书籍详情
智能控制理论及应用
作者：师黎 等编著
出版社：清华大学出版社
出版时间：2009-04-01
ISBN：9787302161578
定价：¥42.00
购买这本书可以去
内容简介
《智能控制理论及应用》系统地介绍了智能控制的基本概念、理论和主要方法，包括模糊控制、神经网络控制、专家控制系统、免疫控制、仿人智能控制、遗传算法、蚁群算法、基于DNA的软计算等。智能控制是自动控制发展的高级阶段，是人工智能、控制论、系统论、信息论、仿生学、神经生理学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。《智能控制理论及应用》较多地介绍了这些方法的融合和集成，如模糊神经网络、模糊专家系统、神经专家系统、遗传模糊控制和遗传神经网络等，并分析了混沌现象及特点，讨论了混沌控制。《智能控制理论及应用》内容丰富，理论联系实际，并配有大量的MATLAB仿真例题和实际应用例子。《智能控制理论及应用》适合高等院校作为自动化专业、电气及信息类专业本科生和研究生的教材，也可供有关教师和工程技术人员参考。
作者简介
暂缺《智能控制理论及应用》作者简介
目录
第1章 绪论
1.1 智能控制的发展历史
1.2 智能控制的定义和特点
1.2.1 智能控制的定义
1.2.2 智能控制的特点
1.3 智能控制的结构理论
1.3.1 二元结构论
1.3.2 三元结构论
1.3.3 四元结构论
1.3.4 多元结构或者树形结构
1.4 智能控制与传统控制的关系
1.5 智能控制的研究对象
1.6 智能控制的类型
1.6.1 分级递阶控制系统
1.6.2 专家控制系统
1.6.3 人工神经网络控制系统
1.6.4 模糊控制系统
1.6.5 遗传算法与控制理论相结合
1.6.6 免疫算法控制
1.6.7 仿人智能控制
1.6.8 学习控制系统
1.6.9 混沌控制
1.7 智能控制的应用
1.7.1 智能控制在机器人技术中的应用
1.7.2 智能控制在机械制造中的应用
1.7.3 智能控制在电力电子学研究领域中的应用
1.7.4 智能控制在工业过程中的应用
1.7.5 智能控制在农业生产中的应用
1.7.6 智能控制在广义控制领域中的应用
1.8 本章 小结
参考文献
第2章 模糊控制
2.1 模糊控制概述
2.1.1 模糊控制器设计步骤
2.1.2 性能评价
2.1.3 应用领域
2.2 模糊控制的数学基础
2.2.1 语言变量、语言值和规则
2.2.2 模糊集合、模糊规则和模糊推理
2.2.3 解模糊
2.3 一个示范例子的介绍
2.3.1 模糊控制器的输入和输出的选择
2.3.2 把控制知识融入规则中
2.3.3 知识的模糊量化
2.3.4 匹配：决定用哪一条规则
2.3.5 结论步骤：确定结论
2.3.6 把结论转换成控制作用
2.3.7 模糊决策的图形描述
2.4 TakagiSugeno模糊系统
2.4.1 TakagiSugeno模糊系统
2.4.2 模糊系统是通用近似器
2.4.3 广义TS模糊模型
2.5 基于MATLAB的智能控制系统设计与仿真
2.5.1 模糊逻辑工具箱
2.5.2 基于MATLAB的模糊控制系统设计与仿真
2.6 模糊系统的非线性分析
2.6.1 模糊控制器的参数化
2.6.2 李雅普诺夫稳定性分析
2.6.3 绝对稳定性和圆判据
2.6.4 稳态跟踪误差的分析
2.6.5 描述函数分析方法
2.6.6 滑模变结构方法
2.6.7 小增益理论
2.6.8 相平面分析法
2.7 热处理系统的温度模糊控制
2.8 本章 小结
习题
参考文献
第3章 模糊建模和模糊辨识
3.1 引言
3.2 模糊模型的类型与分割形式
3.2.1 Mamdani模糊模型
3.2.2 Takagi-Sugeno模糊系统
3.2.3 Tsukamoto模糊模型
3.2.4 模糊模型的分割形式
3.3 模糊系统的通用近似特性
3.3.1 模糊基函数
3.3.2 模糊系统的通用逼近性
3.3.3 用于函数近似的模糊系统求解
