《智能控制理論與技術(shù)(第2版)》介紹了:模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家控制、學(xué)習(xí)控制、分層遞階控制及智能優(yōu)化方法等內(nèi)容,每部分既自成體系,又互相聯(lián)系,它們共同構(gòu)成了智能控制理論和技術(shù)的主要內(nèi)容。《智能控制理論與技術(shù)(第2版)》取材新穎,內(nèi)容豐富,彌補(bǔ)了當(dāng)前智能控制缺乏系統(tǒng)性資料的不足。
《智能控制理論與技術(shù)(第2版)》可作為信息、自動(dòng)化及計(jì)算機(jī)應(yīng)用等專業(yè)的本科生及研究生的教材及參考書(shū),也可供有關(guān)教師和科技工作者學(xué)習(xí)參考。
本書(shū)第1版于1997年出版,國(guó)內(nèi)有不少單位將其作為教材或參考書(shū)。該書(shū)出版以來(lái),我們?nèi)砸恢睆氖逻@門(mén)課程的教學(xué)及相關(guān)領(lǐng)域的研究工作。十多年的教學(xué)和研究實(shí)踐為本書(shū)的修訂積累了豐富的素材。這次再版在保留原書(shū)框架的基礎(chǔ)上,對(duì)內(nèi)容做了適當(dāng)?shù)脑鰟h,使之更加精練、系統(tǒng),并繼續(xù)保持了內(nèi)容的先進(jìn)性。這次修改較大的是第2章、第3章和第7章。
智能控制是在人工智能及自動(dòng)控制等多學(xué)科基礎(chǔ)上發(fā)展起來(lái)的新興的交叉學(xué)科,目前尚未建立起一套較完整的智能控制的理論體系,關(guān)于它所包含的技術(shù)內(nèi)容也還沒(méi)有取得比較一致的共識(shí)。本書(shū)僅是根據(jù)作者的認(rèn)識(shí)和體會(huì),就智能控制的理論和技術(shù)作盡可能全面的介紹,以彌補(bǔ)這方面缺乏系統(tǒng)性資料的不足。
本書(shū)在參考了國(guó)內(nèi)外重要文獻(xiàn)的基礎(chǔ)上,對(duì)其主要內(nèi)容加以系統(tǒng)總結(jié)和整理,同時(shí)也有部分內(nèi)容是筆者研究工作的總結(jié),如基于T-S模糊模型的系統(tǒng)分析與設(shè)計(jì)、BP網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)、模糊神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、改進(jìn)的遺傳算法、遺傳算法中的聯(lián)結(jié)關(guān)系及基于聯(lián)結(jié)關(guān)系檢測(cè)的分布估計(jì)算法等。
本書(shū)第1章是緒論,簡(jiǎn)要介紹智能控制的發(fā)展概況、研究對(duì)象、基本結(jié)構(gòu)、主要特點(diǎn)、采用的數(shù)學(xué)工具及包含的主要理論等。
第2章介紹模糊邏輯控制,在簡(jiǎn)要介紹模糊集合及模糊邏輯推理的基礎(chǔ)上,重點(diǎn)介紹了模糊控制的基本原理、模糊控制系統(tǒng)的分析與設(shè)計(jì)以及自適應(yīng)模糊控制等內(nèi)容。
第3章介紹神經(jīng)網(wǎng)絡(luò)控制,重點(diǎn)介紹幾種用于控制的神經(jīng)網(wǎng)絡(luò)模型,其中包括多層前饋網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、CMAC、B樣條、RBF及模糊神經(jīng)網(wǎng)絡(luò)等;在此基礎(chǔ)上系統(tǒng)地介紹了基于神經(jīng)網(wǎng)絡(luò)的建模與控制;最后介紹神經(jīng)網(wǎng)絡(luò)在機(jī)器人控制中的應(yīng)用。
