人工智能控制

1 引論1
1.1 人工智能的定義與發(fā)展1
1.1.1 人工智能的定義1
1.1.2 人工智能的起源與發(fā)展2
1.2 人類智能與人工智能4
1.2.1 智能信息處理系統(tǒng)的假設4
1.2.2 人類智能的計算機模擬5
1.3 人工智能的各種認知觀6
1.4 智能控制的進展7
1.4.1 自動控制的機遇與挑戰(zhàn)8
1.4.2 自動化與人工智能9
1.4.3 智能控制的發(fā)展10
1.5 智能控制的定義、特點與一般結構13
1.5.1 智能控制的定義與特點13
1.5.2 智能控制器的一般結構13
1.6 智能控制的學科結構理論14
1.6.1 二元結構理論15
1.6.2 三元結構理論16
1.6.3 四元結構理論17
1.7 本書概要20
習題121
2 知識表示與推理22
2.1 知識表示的一般方法22
2.2 圖搜索策略23
2.3 一般搜索與推理技術24
2.4 A算法25
2.5 消解原理28
2.5.1 子句集的求取28
2.5.2 消解推理規(guī)則30
2.5.3 含有變量的消解式31
2.5.4 消解反演求解過程31
2.6 規(guī)則演繹系統(tǒng)35
2.6.1 規(guī)則正向演繹系統(tǒng)35
2.6.2 規(guī)則逆向演繹系統(tǒng)40
2.6.3 規(guī)則雙向演繹系統(tǒng)42
2.7 產生式系統(tǒng)43
2.7.1 產生式系統(tǒng)的組成43
2.7.2 產生式系統(tǒng)的推理45
2.7.3 產生式系統(tǒng)舉例47
2.8 非單調推理50
2.8.1 缺省推理51
2.8.2 限定推理54
2.8.3 真值維持系統(tǒng)56
2.9 不確定性推理58
2.9.1 不確定性的表示與度量59
2.9.2 不確定性的算法59
2.10 小結61
習題261
3 計算智能64
3.1 概述64
3.2 神經(jīng)計算66
3.2.1 人工神經(jīng)網(wǎng)絡研究的進展66
3.2.2 人工神經(jīng)網(wǎng)絡的結構與模型67
3.2.3 基于神經(jīng)網(wǎng)絡的知識表示與推理69
3.3 模糊計算72
3.3.1 模糊集合、模糊邏輯及其運算72
3.3.2 模糊邏輯推理74
3.3.3 模糊判決方法76
3.4 遺傳算法78
3.4.1 遺傳算法的基本機理78
3.4.2 遺傳算法的求解步驟81
3.5 人工生命83
3.5.1 人工生命研究的起源和發(fā)展83
3.5.2 人工生命的定義84
3.5.3 人工生命的研究內容和方法85
3.6 粒群優(yōu)化86
3.6.1 群智能和粒群優(yōu)化概述86
3.6.2 粒群優(yōu)化算法87
3.7 蟻群算法89
3.7.1 蟻群算法理論90
3.7.2 蟻群算法的研究與應用92
3.8 小結94
習題395
4 專家系統(tǒng)97
4.1 專家系統(tǒng)概述97
4.1.1 專家系統(tǒng)的特點97
4.1.2 專家系統(tǒng)的結構和建造步驟98
4.2 基于規(guī)則的專家系統(tǒng)101
4.3 基于框架的專家系統(tǒng)102
4.4 基于模型的專家系統(tǒng)104
4.5 新型專家系統(tǒng)106
4.5.1 新型專家系統(tǒng)的特征106
4.5.2 分布式專家系統(tǒng)107
4.5.3 協(xié)同式專家系統(tǒng)108
4.6 專家系統(tǒng)開發(fā)工具109
4.7 專家系統(tǒng)設計111
4.7.1 專家知識的描述112
4.7.2 知識的使用和決策解釋114
4.8 專家系統(tǒng)實例--MYCIN剖析116
4.8.1 MYCIN概述116
4.8.2 咨詢子系統(tǒng)117
4.8.3 靜態(tài)數(shù)據(jù)庫119
4.8.4 動態(tài)數(shù)據(jù)庫123
4.8.5 非精確推理124
4.8.6 控制策略126
4.9 小結128
習題4129
5 艾真體（agent）130
5.1 分布式人工智能130
5.2 agent及其要素131
5.3 艾真體的結構134
5.3.1 艾真體的結構特點134
5.3.2 艾真體的結構分類134
5.4 多艾真體系統(tǒng)136
5.4.1 多艾真體系統(tǒng)的模型和結構137
5.4.2 多艾真體的協(xié)作、協(xié)商和協(xié)調138
5.4.3 多艾真體的學習與規(guī)劃140
5.4.4 多艾真體系統(tǒng)的研究和應用領域141
5.5 小結142
習題5142
6 遞階控制系統(tǒng)144
6.1 遞階智能機器的一般理論144
6.1.1 遞階智能機器的一般結構144
6.1.2 遞階智能機器的主要定義146
6.1.3 IPDI原理的解析公式148
6.2 遞階智能控制系統(tǒng)的結構149
6.2.1 組織級的結構149
6.2.2 協(xié)調級的結構152
6.2.3 執(zhí)行級的結構153
6.3 智能機器人系統(tǒng)的遞階控制模型154
6.3.1 組織級的控制模型154
6.3.2 協(xié)調級的控制模型157
6.3.3 執(zhí)行級的控制模型159
6.4 遞階控制系統(tǒng)舉例160
