智能控制技術

     目錄
   第一章 智能控制概述
    1.1智能控制的基本概念
    1.1.1什么是智能控制
    1.1.2智能控制的研究對象
    1.2智能控制系統(tǒng)的特征和性能
    1.2.1智能控制系統(tǒng)的一般結構
    1.2.2智能控制系統(tǒng)的主要功能特征
    1.2.3智能控制系統(tǒng)的特征模型
    1.3智能控制系統(tǒng)的類型
    1.4智能控制的發(fā)展概況
    1.5小結
    習題
   第二章 智能控制的知識工程基礎
    2.1知識的基本概念
    2.1.1什么是知識
    2.1.2知識的分類
    2.2知識的表示
    2.2.1一階謂詞表示法
    2.2.2時序邏輯表示法
    2.2.3產生式表示法
    2.2.4語義網絡知識表示法
    2.2.5框架知識表示法
    2.2.6Petri網知識表示法
    2.2.7定性模型知識表示法
    2.2.8可視知識模型
    2.3知識的獲取
    2.3.1非自動知識獲取
    2.3.2自動知識獲取
    2.4知識的處理
    2.4.1推理的方式與分類
    2.4.2推理控制策略
    2.4.3狀態(tài)空間的搜索策略
    2.5小結
    習題
   第三章 分級遞階智能控制
    3.1遞階控制的一般原理
    3.1.1大系統(tǒng)遞階結構的描述
    3.1.2遞階控制的一般原理
    3.2分級遞階智能控制
    3.2.1分級遞階智能控制系統(tǒng)的結構
    3.2.2分級遞階智能控制原理
    3.3小結
    習題
   第四章 遺傳算法
    4.1什么是遺傳算法
    4.1.1遺傳算法的生物遺傳學基礎
    4.1.2遺傳算法的特點
    4.1.3遺傳算法的基本操作
    4.2遺傳算法的理論基礎
    4.2.1遺傳算法的模式理論
    4.2.2遺傳算法實現(xiàn)中的一些基本問題
    4.3基于遺傳的機器學習系統(tǒng)
    4.3.1分類器系統(tǒng)的結構
    4.3.2規(guī)則信息系統(tǒng)
    4.3.3信任分配系統(tǒng)
    4.3.4機器學習中的遺傳算法
    4.4遺傳算法的計算機實現(xiàn)
    4.5基于遺傳算法的系統(tǒng)在線辨識
    4.5.1遺傳算法在參數(shù)辨識中的應用
    4.5.2遺傳算法參數(shù)辨識仿真示例
    4.6小結
    習題
   第五章 神經網絡控制
    5.1神經網絡的基本概念
    5.1.1生物神經元模型
    5.1.2人工神經元模型
    5.1.3人工神經網絡模型
    5.1.4神經網絡的學習方法
    5.2前向網絡及其主要算法
    5.2.1感知器
    5.2.2BP網絡
    5.2.3RBF網絡
    5.3反饋網絡
    5.3.1Hopfield網絡
    5.3.2Boltzmann機網絡
    5.3.3自組織特征映射網絡（Kohonen網絡）
    5.4神經網絡模型辨識
    5.4.1正向建模
    5.4.2逆模型
    5.5神經元自適應PID控制
    5.5.1神經控制的基本思想
    5.5.2單神經元自適應PID控制
    5.6神經元自適應PSD控制
    5.6.1自適應PSD控制算法
    5.6.2單神經元自適應PSD控制
    5.7神經網絡內模控制
    5.7.1內?？刂?br />     5.7.2神經網絡內模控制
    5.8神經網絡自適應控制
    5.8.1神經網絡自校正控制
    5.8.2神經網絡模型參考控制
    5.9神經網絡PID控制
    5.9.1基于BP神經網絡KP，K，KD參數(shù)自學習PID控制器
    5.9.2改進型BP神經網絡KP，KIKD參數(shù)自學習PID控制器
    5.10小結
    習題
   第六章 模糊控制的數(shù)學基礎
    6.1概述
    6.1.1模糊概念
    6.1.2模糊性與隨機性
    6.2模糊集合
    6.2.1普通集合
    6.2.2模糊集合