第4章介紹專家控制,主要介紹專家控制的基本原理、典型結(jié)構(gòu)和當(dāng)前的研究課題,最后介紹一種仿人智能控制。
第5章介紹學(xué)習(xí)控制,主要介紹基于模式識(shí)別的學(xué)習(xí)控制、基于迭代和重復(fù)的學(xué)習(xí)控制以及聯(lián)結(jié)主義的學(xué)習(xí)控制。
第6章介紹分層遞階智能控制,重點(diǎn)介紹G.N.Saridis等人提出的由組織級(jí)、協(xié)調(diào)級(jí)和執(zhí)行級(jí)所組成的分層遞階的智能控制結(jié)構(gòu)和原理。
第7章介紹智能優(yōu)化方法,主要包括遺傳算法、粒子群優(yōu)化算法、蟻群優(yōu)化算法、人工免疫算法和分布估計(jì)算法等。
本書(shū)第1章、第2章、第6章、第3章3.1~3.5節(jié)和3.9節(jié)、第7章7.2節(jié)和7.6節(jié)由孫增圻編寫(xiě),第3章3.6~3.8節(jié)、第7章7.1節(jié)和7.3~7.5節(jié)由鄧志東編寫(xiě),第4章、第5章由張?jiān)倥d編寫(xiě),鄧志東為第5章及第3章3.1節(jié)提供了部分素材,全書(shū)由孫增圻統(tǒng)稿。
由于筆者的水平所限,書(shū)中尚存在一些不足和錯(cuò)誤之處,歡迎讀者批評(píng)指正。
編著者2011年5月于清華大學(xué)
第1章 緒論
1.1 智能控制的基本概念
1.1.1 智能控制的研究對(duì)象
1.1.2 智能控制系統(tǒng)
1.1.3 智能控制系統(tǒng)的基本結(jié)構(gòu)
1.1.4 智能控制系統(tǒng)的主要功能特點(diǎn)
1.1.5 智能控制研究的數(shù)學(xué)工具
1.2 智能控制的發(fā)展概況
1.3 智能控制理論
第2章 模糊邏輯控制
2.1 概述
2.1.1 模糊控制與智能控制
2.1.2 模糊集合與模糊數(shù)學(xué)的概念
2.1.3 模糊控制的發(fā)展和應(yīng)用概況
2.2 模糊集合及其運(yùn)算
2.2.1 模糊集合的定義及表示方法
2.2.2 模糊集合的基本運(yùn)算
2.2.3 模糊集合運(yùn)算的基本性質(zhì)
2.2.4 模糊集合的其他類型運(yùn)算
2.3 模糊關(guān)系
2.3.1 模糊關(guān)系的定義及表示
2.3.2 模糊關(guān)系的合成
2.4 模糊邏輯與近似推理
2.4.1 語(yǔ)言變量
2.4.2 模糊蘊(yùn)含關(guān)系
2.4.3 近似推理
2.4.4 句子連接關(guān)系的邏輯運(yùn)算
2.5 基于規(guī)則庫(kù)的模糊推理
2.5.1 mimo模糊規(guī)則庫(kù)的化簡(jiǎn)
2.5.2 模糊推理的一般步驟
2.5.3 論域?yàn)殡x散時(shí)模糊推理計(jì)算舉例
2.5.4 模糊推理的性質(zhì)
2.5.5 模糊控制中常見(jiàn)的兩種模糊推理模型
2.6 基于mamdani模型的模糊控制
2.6.1 模糊控制器的基本結(jié)構(gòu)和組成
2.6.2 模糊控制的離線計(jì)算
2.6.3 模糊控制的在線計(jì)算
2.6.4 模糊控制系統(tǒng)的分析和設(shè)計(jì)
2.7 基于t-s模型的模糊控制
2.7.1 t-s模糊模型的表示
2.7.2 t-s模糊模型的建模
2.7.3 基于模糊狀態(tài)方程模型的系統(tǒng)穩(wěn)定性分析
2.7.4 基于模糊狀態(tài)方程模型的平滑控制器設(shè)計(jì)
2.7.5 基于模糊狀態(tài)方程模型的切換控制器設(shè)計(jì)
2.8 自適應(yīng)模糊控制
2.8.1 基于性能反饋的直接自適應(yīng)模糊控制
2.8.2 基于模糊模型求逆的間接自適應(yīng)模糊控制
第3章 神經(jīng)網(wǎng)絡(luò)控制
3.1 概述
3.1.1 神經(jīng)元模型
3.1.2 人工神經(jīng)網(wǎng)絡(luò)
