智能控制：理论基础、算法设计与应用（第2版 ）

　　本书较全面地叙述了智能控制的基本理论、方法和应用。全书共分18章，主要内容为模糊控制的基 本原理和应用、神经网络控制的基本原理和应用、智能优化算法及其应用和智能 协 调 控 制 基 本 原 理 及 应用。本书系统性强，理论联系实际，叙述深入浅出，适合初学者学习。书中给出了一些智能控制算法的仿 真实例和 MATLAB仿真程序（见配书资源），并配有一定数量的习题，可作为高等院校工业自动化、计算机 应用、电子信息等专业的高年级本科生和硕士研究生的教材，也适合从事自动化领域工作的工程技术人员 阅读和参考。

　　刘金琨北京航空航天大学教授，博士生导师。分别于1989年7月、1994年3月和1997年3月获东北大学工学学士、工学硕士和工学博士学位。1997年3月─1998年12月在浙江大学工业控制技术研究所做博士后研究工作；1999年1月─1999年7月在香港科技大学从事合作研究；1999年11月至今在北京航空航天大学自动化科学与电气工程学院从事教学与科研工作；主讲“智能控制”“先进控制系统设计”和“系统辨识”等课程；研究方向为控制理论与应用。自从从事研究工作以来，主持国家自然基金等科研项目10余项，发表学术论文100余篇。曾出版《先进PID控制MATLAB仿真》《机器人控制系统的设计与MATLAB仿真》《滑模变结构控制MATLAB仿真》《RBF神经网络自适应控制MATLAB仿真》《系统辨识》和《微分器设计与应用——信号滤波与求导》《智能控制——理论基础、算法设计与应用》等著作。

