智能控制理论与技术 第2版PDF|Epub|txt|kindle电子书版本网盘下载

智能控制理论与技术 第2版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 绪论1

1.1 智能控制的基本概念1

1.1.1 智能控制的研究对象1

1.1.2 智能控制系统2

1.1.3 智能控制系统的基本结构2

1.1.4 智能控制系统的主要功能特点3

1.1.5 智能控制研究的数学工具4

1.2 智能控制的发展概况4

1.3 智能控制理论10

第2章 模糊逻辑控制15

2.1 概述15

2.1.1 模糊控制与智能控制15

2.1.2 模糊集合与模糊数学的概念15

2.1.3 模糊控制的发展和应用概况16

2.2 模糊集合及其运算18

2.2.1 模糊集合的定义及表示方法18

2.2.2 模糊集合的基本运算21

2.2.3 模糊集合运算的基本性质22

2.2.4 模糊集合的其他类型运算23

2.3 模糊关系24

2.3.1 模糊关系的定义及表示24

2.3.2 模糊关系的合成25

2.4 模糊逻辑与近似推理27

2.4.1 语言变量27

2.4.2 模糊蕴含关系28

2.4.3 近似推理29

2.4.4 句子连接关系的逻辑运算32

2.5 基于规则库的模糊推理33

2.5.1 MIMO模糊规则库的化简33

2.5.2 模糊推理的一般步骤33

2.5.3 论域为离散时模糊推理计算举例34

2.5.4 模糊推理的性质36

2.5.5 模糊控制中常见的两种模糊推理模型41

2.6 基于Mamdani模型的模糊控制42

2.6.1 模糊控制器的基本结构和组成42

2.6.2 模糊控制的离线计算50

2.6.3 模糊控制的在线计算54

2.6.4 模糊控制系统的分析和设计55

2.7 基于T-S模型的模糊控制67

2.7.1 T-S模糊模型的表示68

2.7.2 T-S模糊模型的建模71

2.7.3 基于模糊状态方程模型的系统稳定性分析75

2.7.4 基于模糊状态方程模型的平滑控制器设计79

2.7.5 基于模糊状态方程模型的切换控制器设计92

2.8 自适应模糊控制107

2.8.1 基于性能反馈的直接自适应模糊控制108

2.8.2 基于模糊模型求逆的间接自适应模糊控制113

第3章 神经网络控制123

3.1 概述123

3.1.1 神经元模型123

3.1.2 人工神经网络131

3.1.3 生物神经网络系统与计算机处理信息的比较132

3.1.4 神经网络的发展概况133

3.2 前馈神经网络134

3.2.1 感知器网络134

3.2.2 BP网络137

3.2.3 BP网络学习算法的改进139

3.2.4 神经网络的训练140

3.3 反馈神经网络144

3.3.1 离散Hopfield网络144

3.3.2 连续Hopfield网络153

3.3.3 Boltzmann机157

3.4 局部逼近神经网络160

3.4.1 CMAC神经网络161

3.4.2 B样条神经网络166

3.4.3 径向基函数神经网络170

3.5 模糊神经网络171

3.5.1 基于Mamdani模型的模糊神经网络171

3.5.2 基于T-S模型的模糊神经网络177

3.6 递归神经网络182

3.6.1 引言182

3.6.2 Elman网络183

3.6.3 ESN网络187

3.6.4 SHESN网络190

3.7 基于神经网络的系统建模与辨识201

3.7.1 概述201

3.7.2 逼近理论与网络建模202

3.7.3 利用多层静态网络的系统辨识206

3.7.4 利用动态网络的系统辨识209

3.7.5 利用模糊神经网络的系统辨识209

3.8 神经网络控制212

3.8.1 概述212

3.8.2 神经网络控制结构213

3.8.3 基于全局逼近神经网络的控制219

3.8.4 基于局部逼近神经网络的控制223

3.8.5 模糊神经网络控制226

3.8.6 有待解决的问题233

3.9 神经网络在机器人控制中的应用233

3.9.1 神经网络运动学控制234

3.9.2 神经网络动力学控制238

3.9.3 神经网络路径规划242

第4章 专家控制252

4.1 概述252

4.1.1 专家控制的由来252

4.1.2 专家系统252

4.1.3 专家控制的研究状况和分类255

4.2 专家控制的基本原理257

4.2.1 专家控制的功能目标257

4.2.2 控制作用的实现258

4.2.3 设计规范和运行机制260

4.3 专家控制系统的典型结构262

4.3.1 系统结构262

4.3.2 系统实现267

4.4 专家控制的示例269

4.4.1 自动调整过程269

4.4.2 自动调整过程的实现274

4.5 专家控制技术的研究课题275

4.5.1 实时推理275

4.5.2 知识获取277

4.5.3 专家控制系统的稳定性分析281

4.6 一种仿人智能控制284

4.6.1 概念和定义285

4.6.2 原理和结构286

4.6.3 仿人智能控制的特点289

第5章 学习控制290

5.1 概述290

5.1.1 学习控制问题的提出290

5.1.2 学习控制的表述291

5.1.3 学习控制与自适应控制292

5.1.4 学习控制的研究状况和分类292

5.2 基于模式识别的学习控制294

5.2.1 学习控制系统的一般形式294

5.2.2 模式分类296

5.2.3 可训练控制器298

5.2.4 线性再励学习控制299

5.2.5 Bayes学习控制300

5.2.6 基于模式识别的其他学习控制方法302

5.2.7 研究课题304

5.3 基于迭代和重复的学习控制305

5.3.1 迭代和重复自学习控制的基本原理305

5.3.2 异步自学习控制308

5.3.3 异步自学习控制时域法311

5.3.4 异步自学习控制频域法315

5.4 联结主义学习控制319

5.4.1 基本思想320

5.4.2 联结主义学习系统的实现原理322

5.4.3 联结主义学习控制系统的结构328

5.4.4 研究课题330

第6章 分层递阶智能控制331

6.1 一般结构原理331

6.2 组织级333

6.3 协调级336

6.3.1 协调级的原理结构336

6.3.2 Petri网转换器338

6.3.3 协调级的Petri网结构339

6.3.4 协调级结构的决策和学习341

6.4 执行级344

第7章 智能优化方法346

7.1 概述346

7.2 遗传算法347

7.2.1 引言347

7.2.2 遗传算法的工作原理及操作步骤349

7.2.3 遗传算法的实现及改进355

7.2.4 遗传算法应用举例361

7.2.5 遗传算法中的联结关系371

7.3 粒子群优化算法380

7.3.1 引言380

7.3.2 粒子群优化算法简介380

7.3.3 粒子群优化算法应用举例386

7.4 蚁群优化算法387

7.4.1 引言387

7.4.2 蚁群优化算法简介388

7.4.3 蚁群优化算法应用举例398

7.5 人工免疫算法399

7.5.1 引言399

7.5.2 人工免疫系统（AIS）402

7.6 分布估计算法410

7.6.1 引言410

7.6.2 一个简单的分布估计算法411

7.6.3 基于不同概率图模型的分布估计算法412

7.6.4 基于联结关系检测的分布估计算法415

7.6.5 连续域的分布估计算法417

7.6.6 基于概率模型的其他相关算法422

7.6.7 分布估计算法进一步需要研究的问题422

参考文献425