3.1.3 生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)與計(jì)算機(jī)處理信息的比較
3.1.4 神經(jīng)網(wǎng)絡(luò)的發(fā)展概況
3.2 前饋神經(jīng)網(wǎng)絡(luò)
3.2.1 感知器網(wǎng)絡(luò)
3.2.2 bp網(wǎng)絡(luò)
3.2.3 bp網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)
3.2.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
3.3 反饋神經(jīng)網(wǎng)絡(luò)
3.3.1 離散hopfield網(wǎng)絡(luò)
3.3.2 連續(xù)hopfield網(wǎng)絡(luò)
3.3.3 boltzmann機(jī)
3.4 局部逼近神經(jīng)網(wǎng)絡(luò)
3.4.1 cmac神經(jīng)網(wǎng)絡(luò)
3.4.2 b樣條神經(jīng)網(wǎng)絡(luò)
3.4.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
3.5 模糊神經(jīng)網(wǎng)絡(luò)
3.5.1 基于mamdani模型的模糊神經(jīng)網(wǎng)絡(luò)
3.5.2 基于t-s模型的模糊神經(jīng)網(wǎng)絡(luò)
3.6 遞歸神經(jīng)網(wǎng)絡(luò)
3.6.1 引言
3.6.2 elman網(wǎng)絡(luò)
3.6.3 esn網(wǎng)絡(luò)
3.6.4 shesn網(wǎng)絡(luò)
3.7 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)建模與辨識(shí)
3.7.1 概述
3.7.2 逼近理論與網(wǎng)絡(luò)建模
3.7.3 利用多層靜態(tài)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.7.4 利用動(dòng)態(tài)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.7.5 利用模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
3.8 神經(jīng)網(wǎng)絡(luò)控制
3.8.1 概述
3.8.2 神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)
3.8.3 基于全局逼近神經(jīng)網(wǎng)絡(luò)的控制
3.8.4 基于局部逼近神經(jīng)網(wǎng)絡(luò)的控制
3.8.5 模糊神經(jīng)網(wǎng)絡(luò)控制
3.8.6 有待解決的問(wèn)題
3.9 神經(jīng)網(wǎng)絡(luò)在機(jī)器人控制中的應(yīng)用
3.9.1 神經(jīng)網(wǎng)絡(luò)運(yùn)動(dòng)學(xué)控制
3.9.2 神經(jīng)網(wǎng)絡(luò)動(dòng)力學(xué)控制
3.9.3 神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃
第4章 專家控制
4.1 概述
4.1.1 專家控制的由來(lái)
4.1.2 專家系統(tǒng)
4.1.3 專家控制的研究狀況和分類
4.2 專家控制的基本原理
4.2.1 專家控制的功能目標(biāo)
4.2.2 控制作用的實(shí)現(xiàn)
4.2.3 設(shè)計(jì)規(guī)范和運(yùn)行機(jī)制
4.3 專家控制系統(tǒng)的典型結(jié)構(gòu)
4.3.1 系統(tǒng)結(jié)構(gòu)