第1章绪论

1.1智能控制的发展过程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的发展

1.1.4智能控制的技术基础

1.2智能控制的几个重要分支

1.2.1模糊控制

1.2.2神经网络控制

1.2.3智能搜索算法

1.3智能控制的特点、工具及应用

1.3.1智能控制的特点

1.3.2智能控制的研究工具

1.3.3智能控制的应用

思考题

参考文献

第2章模糊控制的理论基础

2.1概述

2.2模糊集合

2.2.1模糊集合的表示

2.2.2模糊集合的运算

2.3隶属函数

2.3.1隶属函数的特点

2.3.2几种典型的隶属函数及其MATLAB表示

2.3.3模糊系统的设计

2.3.4隶属函数的确定方法

2.4模糊关系及其运算

2.4.1模糊关系矩阵

2.4.2模糊矩阵运算

2.4.3模糊矩阵的合成

2.5模糊语句与模糊推理

2.5.1模糊语句

2.5.2模糊推理

思考题

第3章模糊逻辑控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的组成

3.1.3模糊控制系统的工作原理

3.1.4模糊控制器结构

3.2模糊控制系统分类

3.3模糊控制器的设计

3.3.1模糊控制器的设计步骤

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制应用实例——洗衣机的模糊控制

3.5模糊自适应整定PID控制

3.5.1模糊自适应整定PID控制原理

3.5.2仿真实例

3.6大时变扰动下切换增益模糊调节的滑模控制

3.6.1系统描述

3.6.2滑模控制器设计

3.6.3模糊规则设计

3.6.4仿真实例

思考题

第4章自适应模糊控制

4.1模糊逼近

4.1.1模糊系统的设计

4.1.2模糊系统的逼近精度

4.1.3仿真实例

4.2间接自适应模糊控制

4.2.1问题描述

4.2.2自适应模糊滑模控制器设计

4.2.3仿真实例

4.3直接自适应模糊控制

4.3.1问题描述

4.3.2模糊控制器的设计

4.3.3自适应律的设计

4.3.4仿真实例

思考题

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仿真实例

5.1.3一类非线性系统的TS模糊建模

5.2TS模糊控制器的设计

5.3倒立摆系统的TS模糊模型

5.4基于线性矩阵不等式的单级倒立摆TS模糊控制

5.4.1LMI不等式的设计及分析

5.4.2不等式的转换 

5.4.3LMI设计实例

5.4.4仿真实例

附加资料： 新的LMI求解工具箱——YALMIP工具箱

思考题

参考文献

第6章机械手自适应模糊控制

6.1简单的自适应模糊滑模控制

6.1.1问题描述

6.1.2模糊逼近原理

6.1.3控制算法设计与分析

6.1.4仿真实例

6.2基于模糊补偿的机械手模糊自适应滑模控制

6.2.1系统描述

6.2.2基于传统模糊补偿的控制

6.2.3自适应控制律的设计

6.2.4基于摩擦模糊逼近的模糊补偿控制

6.2.5仿真实例

6.3模糊系统逼近的最小参数学习法

6.3.1问题描述

6.3.2模糊系统最小参数逼近

6.3.3基于模糊系统逼近的最小参数自适应控制

6.3.4仿真实例

6.4基于模糊补偿的机械手单参数自适应控制

6.4.1系统描述

6.4.2基于模糊系统逼近的最小参数自适应控制

6.4.3仿真实例

附加资料

思考题

参考文献

第7章神经网络理论基础

7.1神经网络发展简史

7.2神经网络原理

7.3神经网络的分类

7.4神经网络学习算法

7.4.1Hebb学习规则

7.4.2Delta(δ)学习规则

7.5神经网络的特征及要素

7.5.1神经网络特征

7.5.2神经网络三要素

7.6神经网络控制的研究领域

思考题

第8章典型神经网络及非线性建模

8.1单神经元网络

8.2BP神经网络

8.2.1BP神经网络特点

8.2.2BP神经网络结构与算法

8.2.3BP神经网络的训练

8.2.4仿真实例

8.3RBF神经网络

8.3.1网络结构

8.3.2控制系统设计中RBF神经网络的逼近

8.3.3RBF神经网络的训练

8.3.4仿真实例

8.4模糊RBF神经网络

8.4.1模糊RBF神经网络结构与算法

8.4.2模糊RBF神经网络学习算法

8.4.3仿真实例

8.5PiSigma模糊神经网络

8.5.1高木关野模糊系统

8.5.2混合型PiSigma模糊神经网络

8.5.3PiSigma模糊神经网络学习算法

8.5.4仿真实例

8.6ELM神经网络

8.6.1ELM神经网络的特点

8.6.2ELM神经网络结构与算法

8.6.3ELM神经网络的训练

8.6.4仿真实例

思考题

参考文献

第9章自适应RBF神经网络控制

9.1一阶系统神经网络自适应控制

9.1.1系统描述

9.1.2滑模控制器设计

9.1.3仿真实例

9.1.4一阶系统自适应RBF控制

9.1.5仿真实例

9.2二阶系统自适应RBF神经网络控制

9.2.1系统描述

9.2.2基于RBF神经网络逼近f(x)的滑模控制 

9.2.3仿真实例

9.3基于RBF神经网络的单参数直接鲁棒自适应控制

9.3.1系统描述

9.3.2控制律和自适应律设计

9.3.3仿真实例

思考题

参考文献

第10章基于RBF神经网络的输入输出受限控制

10.1控制系统位置输出受限控制

10.1.1输出受限引理

10.1.2系统描述

10.1.3控制器的设计

10.1.4仿真实例

10.2基于RBF神经网络的状态输出受限控制

10.2.1系统描述

10.2.2RBF神经网络原理

10.2.3控制器的设计

10.2.4仿真实例

10.3基于RBF神经网络的输入受限滑模控制

10.3.1系统描述

10.3.2RBF神经网络逼近及双曲正切函数特点

10.3.3控制器的设计及分析

10.3.4仿真实例

思考题

参考文献

第11章基于RBF神经网络的执行器自适应容错控制

11.1执行器容错控制描述

11.2SISO系统执行器自适应容错控制

11.2.1控制问题描述

11.2.2控制律的设计与分析

11.2.3仿真实例

11.3基于RBF神经网络的SISO系统执行器自适应容错控制

11.3.1控制问题描述

11.3.2RBF神经网络设计

11.3.3控制律的设计与分析

11.3.4仿真实例

11.4MISO系统执行器自适应容错控制

