智能控制是自動(dòng)控制發(fā)展的高級階段，是人工智能、控制論、系統(tǒng)論、信息論、仿生學(xué)、神經(jīng)生理學(xué)、進(jìn)化計(jì)算和計(jì)算機(jī)等多種學(xué)科的高度匯聚，是一門新興的邊緣交叉學(xué)科。本書系統(tǒng)地介紹了智能控制的內(nèi)涵、理論和主要方法，包括模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家控制系統(tǒng)、遺傳算法、基于DNA的軟計(jì)算、粒子群算法、深度學(xué)習(xí)等，著重介紹了智能控制方法的交叉和融合，如模糊神經(jīng)網(wǎng)絡(luò)、模糊專家系統(tǒng)、神經(jīng)專家系統(tǒng)、遺傳-模糊控制和遺傳-神經(jīng)網(wǎng)絡(luò)等。本書內(nèi)容豐富，注重理論聯(lián)系實(shí)際，配有大量的MATLAB仿真例題和實(shí)際應(yīng)用案例講解，能夠更好地幫助學(xué)生通過仿真習(xí)題和工程實(shí)例設(shè)計(jì)深入理解智能控制的基本內(nèi)涵和控制方法的綜合運(yùn)用。
本書可作為普通高校自動(dòng)化、電氣及電子信息等專業(yè)學(xué)生的教材，也可供有關(guān)教師和工程技術(shù)人員參考。
本書配有電子課件，歡迎選用本書作教材的教師登錄www.cmpedu.com注冊下載，或發(fā)郵件至jinacmp@163.com索取。
本書配有MATLAB源碼，請直接用手機(jī)掃描書中二維碼進(jìn)行下載。

智能控制是自動(dòng)控制發(fā)展的高級階段，是人工智能、控制論、系統(tǒng)論、信息論、仿生學(xué)、神經(jīng)生理學(xué)、進(jìn)化計(jì)算和計(jì)算機(jī)等多種學(xué)科的高度綜合與集成，是一門新興的邊緣交叉學(xué)科。智能控制是當(dāng)今國內(nèi)外自動(dòng)化學(xué)科中一個(gè)十分活躍和具有挑戰(zhàn)性的領(lǐng)域，代表著當(dāng)今科學(xué)和技術(shù)發(fā)展的方向。智能控制目前尚未建立起一套完整的理論體系，是一門仍在不斷發(fā)展和豐富中的具有眾多學(xué)科集成特點(diǎn)的科學(xué)和技術(shù)。它不僅包含了自動(dòng)控制、人工智能、運(yùn)籌學(xué)和信息論的內(nèi)容，而且還從計(jì)算機(jī)科學(xué)、神經(jīng)學(xué)、腦科學(xué)等學(xué)科中汲取豐富的營養(yǎng)，正在成為自動(dòng)化領(lǐng)域中興旺和發(fā)展迅速的一個(gè)分支學(xué)科，并被許多發(fā)達(dá)國家確認(rèn)為提高國家競爭力的核心技術(shù)。
隨著智能控制理論和技術(shù)的迅速發(fā)展，其應(yīng)用領(lǐng)域不斷擴(kuò)展，在工業(yè)生產(chǎn)、航空航天、生物醫(yī)學(xué)、模式識別、能源工業(yè)、環(huán)境保護(hù)和國防軍事等眾多領(lǐng)域智能控制技術(shù)都得到了成功應(yīng)用，越來越受到控制領(lǐng)域?qū)＜液凸こ碳夹g(shù)人員的重視，培養(yǎng)大批能熟練掌握和應(yīng)用智能控制的控制工程師的需求也越來越迫切。同時(shí)，智能控制中眾多學(xué)科的交叉和融合，開放式的研究空間也為學(xué)生視野的開闊和創(chuàng)新能力的培養(yǎng)提供了一個(gè)很好的背景和平臺。因此，近些年國內(nèi)外許多高校的控制專業(yè)和信息類專業(yè)陸續(xù)開設(shè)智能控制課程，并且從理論教學(xué)到實(shí)踐教學(xué)都給予了足夠的重視。本書在參考國內(nèi)外智能控制方面重要文獻(xiàn)的基礎(chǔ)上，結(jié)合近幾年精品課程“智能控制基礎(chǔ)”的建設(shè)，對智能控制的主要內(nèi)容進(jìn)行整理和總結(jié)，也有部分內(nèi)容是筆者研究工作的總結(jié)，如基于ANFIS多模型的故障診斷、基于GA-BP的冠心病早期診斷和基于T-S模型的遞歸神經(jīng)網(wǎng)絡(luò)等。
本書部分內(nèi)容已在鄭州大學(xué)電氣工程學(xué)院本科生和研究生的“智能控制基礎(chǔ)”課程中講授數(shù)年，經(jīng)過了多次更新和完善，在精品課程“智能控制基礎(chǔ)”的建設(shè)中起了重要作用。