4.3.2 系統(tǒng)實(shí)現(xiàn)
4.4 專家控制的示例
4.4.1 自動(dòng)調(diào)整過(guò)程
4.4.2 自動(dòng)調(diào)整過(guò)程的實(shí)現(xiàn)
4.5 專家控制技術(shù)的研究課題
4.5.1 實(shí)時(shí)推理
4.5.2 知識(shí)獲取
4.5.3 專家控制系統(tǒng)的穩(wěn)定性分析
4.6 一種仿人智能控制
4.6.1 概念和定義
4.6.2 原理和結(jié)構(gòu)
4.6.3 仿人智能控制的特點(diǎn)
第5章 學(xué)習(xí)控制
5.1 概述
5.1.1 學(xué)習(xí)控制問(wèn)題的提出
5.1.2 學(xué)習(xí)控制的表述
5.1.3 學(xué)習(xí)控制與自適應(yīng)控制
5.1.4 學(xué)習(xí)控制的研究狀況和分類
5.2 基于模式識(shí)別的學(xué)習(xí)控制
5.2.1 學(xué)習(xí)控制系統(tǒng)的一般形式
5.2.2 模式分類
5.2.3 可訓(xùn)t練控制器
5.2.4 線性再勵(lì)學(xué)習(xí)控制
5.2.5 bayes學(xué)習(xí)控制
5.2.6 基于模式識(shí)別的其他學(xué)習(xí)控制方法
5.2.7 研究課題
5.3 基于迭代和重復(fù)的學(xué)習(xí)控制
5.3.1 迭代和重復(fù)自學(xué)習(xí)控制的基本原理
5.3.2 異步自學(xué)習(xí)控制
5.3.3 異步自學(xué)習(xí)控制時(shí)域法
5.3.4 異步自學(xué)習(xí)控制頻域法
5.4 聯(lián)結(jié)主義學(xué)習(xí)控制
5.4.1 基本思想
5.4.2 聯(lián)結(jié)主義學(xué)習(xí)系統(tǒng)的實(shí)現(xiàn)原理
5.4.3 聯(lián)結(jié)主義學(xué)習(xí)控制系統(tǒng)的結(jié)構(gòu)
5.4.4 研究課題
第6章 分層遞階智能控制
6.1 一般結(jié)構(gòu)原理
6.2 組織級(jí)
6.3 協(xié)調(diào)級(jí)
6.3.1 協(xié)調(diào)級(jí)的原理結(jié)構(gòu)
6.3.2 petri網(wǎng)轉(zhuǎn)換器
6.3.3 協(xié)調(diào)級(jí)的petri網(wǎng)結(jié)構(gòu)
6.3.4 協(xié)調(diào)級(jí)結(jié)構(gòu)的決策和學(xué)習(xí)
6.4 執(zhí)行級(jí)
第7章 智能優(yōu)化方法
7.1 概述
7.2 遺傳算法
7.2.1 引言
7.2.2 遺傳算法的工作原理及操作步驟
7.2.3 遺傳算法的實(shí)現(xiàn)及改進(jìn)
7.2.4 遺傳算法應(yīng)用舉例
7.2.5 遺傳算法中的聯(lián)結(jié)關(guān)系
7.3 粒子群優(yōu)化算法
7.3.1 引言
7.3.2 粒子群優(yōu)化算法簡(jiǎn)介
7.3.3 粒子群優(yōu)化算法應(yīng)用舉例
7.4 蟻群優(yōu)化算法
7.4.1 引言
7.4.2 蟻群優(yōu)化算法簡(jiǎn)介
7.4.3 蟻群優(yōu)化算法應(yīng)用舉例
7.5 人工免疫算法
7.5.1 引言
7.5.2 人工免疫系統(tǒng)(ais)
7.6 分布估計(jì)算法
7.6.1 引言
7.6.2 一個(gè)簡(jiǎn)單的分布估計(jì)算法
7.6.3 基于不同概率圖模型的分布估計(jì)算法
7.6.4 基于聯(lián)結(jié)關(guān)系檢測(cè)的分布估計(jì)算法
7.6.5 連續(xù)域的分布估計(jì)算法
7.6.6 基于概率模型的其他相關(guān)算法
7.6.7 分布估計(jì)算法進(jìn)一步需要研究的問(wèn)題
參考文獻(xiàn)