系统及专家控制31
3.1 专家系统与专家控制系统31
3.2 专家系统的产生及其原理31
3.2.1 专家系统的产生与发展31
3.2.2 专家系统的原理33
3.2.3 专家系统的分类34
3.2.4 专家系统的基本结构35
3.2.5 黑板模型37
3.2.6 知识获取38
3.3 专家系统的实现41
3.3.1 专家系统的设计原则41
3.3.2 专家系统建立的步骤 43
3.4 专家控制器的设计44
3.4.1 专家控制系统的产生44
3.4.2 专家控制器的组成45
3.4.3 直接专家控制系统的设计46
3.4.4 间接专家控制系统的设计48
第4章 基于模糊推理的智能控制系统51
4.1 模糊控制理论的产生和发展51
4.2 模糊集合及其基本运算 52
4.2.1 普通集合 52
4.2.2 模糊集合53
4.2.3 模糊关系57
4.2.4 模糊推理62
4.3 模糊控制原理65
4.3.1 模糊控制系统的组成66
4.3.2 确定模糊控制器的结构68
4.3.3 输入模糊化68
4.3.4 模糊推理决策69
4.3.5 逆模糊化70
4.4 自适应模糊控制器71
4.4.1 性能测量71
4.4.2 控制对象的增量模型73
4.4.3 控制规则库的修正73
4.4.4 尺度变换因子的选择74
4.4.5 设计步骤74
4.5 模糊控制软件开发工具75
4.5.1 motorola模糊控制软件77
4.5.2 美国fide模糊推理开发环境78
4.5.3 德国模糊逻辑系统的软件工具fuzzy tech79
4.6 模糊控制应用实例80
4.6.1 电热炉温度控制的模糊控制80
4.6.2 模糊控制全自动洗衣机86
第5章 基于神经网络的智能控制92
5.1 概述92
5.1.1 人脑神经网络92
5.1.2 人工神经网络原理93
5.1.3 人工神经网络发展简史96
5.2 人工神经网络的学习方法98
5.2.1 人工神经网络的学习方式98
5.2.2 人工神经网络的学习规则98
5.3 人工神经网络的模型与算法99
5.3.1 单层感知器99
5.3.2 bp学习算法100
5.3.3 hopfield神经网络103
5.3.4 脑模型控制器108
5.4 基于神经网络的智能控制110
5.4.1 内模控制110
5.4.2 直接自校正控制111
5.4.3 间接自校正控制111
5.4.4 模型参考自适应控制111
5.4.5 预测控制112
5.4.6 神经网络与常规控制方法的结合112
5.4.7 神经网络专家系统控制113
5.4.8 神经网络模糊控制113
5.5 神经网络控制实例113
第6章 分级递阶智能控制117
6.1 分级递阶智能控制的产生117
6.2 一般结构原理117
6.3 组织级119
6.3.1 组织级的功能119
6.3.2 组织级的功能的实现方法119
6.4 协调级和执行级121
6.4.1 协调级和执行级的结构121
6.4.2 执行级控制性能的熵函数表示122
6.5 分级递阶智能控制应用实例123
6.5.1 puma机械臂的分级递阶智能控制123
6.5.2 plc的分级递阶智能控制125
6.5.3 仿人智能控制的分级递阶结构127
第7章 进化计算与遗传算法130
7.1 进化计算130
7.1.1 进化计算概述130
7.1.2 进化策略130
7.1.3 进化规划131
7.1.4 遗传算法131
7.1.5 进化策略、进化规划和遗传算法的比较133
7.2 标准遗传算法的基本原理134
7.2.1 编码方法135
7.2.2 适应度函数137
7.2.3 选择运算139
7.2.4 交换142
7.2.5 变异144
7.3 模式与模式定理145
7.3.1 模式146
7.3.2 模式定理146
7.4 遗传算法和模糊逻辑、神经网络的融合148
7.4.1 遗传算法在模糊推理中的应用148
7.4.2 遗传算法和神经网络的融合150
第8章 智能控制工程的应用实例151
8.1 专家控制系统在复杂工业过程中的应用151
8.1.1 系统的结构与功能152
8.1.2 系统的开发过程152
8.1.3 知识的表示与知识库结构153
8.1.4 传感器数据的预处理和不确定性的表示154
8.2 模糊专家控制在啤酒发酵过程中的应用155
8.2.1 啤酒发酵工艺155
8.2.2 啤酒生产发酵工艺微机控制系统结构157
8.2.3 模糊专家控制器设计157
8.2.4 系统的实现及控制效果159
8.3 神经网络在工业机器人高精度控制中的应用160
8.3.1 基于模型的误差补偿方式160
8.3.2 应用神经网络补偿误差方式160
8.3.3 实验结果161
8.4 遗传算法在机器人路径规划中的应用实例163
8.4.1 基于栅格划分机器人工作空间的路径规划163
8.4.2 基于c空间的非完整轮式移动机器人的路径规划166
8.5 模糊-神经网络智能控制在粮食干燥过程中的应用实例171
参考文献180
猜您喜欢