本書具體內(nèi)容安排如下：
第1章是緒論。簡要介紹智能控制的發(fā)展歷史、基本概念、特點(diǎn)、結(jié)構(gòu)理論、主要類型，闡述智能控制與傳統(tǒng)控制之間的關(guān)系和應(yīng)用前景。
第2章介紹模糊控制。首先在簡要介紹模糊控制的數(shù)學(xué)基礎(chǔ)后，以一個(gè)簡單模糊控制器的設(shè)計(jì)為例詳細(xì)講述模糊控制器的設(shè)計(jì)過程及注意事項(xiàng)；然后介紹函數(shù)模糊系統(tǒng)的特例——Takagi-Sugeno（T-S）模糊系統(tǒng)、模糊系統(tǒng)的MATLAB仿真；后闡述模糊系統(tǒng)的非線性分析的必要性及主要方法，包括李雅普諾夫（Lyapunov）方法、圓判據(jù)、描述函數(shù)方法、小增益理論和滑模變結(jié)構(gòu)方法。
第3章介紹模糊建模和模糊辨識。在介紹模糊系統(tǒng)的類型與分割形式后，闡述模糊系統(tǒng)的通用近似特性，重點(diǎn)介紹模糊辨識和估計(jì)的算法，即小二乘算法、梯度算法、模糊聚類法和混合算法。
第4章介紹神經(jīng)網(wǎng)絡(luò)控制。在介紹神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)之上，重點(diǎn)介紹兩類常用的神經(jīng)網(wǎng)絡(luò)：前饋網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)包括感知器神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)；反饋神經(jīng)網(wǎng)絡(luò)包括離散型Hopfield網(wǎng)絡(luò)、連續(xù)型Hopfield網(wǎng)絡(luò)和Kohonen網(wǎng)絡(luò)。在此基礎(chǔ)上系統(tǒng)地介紹了基于神經(jīng)網(wǎng)絡(luò)的控制，包括神經(jīng)網(wǎng)絡(luò)控制的基本思想、直接逆動(dòng)態(tài)控制、神經(jīng)網(wǎng)絡(luò)PID控制、神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制和神經(jīng)網(wǎng)絡(luò)內(nèi)模控制等。
第5章介紹模糊神經(jīng)網(wǎng)絡(luò)。首先闡述模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，明確它們具有明顯的互補(bǔ)性，介紹它們的融合方式，即在模糊控制中引入神經(jīng)網(wǎng)絡(luò)、在神經(jīng)網(wǎng)絡(luò)中引入模糊邏輯、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上的融合；然后重點(diǎn)介紹兩種模糊神經(jīng)網(wǎng)絡(luò)，即ANFIS和基于T-S模糊模型的遞歸神經(jīng)網(wǎng)絡(luò)，并介紹了ANFIS在非線性系統(tǒng)——?dú)鈩?dòng)執(zhí)行器的建模上的應(yīng)用，以及基于T-S模糊模型的遞歸神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識中的應(yīng)用。
第6章介紹專家控制系統(tǒng)。在簡要介紹專家系統(tǒng)的基本概念、結(jié)構(gòu)特點(diǎn)與分類的基礎(chǔ)上，重點(diǎn)講述專家控制系統(tǒng)，包括專家控制系統(tǒng)的結(jié)構(gòu)與設(shè)計(jì)方法，專家控制器以及PID專家控制器的應(yīng)用；后介紹了專家控制系統(tǒng)和其他控制方法相融合的改進(jìn)，主要包括模糊專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的原理以及應(yīng)用實(shí)例。