    6.2.3模糊集合與普通集合的聯(lián)系
    6.3模糊關系與模糊關系合成
    6.3.1模糊關系的基本概念
    6.3.2模糊關系合成
    6.3.3模糊關系的性質
    6.3.4模糊變換
    6.4模糊推理
    6.4.1模糊語言與語言變量
    6.4.2模糊命題與模糊條件語句
    6.4.3模糊推理
    6.5小結
    習題
   第七章 模糊控制
    7.1模糊控制系統(tǒng)原理
    7.1.1傳統(tǒng)控制系統(tǒng)的特點
    7.1.2模糊控制系統(tǒng)的工作原理
    7.1.3模糊控制的系統(tǒng)結構
    7.1.4模糊控制器的結構與組成
    7.2模糊控制器設計
    7.2.1模糊控制器設計要求
    7.2.2清晰量的模糊化
    7.2.3模糊量的清晰化
    7.2.4模糊控制規(guī)則及控制算法
    7.3自調整模糊控制技術
    7.3.1帶有自調整因子的模糊控制器
    7.3.2帶有自調整函數(shù)的模糊控制器
    7.4神經網絡實現(xiàn)的模糊控制
    7.4.1常規(guī)模糊系統(tǒng)的等價神經網絡
    7.4.2模糊神經網絡技術在溫度控制過程中的應用
    7.4.3基于T－S模型的模糊神經網絡
    7.5基于遺傳算法優(yōu)化的模糊控制
    7.5.1遺傳算法和模糊邏輯、神經網絡的融合
    7.5.2基于遺傳算法優(yōu)化的模糊控制器
    7.5.3基于遺傳算法的模糊溫度控制實驗
    7.6小結
    習題
   第八章 專家控制
    8.1專家系統(tǒng)概述
    8.1.1什么是專家系統(tǒng)
    8.1.2專家系統(tǒng)的基本組成
    8.1.3專家系統(tǒng)的特征及類型
    8.2專家控制系統(tǒng)
    8.2.1專家控制系統(tǒng)的特點
    8.2.2專家控制系統(tǒng)的工作原理
    8.2.3專家控制器
    8.3模糊專家系統(tǒng)
    8.3.1模糊專家系統(tǒng)的基本結構
    8.3.2可能性分布與模糊測度
    8.3.3模糊性知識的規(guī)則表示
    8.3.4不確定性推理模型
    8.4邏輯程序設計語言
    8.4.1Prolog語言的特點
    8.4.2Prolog語言的語法與數(shù)據結構
    8.4.3Prolog程序的執(zhí)行與控制
    8.5小結
    習題
   第九章 基于規(guī)則的仿人智能控制
    9.1仿人智能控制的原理
    9.1.1仿人智能控制的基本思想
    9.1.2仿人智能行為的特征變量
    9.2仿人智能開關控制
    9.2.1智能開關控制
    9.2.2智能開關控制器設計示例
    9.3仿人比例控制
    9.3.1仿人比例控制原理
    9.3.2仿人比例控制算法
    9.4仿人智能積分控制
    9.4.1仿人智能積分原理
    9.4.2仿人智能控制算法
    9.5基于特征辨識的多模態(tài)智能控制
    9.5.1系統(tǒng)動態(tài)特征模式類
    9.5.2基于特征辨識的智能控制
    9.6小結
    習題
   第十章 智能控制應用示例
    10.1電加熱爐爐溫智能控制
    10.1.1電加熱爐模型分析
    10.1.2電加熱爐爐溫智能控制
    10.2集裝箱吊車的模糊控制
    10.2.1吊車模糊控制規(guī)則的建立
    10.2.2模糊邏輯吊車控制器的結構
    10.2.3模糊控制的可編程控制器實現(xiàn)
    10.3模糊控制技術的微機實現(xiàn)
    10.3.1MC68HC11E9數(shù)字單片機的特性
    10.3.2溫度模糊控制器的實現(xiàn)
    10.4模糊控制的洗衣機
    10.4.1模糊控制洗衣機系統(tǒng)電路結構
    10.4.2洗衣機的模糊推理
    10.4.3洗衣機物理量檢測方法
    10.4.4布質、布量的模糊推理
    10.5倒立擺的模糊神經網絡控制
    10.5.1再勵學習的模糊神經網絡
    10.5.2倒立擺的模糊神經網絡自適應控制
   參考文獻