6.4.1 紅旗車自主駕駛系統(tǒng)的組成160
6.4.2 汽車自主駕駛控制系統(tǒng)的四層遞階結構162
6.4.3 駕駛控制系統(tǒng)的結構與算法164
6.4.4 自主駕駛系統(tǒng)高速公路試驗165
6.5 小結166
習題6166
7 專家控制系統(tǒng)168
7.1 專家控制系統(tǒng)的結構與類型168
7.1.1 專家控制系統(tǒng)的控制要求與設計原則168
7.1.2 專家控制系統(tǒng)的結構170
7.1.3 專家控制系統(tǒng)的類型173
7.2 PI專家控制器174
7.3 實時專家控制系統(tǒng)176
7.3.1 實時控制系統(tǒng)的特點與要求176
7.3.2 高爐控制概況與監(jiān)控系統(tǒng)結構177
7.3.3 系統(tǒng)開發(fā)與知識表示178
7.3.4 傳感數(shù)據(jù)的預處理180
7.4 小結181
習題7181
8 模糊控制系統(tǒng)182
8.1 模糊控制器的結構182
8.1.1 模糊控制器的一般結構182
8.1.2 PID模糊控制器183
8.1.3 自組織模糊控制器185
8.1.4 自校正模糊控制器185
8.1.5 自學習模糊控制器186
8.1.6 專家模糊控制器187
8.2 模糊控制器的設計188
8.2.1 模糊控制器的設計內容與原則188
8.2.2 模糊控制器的控制規(guī)則形式191
8.2.3 模糊控制系統(tǒng)的設計方法192
8.3 模糊控制器的設計實例195
8.3.1 模糊控制器的設計196
8.3.2 模糊控制器的在線實現(xiàn)198
8.4 模糊控制器的特性200
8.4.1 模糊控制器的靜態(tài)特性200
8.4.2 模糊控制器的動態(tài)品質202
8.4.3 模糊控制系統(tǒng)的可控性204
8.4.4 模糊控制系統(tǒng)的魯棒性205
8.5 模糊控制系統(tǒng)應用舉例206
8.5.1 雙支撐狀態(tài)的兩足機器人力控制問題207
8.5.2 模糊變增益力控制原理208
8.5.3 兩足機器人控制的實現(xiàn)與結果209
8.6 小結211
習題8211
9 神經(jīng)控制系統(tǒng)213
9.1 神經(jīng)控制的結構方案213
9.1.1 NN學習控制213
9.1.2 NN直接逆模型控制213
9.1.3 NN自適應控制214
9.1.4 NN內模控制215
9.1.5 NN預測控制215
9.1.6 基于CMAC的控制216
9.1.7 多層NN控制217
9.1.8 分級NN控制219
9.2 模糊邏輯、專家系統(tǒng)及神經(jīng)網(wǎng)絡在控制中的集成220
9.2.1 模糊神經(jīng)網(wǎng)絡原理220
9.2.2 模糊神經(jīng)控制方案222
9.3 神經(jīng)控制系統(tǒng)設計實例224
9.3.1 石灰窯爐神經(jīng)內?？刂葡到y(tǒng)的設計224
9.3.2 神經(jīng)模糊自適應控制器的設計228
9.4 神經(jīng)控制系統(tǒng)應用舉例231
9.4.1 水輪發(fā)電機雙神經(jīng)元同步控制系統(tǒng)231
9.4.2 高速列車運行過程的直接模糊神經(jīng)控制233
9.5 小結239
習題9239
10 學習控制系統(tǒng)240
10.1 學習控制概述240
10.1.1 什么是學習控制240
10.1.2 為什么要研究學習控制241
10.1.3 學習控制的發(fā)展242
10.2 學習控制方案243
10.2.1 基于模式識別的學習控制243
10.2.2 反復學習控制246
10.2.3 重復學習控制248
10.2.4 基于神經(jīng)網(wǎng)絡的學習控制248
10.3 學習控制的某些問題249
10.3.1 學習控制系統(tǒng)的建模249
10.3.2 學習控制的穩(wěn)定性和收斂性分析252
10.4 學習控制系統(tǒng)舉例258
10.4.1 自學習模糊神經(jīng)控制模型259
10.4.2 自學習模糊神經(jīng)控制算法260
10.4.3 弧焊過程自學習模糊神經(jīng)控制系統(tǒng)261
10.5 小結262
習題10263
11 其他智能控制264
11.1 仿人控制264
11.1.1 仿人控制原理與原型算法264
11.1.2 仿人控制器的屬性與設計依據(jù)266
11.1.3 仿人智能控制器設計與實現(xiàn)的一般步驟267
11.2 進化控制271
11.2.1 進化控制及其形式化描述271
11.2.2 移動機器人進化控制系統(tǒng)的體系結構和算法272
11.3 小結274
習題11275
12 人工智能控制的展望276
12.1 人工智能的爭論276
12.2 智能控制的應用研究277
12.3 智能控制的進一步研究問題281
12.3.1 智能控制將起更重要的作用281
12.3.2 智能控制的進一步研究問題282
12.4 展望智能控制的發(fā)展283
12.4.1 尋求更新的理論框架283
12.4.2 進行更好的技術集成284
12.4.3 開發(fā)更成熟的應用方法284
12.5 結束語285
習題12286