第7章介紹其他智能控制方法，包括遺傳算法、DNA計(jì)算和粒子群算法。7.1節(jié)介紹遺傳算法的基本操作和理論基礎(chǔ)、遺傳算法的實(shí)現(xiàn)，以及遺傳算法與智能控制的融合與實(shí)際應(yīng)用；7.2節(jié)首先介紹了DNA結(jié)構(gòu)、DNA計(jì)算的原理，然后闡述了DNA計(jì)算與其他軟計(jì)算的集成，包括DNA計(jì)算與遺傳算法、模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)的集成；7.3節(jié)首先闡述了粒子群算法的思想來源及計(jì)算模型，然后簡單介紹了粒子群算法中各參數(shù)的作用及其對算法優(yōu)化性能的影響，以及粒子群優(yōu)化算法的改進(jìn)，后介紹了基于粒子群算法的PID控制系統(tǒng)參數(shù)優(yōu)化的實(shí)際應(yīng)用。
第8章介紹深度學(xué)習(xí)在智能控制中的應(yīng)用。首先闡述了深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和人工智能的關(guān)系，然后介紹了幾種常見的深度學(xué)習(xí)基礎(chǔ)架構(gòu)，后介紹了深度學(xué)習(xí)在易混淆目標(biāo)識別、大視場小目標(biāo)檢測以及心電圖自動(dòng)分類等智能控制子領(lǐng)域中的應(yīng)用案例。
本書第1、2、3、5章由師麗編寫，第4章由李曉媛和師麗編寫，第6章由李曉媛編寫，第7章由姚利娜、李曉媛和胡玉霞編寫，第8章由王松偉編寫。師麗為第7章提供了部分素材。全書由師麗統(tǒng)稿。
在本書編寫過程中得到了許多人的支持和幫助。李輝、崔佳、王麗佳、邵國、王治忠為本書提供了部分素材，武鵬、錢龍龍為本書的文稿整理做了大量工作。在此向以上提到的各位及其他為本書提供幫助的人們一并表示感謝。
由于編者的水平有限，書中尚存在一些不足和錯(cuò)誤，歡迎讀者批評指正。

編者

二維碼資源一覽表
序
前言
第1章緒論1
1.1智能控制的內(nèi)涵和特點(diǎn)1
1.2智能控制的結(jié)構(gòu)理論2
1.2.1二元結(jié)構(gòu)論2
1.2.2三元結(jié)構(gòu)論2
1.2.3四元結(jié)構(gòu)論3
1.2.4多元結(jié)構(gòu)或樹形結(jié)構(gòu)3
1.3智能控制與傳統(tǒng)控制的關(guān)系3
1.4智能控制系統(tǒng)的類型4
1.4.1分級遞階控制系統(tǒng)4
1.4.2專家控制系統(tǒng)5
1.4.3人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)5
1.4.4模糊控制系統(tǒng)6
1.4.5智能優(yōu)化與智能控制融合7
1.5智能控制的應(yīng)用7
1.5.1智能控制在航空航天領(lǐng)域中的
應(yīng)用7
1.5.2智能控制在工業(yè)生產(chǎn)過程中的
應(yīng)用8
1.5.3智能控制在醫(yī)療衛(wèi)生領(lǐng)域中的
應(yīng)用9
1.5.4智能控制在軍事國防中的應(yīng)用10
1.5.5智能控制在農(nóng)業(yè)工程中的應(yīng)用10
1.5.6智能控制在智能社會和其他領(lǐng)域中
的應(yīng)用10
1.6本章小結(jié)11
習(xí)題11
參考文獻(xiàn)11
第2章模糊控制13
2.1模糊控制的基本概念和數(shù)學(xué)基礎(chǔ)13
2.1.1模糊控制器的設(shè)計(jì)步驟14
2.1.2性能評價(jià)14
2.1.3語言變量、語言值和規(guī)則14
2.1.4模糊集合、模糊規(guī)則和模糊
推理16
2.1.5解模糊25
2.2基于倒立擺的模糊控制設(shè)計(jì)27
2.2.1模糊控制器的輸入和輸出選擇28
2.2.2控制知識的融入規(guī)則28
2.2.3知識的模糊量化31
2.2.4規(guī)則的匹配33
2.2.5結(jié)論的確定36
2.2.6結(jié)論轉(zhuǎn)換成控制作用（解模糊）37
2.2.7模糊決策的圖形描述39
2.3Takagi-Sugeno模糊系統(tǒng)40
2.3.1Takagi-Sugeno模糊系統(tǒng)概述40
2.3.2廣義T-S模糊模型42
2.4基于MATLAB的鍋爐蒸汽壓力雙模糊
控制仿真43
2.5自適應(yīng)模糊控制47
2.5.1問題的提出與闡述48
2.5.2間接自適應(yīng)模糊控制器設(shè)計(jì)48
2.5.3直接自適應(yīng)模糊控制器設(shè)計(jì)50
