智能控制PDF|Epub|txt|kindle电子书版本网盘下载

智能控制PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 从传统控制到智能控制1

1.1 自动控制的基本问题1

1.1.1 自动控制的概念1

1.1.2 自动控制的目的及要求2

1.1.3 自动控制中的矛盾问题2

1.2 自动控制的基本原理2

1.2.1 控制论的创立2

1.2.2 反馈是自动控制的精髓3

1.2.3 反馈在闭环控制中的作用3

1.2.4 反馈控制的基本模式4

1.3 控制理论发展的历程5

1.3.1 经典控制理论5

1.3.2 现代控制理论6

1.3.3 智能控制理论7

1.4 智能控制理论的基本内容8

1.4.1 智能控制的基本概念8

1.4.2 智能控制的多学科交叉10

1.4.3 智能控制的基本原理11

1.4.4 智能控制的基本功能12

1.4.5 智能控制的基本要素13

1.4.6 智能控制系统的结构13

1.4.7 智能控制的类型15

启迪思考题15

第2章 基于模糊逻辑的智能控制16

2.1 模糊控制概述16

2.1.1 模糊控制的创立与发展16

2.1.2 模糊控制器的分类17

2.2 模糊逻辑基础18

2.2.1 基于二值逻辑的经典集合18

2.2.2 模糊集合与模糊概念18

2.2.3 模糊集合及其运算19

2.2.4 模糊矩阵与模糊向量23

2.2.5 模糊关系26

2.2.6 模糊逻辑推理28

2.2.7 模糊系统的万能逼近特性31

2.3 模糊控制的原理32

2.3.1 模糊控制系统的组成33

2.3.2 模糊控制的工作原理33

2.3.3 模糊控制器的控制性能38

2.4 经典模糊控制器的设计方法39

2.4.1 模糊控制器的结构设计39

2.4.2 模糊控制规则的设计40

2.4.3 Mamdani模糊推理法43

2.4.4 精确量的模糊化及量化因子44

2.4.5 模糊量的清晰化及比例因子46

2.4.6 查表式模糊控制器设计46

2.4.7 解析式模糊规则自调整控制器51

2.5 T-S型模糊控制器设计52

2.5.1 T-S模糊模型52

2.5.2 基于T-S模型的模糊推理53

2.5.3 T-S型模糊控制系统设计54

2.6 模糊-PID控制55

2.6.1 模糊-PID复合控制55

2.6.2 基于模糊推理优化的PID控制55

2.7 自适应模糊控制57

2.7.1 模糊系统辨识57

2.7.2 自适应模糊控制的基本原理59

2.7.3 模型参考自适应模糊控制61

2.8 模糊控制的实现技术62

2.8.1 模糊控制软件开发工具62

2.8.2 模糊控制芯片63

2.9 基于MATLAB的模糊控制系统设计64

2.9.1 MATLAB模糊逻辑工具箱64

2.9.2 基于MATLAB的模糊控制系统仿真67

启迪思考题71

第3章 基于神经网络的智能控制72

3.1 神经网络系统基础72

3.1.1 神经网络研究概述72

3.1.2 神经细胞结构与功能73

3.1.3 人工神经元模型74

3.1.4 神经网络的特点75

3.1.5 神经网络结构与模型77

3.1.6 神经网络训练与学习78

3.1.7 神经网络的学习规则80

3.2 控制中的常用神经网络82

3.2.1 感知器82

3.2.2 前向神经网络83

3.2.3 径向基神经网络85

3.2.4 反馈神经网络87

3.2.5 小脑模型神经网络90

3.2.6 大脑模型自组织神经网络92

3.2.7 Boltzmann机95

3.3 基于神经网络的系统辨识96

3.3.1 神经网络的逼近能力96

3.3.2 神经网络系统辨识的原理97

3.3.3 基于BP网络的非线性系统模型辨识98

3.4 基于神经网络的智能控制99

3.4.1 神经控制的基本原理99

3.4.2 基于神经网络智能控制的类型100

3.4.3 基于传统控制理论的神经控制102

3.5 神经PID控制103

3.5.1 神经元PID控制103

3.5.2 自适应神经元PID控制105

3.6 神经自适应控制107

3.6.1 模型参考神经自适应控制107

3.6.2 神经自校正控制108

3.7 基于MATLAB的神经控制系统设计110

3.7.1 MATLAB神经网络工具箱110

3.7.2 基于MATLAB的模型参考神经自适应控制系统仿真114

启迪思考题119

第4章 专家控制与仿人智能控制120

4.1 专家系统的基本概念120

4.1.1 专家与专家系统120

4.1.2 专家系统的基本结构121

4.2 专家系统的结构与原理122

4.2.1 专家控制系统的特点122

4.2.2 专家控制系统的结构122

4.2.3 专家控制系统的原理124

4.2.4 实时过程控制专家系统举例124

4.3 专家控制器125

4.3.1 专家控制器的结构126

