智能控制（第4版）

第1章 緒論
1．1 智能控制的發(fā)展過程
1．2 智能控制的幾個重要分支
1．3 智能控制的特點、研究工具及應(yīng)用
思考題與習(xí)題1
第2章 專家控制
2．1 專家系統(tǒng)
2．1．1 專家系統(tǒng)概述
2．1．2 專家系統(tǒng)的構(gòu)成
2．1．3 專家系統(tǒng)的建立
2．2 專家控制
2．2．1 專家控制概述
2．2．2 專家控制的基本原理
2．2．3 專家控制的關(guān)鍵技術(shù)及特點
2．3 專家PID控制
2．3．1 專家PID控制原理
2．3．2 仿真實例
思考題與習(xí)題2
本章附錄(程序代碼)
第3章 模糊控制的理論基礎(chǔ)
3．1 概述
3．2 模糊集合
3．2．1 模糊集合的概念
3．2．2 模糊集合的運算
3．3 隸屬函數(shù)
3．4 模糊關(guān)系及其運算
3．4．1 模糊矩陣
3．4．2 模糊矩陣的運算與模糊關(guān)系
3．4．3 模糊關(guān)系的合成
3．5 模糊推理
3．5．1 模糊語句
3．5．2 模糊推理
3．5．3 模糊關(guān)系方程
思考題與習(xí)題3
本章附錄(程序代碼)
第4章 模糊控制
4．1 模糊控制的基本原理
4．1．1 模糊控制原理
4．1．2 模糊控制器的組成
4．1．3 模糊控制系統(tǒng)的工作原理
4．1．4 模糊控制器的結(jié)構(gòu)
4．2 模糊控制系統(tǒng)分類
4．3 模糊控制器的設(shè)計
4．3．1 模糊控制器的設(shè)計步驟
4．3．2 模糊控制器的Matlab仿真
4．4 模糊控制應(yīng)用實例――洗衣機的模糊控制
4．5 模糊自適應(yīng)整定PID控制
4．5．1 模糊自適應(yīng)整定PID控制原理
4．5．2 仿真實例
4．6 Sugeno模糊模型
4．7 基于極點配置的單級倒立擺TS模糊控制
4．7．1 TS模糊系統(tǒng)的設(shè)計
4．7．2 單級倒立擺的TS模型模糊 控制
4．8 模糊控制的應(yīng)用
4．9 模糊控制發(fā)展概況
4．9．1 模糊控制發(fā)展的幾個轉(zhuǎn)折點
4．9．2 模糊控制的發(fā)展方向
4．9．3 模糊控制面臨的主要任務(wù)
思考題與習(xí)題4
本章附錄(程序代碼)
第5章 自適應(yīng)模糊控制
5．1 模糊逼近
5．1．1 模糊系統(tǒng)的設(shè)計
5．1．2 模糊系統(tǒng)的逼近精度
5．1．3 仿真實例
5．2 簡單的自適應(yīng)模糊控制
5．2．1 問題描述
5．2．2 模糊逼近原理
5．2．3 控制算法設(shè)計與分析
5．2．4 仿真實例
5．3 間接自適應(yīng)模糊控制
5．3．1 問題描述
5．3．2 控制器的設(shè)計
5．3．3 仿真實例
5．4 直接自適應(yīng)模糊控制
5．4．1 問題描述
5．4．2 控制器的設(shè)計
5．4．3 自適應(yīng)律的設(shè)計
5．4．4 仿真實例
5．5 機器人關(guān)節(jié)數(shù)學(xué)模型
5．6 基于模糊補償?shù)臋C械手自適應(yīng)模糊控制
5．6．1 系統(tǒng)描述
5．6．2 基于模糊補償?shù)目刂?
5．6．3 基于摩擦補償?shù)目刂?