3.4 模糊辨识的数据选择
3.5 模糊辨识和估计的最小二乘算法
3.5.1 成批最小二乘算法
3.5.2 递推最小二乘算法
3.5.3 模糊系统的调整
3.5.4 模糊系统的成批最小二乘训练
3.5.5 模糊系统的递推最小二乘训练
3.6 模糊辨识和估计的梯度法
3.6.1 标准模糊系统的训练
3.6.2 T-S模糊系统的训练
3.6.3 动量项和步长大小
3.6.4 牛顿（Newton）和高斯一牛顿（GaHSS-Newton）方法
3.7 模糊的聚类法
3.7.1 优化输出预解模糊的聚类方法
3.7.2 最近邻聚类法
3.8 复合法
3.8.1 混合初始化／训练
3.8.2 混合条件／结论训练
3.8.3 混合交叉训练
3.9 本章 小结
习题
参考文献
第4章 神经网络控制
4.1 神经网络理论概述
4.1.1 神经网络的发展历史
4.1.2 神经网络原理
4.1.3 神经网络的特点
4.1.4 神经网络结构
4.1.5 神经网络的学习
4.2 前馈神经网络
4.2.1 感知器
4.2.2 BP神经网络
4.2.3 RBF神经网络
4.2.4 I-VQ神经网络
4.3 反馈神经网络
4.3.1 Hopfield网络概述
4.3.2 离散型Hopfield网络
4.3.3 连续型H0pfield网络
4.3.4 Boltzmann机网络
4.3.5 Kohonen网络
4.3.6 自适应谐振理论（ART）网络
4.3.7 模糊自适应共振理论网络
4.4 神经网络控制
4.4.1 神经网络控制的基本思想
4.4.2 直接逆动态控制
4.4.3 神经网络自适应控制
4.4.4 神经网络PID控制
4.4.5 神经网络内模控制
4.4.6 神经网络模型预测控制
4.5 本章 小结
习题
参考文献
第5章 模糊神经网络
5.1 引言
5.2 模糊系统与神经网络的融合方式
5.2.1 基于模糊技术的神经网络
5.2.2 基于神经网络的模糊系统
5.2.3 模糊逻辑与神经网络在结构上的融合
5.3 模糊神经网络学习算法研究
5.4 自适应神经网络模糊推理系统（ANFIS）
5.4.1 自适应网络
5.4.2 自适应神经一模糊推理系统
5.4.3 基于多模型的气动执行器故障诊断
5.5 基于T-S模糊模型的递归神经网络及其在系统辨识中的应用
5.5.1 基于T-S模糊模型的递归神经网络
5.5.2 基于T-S模糊模型的递归神经网络在系统辨识中的应用
……
第6章 专家系统
第7章 遗传算法
第8章 蚁群算法
第9章 DNA计算与基于DNA的软计算
第10章 其他智能控制
1.1 智能控制的发展历史
1.2 智能控制的定义和特点
1.2.1 智能控制的定义
1.2.2 智能控制的特点
1.3 智能控制的结构理论
1.3.1 二元结构论
1.3.2 三元结构论
1.3.3 四元结构论
1.3.4 多元结构或者树形结构
1.4 智能控制与传统控制的关系
1.5 智能控制的研究对象
1.6 智能控制的类型
1.6.1 分级递阶控制系统
1.6.2 专家控制系统
1.6.3 人工神经网络控制系统
1.6.4 模糊控制系统
1.6.5 遗传算法与控制理论相结合
1.6.6 免疫算法控制
1.6.7 仿人智能控制
1.6.8 学习控制系统
1.6.9 混沌控制
1.7 智能控制的应用
1.7.1 智能控制在机器人技术中的应用
1.7.2 智能控制在机械制造中的应用
1.7.3 智能控制在电力电子学研究领域中的应用
1.7.4 智能控制在工业过程中的应用
1.7.5 智能控制在农业生产中的应用
1.7.6 智能控制在广义控制领域中的应用
1.8 本章 小结
参考文献
第2章 模糊控制
2.1 模糊控制概述
2.1.1 模糊控制器设计步骤
2.1.2 性能评价
2.1.3 应用领域
2.2 模糊控制的数学基础
2.2.1 语言变量、语言值和规则
2.2.2 模糊集合、模糊规则和模糊推理
2.2.3 解模糊
2.3 一个示范例子的介绍
2.3.1 模糊控制器的输入和输出的选择