4.3.2 一种工业过程专家控制器设计127

4.4 仿人智能控制128

4.4.1 从常规PID控制谈起128

4.4.2 仿人智能控制的基本思想129

4.4.3 系统动态行为的特征识别130

4.4.4 仿人智能控制原理132

4.5 仿人智能控制的多种模式133

4.5.1 仿人智能积分控制134

4.5.2 仿人智能采样控制136

4.5.3 基于极值采样的仿人智能控制138

启迪思考题140

第5章 递阶智能控制与学习控制142

5.1 大系统控制的形式与结构142

5.1.1 大系统控制的基本形式142

5.1.2 大系统控制的递阶结构143

5.2 递阶控制的基本原理144

5.2.1 协调的基本概念144

5.2.2 协调的基本原则145

5.3 递阶智能控制的结构与原理145

5.3.1 递阶智能控制的结构145

5.3.2 递阶智能控制的原理146

5.4 蒸汽锅炉的递阶模糊控制147

5.4.1 模糊变量与规则间的数量关系147

5.4.2 递阶模糊控制规则148

5.4.3 蒸汽锅炉的两级递阶模糊控制系统149

5.5 学习控制系统150

5.5.1 学习控制的基本概念150

5.5.2 迭代学习控制151

5.5.3 重复学习控制152

5.5.4 其他学习控制形式153

5.6 基于规则的自学习控制系统155

5.6.1 产生式自学习控制系统155

5.6.2 基于规则的自学习模糊控制举例156

启迪思考题158

第6章 智能优化原理与算法160

6.1 智能优化算法概述160

6.1.1 模糊计算与神经计算160

6.1.2 进化计算161

6.1.3 人工免疫算法162

6.1.4 群智能优化算法163

6.1.5 模拟退火算法164

6.1.6 禁忌搜索算法164

6.2 智能优化算法的理论基础164

6.2.1 系统科学164

6.2.2 复杂适应系统理论165

6.2.3 复杂适应系统的运行机制167

6.2.4 复杂适应系统理论的特点168

6.2.5 智能优化算法的原理169

6.3 RBF神经网络优化算法170

6.3.1 RBF神经网络170

6.3.2 RBF网络学习算法171

6.3.3 RBF神经网络在控制中的应用172

6.4 遗传算法173

6.4.1 生物的进化与遗传173

6.4.2 遗传算法的基本概念173

6.4.3 遗传算法的基本操作174

6.4.4 遗传算法实现步骤175

6.4.5 遗传算法用于函数优化177

6.4.6 遗传算法和模糊逻辑及神经网络的融合178

6.5 粒子群优化算法181

6.5.1 粒子群优化的基本思想181

6.5.2 粒子群优化算法原理181

6.5.3 PSO算法步骤182

6.5.4 PSO算法的改进及应用184

6.6 免疫优化算法185

6.6.1 免疫学的基本概念185

6.6.2 免疫系统的组织结构186

6.6.3 免疫机制与克隆选择理论186

6.6.4 人工免疫模型与免疫算法188

6.6.5 免疫应答中的学习与优化189

6.6.6 克隆选择算法192

6.6.7 免疫优化算法的应用193

启迪思考题194

第7章 智能控制和智能优化的融合196

7.1 智能控制和智能优化的融合196

7.2 智能优化的快速算法197

7.3 粒子群优化的模糊控制器设计197

7.3.1 PSO基本算法197

7.3.2 模糊控制器的设计原理199

7.3.3 PSO优化的模糊控制器在主汽温控制中的应用200

7.4 基于RBF神经网络优化PID控制参数203

7.4.1 RBF神经网络对被控对象的辨识203

7.4.2 RBF网络优化PID控制参数的算法实现204

7.5 基于免疫克隆优化的模糊神经控制器205

7.5.1 基本的免疫克隆算法205

7.5.2 改进的免疫克隆选择算法206

7.5.3 基于免疫克隆算法优化的模糊神经控制器设计207

7.5.4 仿真结果及结论208

启迪思考题209

第8章 智能控制的工程应用实例210

8.1 基于神经网络推理的加热炉温度模糊控制210

8.1.1 基于神经网络推理的模糊控制210

8.1.2 模糊控制器的神经网络实现212

8.1.3 现场运行效果213

8.2 神经网络在车底炉燃烧控制中的应用214

8.2.1 燃烧控制系统的设计215

8.2.2 神经网络模型的建立216

8.2.3 神经网络的训练过程218

8.2.4 神经网络在车底炉燃烧控制中的应用实例219

8.3 专家控制在静电除尘器电源控制系统中的应用221

8.3.1 高压直流静电除尘电源控制系统222

8.3.2 专家控制系统控制器设计222

8.3.3 控制结果及其分析225

8.4 学习控制在数控凸轮轴磨床上的应用226

8.4.1 FANUC数控系统学习控制功能226

8.4.2 学习控制的实现227

8.4.3 学习控制效果229

启迪思考题231

参考文献232