5．6．4 仿真實例
思考題與習(xí)題5
本章附錄(程序代碼)
第6章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
6．1 神經(jīng)網(wǎng)絡(luò)發(fā)展簡史
6．2 神經(jīng)網(wǎng)絡(luò)原理
6．3 神經(jīng)網(wǎng)絡(luò)的分類
6．4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
6．4．1 Hebb學(xué)習(xí)規(guī)則
6．4．2 Delta（δ）學(xué)習(xí)規(guī)則
6．5 神經(jīng)網(wǎng)絡(luò)的特征及要素
6．6 神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域
思考題與習(xí)題6
第7章 典型神經(jīng)網(wǎng)絡(luò)
7．1 單神經(jīng)元網(wǎng)絡(luò)
7．2 BP神經(jīng)網(wǎng)絡(luò)
7．2．1 BP網(wǎng)絡(luò)特點
7．2．2 BP網(wǎng)絡(luò)結(jié)構(gòu)
7．2．3 BP網(wǎng)絡(luò)的逼近
7．2．4 BP網(wǎng)絡(luò)的優(yōu)缺點
7．2．5 BP網(wǎng)絡(luò)逼近仿真實例
7．2．6 BP網(wǎng)絡(luò)模式識別
7．2．7 BP網(wǎng)絡(luò)模式識別仿真實例
7．3 RBF神經(jīng)網(wǎng)絡(luò)
7．3．1 RBF網(wǎng)絡(luò)結(jié)構(gòu)與算法
7．3．2 RBF網(wǎng)絡(luò)設(shè)計實例
7．3．3 RBF網(wǎng)絡(luò)的逼近
7．3．4 高斯基函數(shù)的參數(shù)對RBF網(wǎng)絡(luò)逼近的影響
7．3．5 隱含層節(jié)點數(shù)對RBF網(wǎng)絡(luò)逼近的影響
7．3．6 控制系統(tǒng)設(shè)計中RBF網(wǎng)絡(luò)的逼近
思考題與習(xí)題7
本章附錄(程序代碼)
第8章 高級神經(jīng)網(wǎng)絡(luò)
8．1 模糊RBF網(wǎng)絡(luò)
8．1．1 網(wǎng)絡(luò)結(jié)構(gòu)
8．1．2 基于模糊RBF網(wǎng)絡(luò)的逼近算法
8．1．3 仿真實例
8．2 小腦模型神經(jīng)網(wǎng)絡(luò)
8．2．1 CMAC概述
8．2．2 一種典型CMAC算法
8．2．3 仿真實例
8．3 Hopfield網(wǎng)絡(luò)
8．3．1 Hopfield網(wǎng)絡(luò)原理
8．3．2 基于Hopfield網(wǎng)絡(luò)的路徑優(yōu)化
思考題與習(xí)題8
本章附錄(程序代碼)
第9章 神經(jīng)網(wǎng)絡(luò)控制
9．1 概述
9．2 神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu)
9．2．1 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制
9．2．2 神經(jīng)網(wǎng)絡(luò)直接逆控制
9．2．3 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
9．2．4 神經(jīng)網(wǎng)絡(luò)內(nèi)模控制
9．2．5 神經(jīng)網(wǎng)絡(luò)預(yù)測控制
9．2．6 神經(jīng)網(wǎng)絡(luò)自適應(yīng)評判控制
9．2．7 神經(jīng)網(wǎng)絡(luò)混合控制
9．3 單神經(jīng)元自適應(yīng)控制
9．3．1 單神經(jīng)元自適應(yīng)控制算法
9．3．2 仿真實例