2.3.2 把控制知识融入规则中
2.3.3 知识的模糊量化
2.3.4 匹配：决定用哪一条规则
2.3.5 结论步骤：确定结论
2.3.6 把结论转换成控制作用
2.3.7 模糊决策的图形描述
2.4 TakagiSugeno模糊系统
2.4.1 TakagiSugeno模糊系统
2.4.2 模糊系统是通用近似器
2.4.3 广义TS模糊模型
2.5 基于MATLAB的智能控制系统设计与仿真
2.5.1 模糊逻辑工具箱
2.5.2 基于MATLAB的模糊控制系统设计与仿真
2.6 模糊系统的非线性分析
2.6.1 模糊控制器的参数化
2.6.2 李雅普诺夫稳定性分析
2.6.3 绝对稳定性和圆判据
2.6.4 稳态跟踪误差的分析
2.6.5 描述函数分析方法
2.6.6 滑模变结构方法
2.6.7 小增益理论
2.6.8 相平面分析法
2.7 热处理系统的温度模糊控制
2.8 本章 小结
习题
参考文献
第3章 模糊建模和模糊辨识
3.1 引言
3.2 模糊模型的类型与分割形式
3.2.1 Mamdani模糊模型
3.2.2 Takagi-Sugeno模糊系统
3.2.3 Tsukamoto模糊模型
3.2.4 模糊模型的分割形式
3.3 模糊系统的通用近似特性
3.3.1 模糊基函数
3.3.2 模糊系统的通用逼近性
3.3.3 用于函数近似的模糊系统求解
3.4 模糊辨识的数据选择
3.5 模糊辨识和估计的最小二乘算法
3.5.1 成批最小二乘算法
3.5.2 递推最小二乘算法
3.5.3 模糊系统的调整
3.5.4 模糊系统的成批最小二乘训练
3.5.5 模糊系统的递推最小二乘训练
3.6 模糊辨识和估计的梯度法
3.6.1 标准模糊系统的训练
3.6.2 T-S模糊系统的训练
3.6.3 动量项和步长大小
3.6.4 牛顿（Newton）和高斯一牛顿（GaHSS-Newton）方法
3.7 模糊的聚类法
3.7.1 优化输出预解模糊的聚类方法
3.7.2 最近邻聚类法
3.8 复合法
3.8.1 混合初始化／训练
3.8.2 混合条件／结论训练
3.8.3 混合交叉训练
3.9 本章 小结
习题
参考文献
第4章 神经网络控制
4.1 神经网络理论概述
4.1.1 神经网络的发展历史
4.1.2 神经网络原理
4.1.3 神经网络的特点
4.1.4 神经网络结构
4.1.5 神经网络的学习
4.2 前馈神经网络
4.2.1 感知器
4.2.2 BP神经网络
4.2.3 RBF神经网络
4.2.4 I-VQ神经网络
4.3 反馈神经网络
4.3.1 Hopfield网络概述
4.3.2 离散型Hopfield网络
4.3.3 连续型H0pfield网络
4.3.4 Boltzmann机网络
4.3.5 Kohonen网络
4.3.6 自适应谐振理论（ART）网络
4.3.7 模糊自适应共振理论网络
4.4 神经网络控制
4.4.1 神经网络控制的基本思想
4.4.2 直接逆动态控制
4.4.3 神经网络自适应控制
4.4.4 神经网络PID控制
4.4.5 神经网络内模控制
4.4.6 神经网络模型预测控制
4.5 本章 小结
习题
参考文献
第5章 模糊神经网络
5.1 引言
5.2 模糊系统与神经网络的融合方式
5.2.1 基于模糊技术的神经网络
5.2.2 基于神经网络的模糊系统
5.2.3 模糊逻辑与神经网络在结构上的融合
5.3 模糊神经网络学习算法研究
5.4 自适应神经网络模糊推理系统（ANFIS）
5.4.1 自适应网络
5.4.2 自适应神经一模糊推理系统
5.4.3 基于多模型的气动执行器故障诊断
5.5 基于T-S模糊模型的递归神经网络及其在系统辨识中的应用
5.5.1 基于T-S模糊模型的递归神经网络
5.5.2 基于T-S模糊模型的递归神经网络在系统辨识中的应用
……
第6章 专家系统
第7章 遗传算法
第8章 蚁群算法
第9章 DNA计算与基于DNA的软计算
第10章 其他智能控制
猜您喜欢