11.4.1控制问题描述

11.4.2控制律的设计与分析

11.4.3仿真实例

11.5MISO系统执行器自适应神经网络容错控制

11.5.1控制问题描述

11.5.2RBF神经网络设计

11.5.3控制律的设计与分析

11.5.4仿真实例

11.6带执行器卡死的MISO系统自适应容错控制

11.6.1控制问题描述

11.6.2控制律的设计与分析

11.6.3仿真实例

11.7带执行器卡死的MISO系统神经网络自适应容错控制

11.7.1控制问题描述

11.7.2RBF神经网络设计

11.7.3控制律的设计与分析

11.7.4仿真实例

11.8基于传感器和执行器容错的自适应控制

11.8.1系统描述

11.8.2控制器设计与分析

11.8.3仿真实例

11.9基于传感器和执行器容错的神经网络自适应控制

11.9.1系统描述

11.9.2控制器设计与分析

11.9.3神经网络逼近

11.9.4仿真实例

附加资料

思考题

参考文献

第12章机械系统神经网络自适应控制

12.1一种简单的RBF神经网络自适应滑模控制

12.1.1问题描述

12.1.2RBF神经网络原理

12.1.3控制算法设计与分析

12.1.4仿真实例

12.2基于RBF神经网络逼近的机械手自适应控制

12.2.1问题的提出

12.2.2基于RBF神经网络逼近的控制器

12.2.3仿真实例

12.3基于RBF神经网络的最小参数自适应控制

12.3.1问题描述

12.3.2基于RBF神经网络逼近的最小参数自适应控制

12.3.3仿真实例

12.4机械手神经网络单参数自适应控制

12.4.1问题的提出

12.4.2神经网络设计

12.4.3控制器设计

12.4.4仿真实例

12.5一类欠驱动机械系统神经网络滑模控制

12.5.1系统描述

12.5.2RBF神经网络原理

12.5.3滑模控制律的设计

12.5.4收敛性分析

12.5.5仿真实例

附加资料

思考题

参考文献

第13章基于RBF神经网络的反演自适应控制

13.1一种三阶非线性系统的反演控制

13.1.1系统描述

13.1.2反演控制器设计

13.1.3仿真实例

13.2基于RBF神经网络的三阶非线性系统反演控制

13.2.1系统描述

13.2.2RBF神经网络原理

13.2.3神经网络反演控制器设计

13.2.4仿真实例

思考题

参考文献

第14章基于LMI的神经网络自适应控制

14.1基于LMI的控制

14.1.1系统描述

14.1.2控制器的设计与分析

14.1.3仿真实例

14.2基于LMI的神经网络自适应控制

14.2.1系统描述

14.2.2RBF神经网络设计

14.2.3控制器的设计与分析

14.2.4仿真实例

14.3基于LMI的神经网络自适应跟踪控制

14.3.1系统描述

14.3.2仿真实例

思考题

第15章智能优化算法

15.1TSP优化

15.2遗传算法

15.2.1遗传算法的基本原理

15.2.2遗传算法的特点

15.2.3遗传算法的应用领域

15.2.4遗传算法的优化设计

15.2.5基于遗传算法的函数优化

15.3基于遗传算法的TSP优化

15.3.1TSP的编码

15.3.2TSP的遗传算法设计

15.3.3仿真实例

15.4粒子群优化算法

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数优化

15.4.4基于粒子群算法的TSP优化

15.5标准差分进化算法

15.5.1差分进化算法的基本流程

15.5.2差分进化算法的参数设置

15.5.3基于差分进化算法的函数优化

15.5.4基于差分进化算法的TSP优化

15.6基于差分进化最优轨迹规划的PD控制

15.6.1问题的提出

15.6.2一个简单的样条插值实例

15.6.3最优轨迹的设计

15.6.4最优轨迹的优化

15.6.5仿真实例

15.7蚁群算法

15.7.1蚁群算法的基本原理

15.7.2基于TSP优化的蚁群算法

15.7.3仿真实例

15.8Hopfield神经网络

15.8.1Hopfield神经网络原理

15.8.2求解TSP的Hopfield神经网络设计

15.8.3仿真实例

思考题

参考文献

第16章智能优化算法的应用

16.1柔性机械手动力学模型参数辨识

16.1.1柔性机械手模型描述

16.1.2仿真实例

16.2飞行器纵向模型参数辨识

16.2.1问题描述

16.2.2仿真实例

16.3VTOL参数辨识

16.3.1VTOL参数辨识问题

16.3.2基于粒子群算法的参数辨识

16.3.3基于差分进化算法的VTOL参数辨识

16.4四旋翼飞行器建模与参数辨识

16.4.1四旋翼飞行器动力学模型

16.4.2动力学模型的变换

16.4.3模型测试

16.4.4基于粒子群算法的参数辨识

16.4.5基于差分进化算法的参数辨识

16.5基于粒子群算法的航班着陆调度

16.5.1问题描述

16.5.2优化问题的设计

16.5.3仿真实例

16.6基于差分进化算法的产品加工生产调度

16.6.1问题描述

16.6.2优化问题的设计

16.6.3仿真实例

16.7基于差分进化算法的无人机三维路径规划

16.7.1问题描述

16.7.2目标函数设计

16.7.3基于差分进化算法的路径规划

16.7.4仿真实例

思考题

参考文献

第17章神经网络自适应协调控制

17.1主辅电机的协调控制

17.1.1系统描述

17.1.2控制律设计与分析

17.1.3仿真实例

17.2基于神经网络的主辅电机协调控制

17.2.1系统描述

17.2.2RBF神经网络的设计

17.2.3控制律设计与分析

17.2.4仿真实例

思考题

参考文献

第18章多智能体系统一致性控制的设计与分析

18.1多智能体系统介绍

18.2多智能体系统的位置一致性跟踪控制

18.2.1系统描述

18.2.2控制器的设计

18.2.3稳定性分析

18.2.4仿真实例

18.3二阶线性多智能体系统一致性控制

18.3.1系统描述

18.3.2控制律设计

18.3.3仿真实例

18.3.4Laplacian矩阵分析

18.4基于RBF神经网络的多智能体系统一致性控制

18.4.1系统描述

18.4.2基于RBF神经网络逼近的滑模控制

18.4.3控制律设计

18.4.4仿真实例

18.5基于执行器容错的多智能体系统控制

18.5.1系统描述

18.5.2控制律设计

18.5.3仿真实例

思考题

参考文献