9．4 RBF網(wǎng)絡(luò)監(jiān)督控制
9．4．1 RBF網(wǎng)絡(luò)監(jiān)督控制算法
9．4．2 仿真實例
9．5 RBF網(wǎng)絡(luò)自校正控制
9．5．1 神經(jīng)網(wǎng)絡(luò)自校正控制原理
9．5．2 自校正控制算法
9．5．3 RBF網(wǎng)絡(luò)自校正控制算法
9．5．4 仿真實例
9．6 基于RBF網(wǎng)絡(luò)直接模型參考自適應(yīng)控制
9．6．1 基于RBF網(wǎng)絡(luò)的控制器設(shè)計
9．6．2 仿真實例
9．7 一種簡單的RBF網(wǎng)絡(luò)自適應(yīng)控制
9．7．1 問題描述
9．7．2 RBF網(wǎng)絡(luò)原理
9．7．3 控制算法設(shè)計與分析
9．7．4 仿真實例
9．8 基于不確定逼近的RBF網(wǎng)絡(luò)自適應(yīng)控制
9．8．1 問題的提出
9．8．2 模型不確定部分的RBF網(wǎng)絡(luò)逼近
9．8．3 控制器的設(shè)計及分析
9．8．4 仿真實例
9．9 基于模型整體逼近的機器人RBF網(wǎng)絡(luò)自適應(yīng)控制
9．9．1 問題的提出
9．9．2 針對f(x)進行逼近的控制
9．9．3 仿真實例
9．10 神經(jīng)網(wǎng)絡(luò)數(shù)字控制
9．10．1 基本原理
9．10．2 仿真實例
9．11 離散系統(tǒng)的RBF網(wǎng)絡(luò)控制
9．11．1 系統(tǒng)描述
9．11．2 經(jīng)典控制器設(shè)計
9．11．3 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計
9．11．4 穩(wěn)定性分析
9．11．5 仿真實例
思考題與習(xí)題9
本章附錄(程序代碼)
第10章 智能算法及其應(yīng)用
10．1 遺傳算法的基本原理
10．2 遺傳算法的特點
10．3 遺傳算法的發(fā)展及應(yīng)用
10．3．1 遺傳算法的發(fā)展
10．3．2 遺傳算法的應(yīng)用
10．4 遺傳算法的設(shè)計
10．4．1 遺傳算法的構(gòu)成要素
10．4．2 遺傳算法的應(yīng)用步驟
10．5 遺傳算法求函數(shù)極大值
10．6 基于遺傳算法的TSP問題優(yōu)化
10．6．1 TSP問題的編碼
10．6．2 TSP問題的遺傳算法設(shè)計
10．6．3 仿真實例
10．7 粒子群優(yōu)化算法
10．7．1 標準粒子群算法
10．7．2 粒子群算法的參數(shù)設(shè)置
10．7．3 粒子群算法的基本流程
10．8 粒子群算法的函數(shù)優(yōu)化與參數(shù)辨識
10．8．1 基于粒子群算法的函數(shù)優(yōu)化
10．8．2 基于粒子群算法的參數(shù)辨識
10．9 差分進化算法
10．9．1 標準差分進化算法
10．9．2 差分進化算法的基本流程
10．9．3 差分進化算法的參數(shù)設(shè)置
10．10 差分進化算法的函數(shù)優(yōu)化與參數(shù)辨識
10．10．1 基于差分進化算法的函數(shù)優(yōu)化
10．10．2 基于差分進化算法的參數(shù)辨識
思考題與習(xí)題10
本章附錄(程序代碼)
第11章 迭代學(xué)習(xí)控制
11．1 基本原理
11．2 基本迭代學(xué)習(xí)控制算法
11．3 迭代學(xué)習(xí)控制的關(guān)鍵技術(shù)
11．4 機械手軌跡跟蹤迭代學(xué)習(xí)控制仿真實例
11．4．1 控制器設(shè)計
11．4．2 仿真實例
11．5 線性時變連續(xù)系統(tǒng)迭代學(xué)習(xí) 控制
11．5．1 系統(tǒng)描述
11．5．2 控制器設(shè)計及收斂性分析
11．5．3 仿真實例
思考題與習(xí)題11
本章附錄(程序代碼)
附錄A
參考文獻