2.5.4單級倒立擺自適應(yīng)模糊控制設(shè)計(jì)
仿真實(shí)例52
2.6本章小結(jié)54
習(xí)題55
參考文獻(xiàn)56
第3章模糊建模和模糊辨識58
3.1模糊模型的類型與分割形式58
3.1.1Mamdani模糊模型58
3.1.2Tsukamoto模糊模型60
3.1.3模糊模型的分割形式60
3.2模糊系統(tǒng)的通用近似特性61
3.2.1模糊基函數(shù)61
3.2.2模糊系統(tǒng)的通用逼近性62
3.2.3用于函數(shù)近似的模糊系統(tǒng)求解64
3.3模糊辨識和估計(jì)的算法65
3.3.1模糊辨識的數(shù)據(jù)選擇65
3.3.2小二乘算法65
3.3.3梯度算法70
3.3.4模糊聚類法74
3.3.5混合算法77
3.4本章小結(jié)78
習(xí)題78
參考文獻(xiàn)78
第4章神經(jīng)網(wǎng)絡(luò)控制79
4.1神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)79
4.1.1神經(jīng)網(wǎng)絡(luò)原理79
4.1.2神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn)81
4.1.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)83
4.2前饋神經(jīng)網(wǎng)絡(luò)85
4.2.1感知器85
4.2.2BP神經(jīng)網(wǎng)絡(luò)88
4.2.3RBF神經(jīng)網(wǎng)絡(luò)95
4.2.4LVQ神經(jīng)網(wǎng)絡(luò)100
4.3反饋神經(jīng)網(wǎng)絡(luò)102
4.3.1Hopfield神經(jīng)網(wǎng)絡(luò)102
4.3.2Kohonen網(wǎng)絡(luò)110
4.4神經(jīng)網(wǎng)絡(luò)控制114
4.4.1神經(jīng)網(wǎng)絡(luò)控制的基本思想114
4.4.2神經(jīng)網(wǎng)絡(luò)直接逆動(dòng)態(tài)控制115
4.4.3神經(jīng)網(wǎng)絡(luò)PID控制116
4.4.4神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制123
4.4.5神經(jīng)網(wǎng)絡(luò)內(nèi)�？刂�127
4.5本章小結(jié)133
習(xí)題133
參考文獻(xiàn)134
第5章模糊神經(jīng)網(wǎng)絡(luò)137
5.1引言137
5.2模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的融合方式138
5.2.1基于模糊技術(shù)的神經(jīng)網(wǎng)絡(luò)138
5.2.2基于神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)138
5.2.3模糊邏輯與神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上的
融合138
5.3模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法139
5.4自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)139
5.4.1自適應(yīng)網(wǎng)絡(luò)139
5.4.2自適應(yīng)神經(jīng)-模糊推理系統(tǒng)
（ANFIS）146
5.4.3基于多模型的氣動(dòng)執(zhí)行器故障
診斷149
5.5基于T-S模糊模型的遞歸神經(jīng)網(wǎng)絡(luò)在
系統(tǒng)辨識中的應(yīng)用156
5.5.1基于T-S模糊模型的遞歸神
經(jīng)網(wǎng)絡(luò)156
5.5.2基于T-S模糊模型的遞歸神經(jīng)網(wǎng)絡(luò)
在系統(tǒng)辨識中的應(yīng)用158
5.5.3仿真實(shí)例160
5.6本章小結(jié)162
習(xí)題162
參考文獻(xiàn)163
第6章專家控制系統(tǒng)165
6.1專家系統(tǒng)165
6.1.1專家系統(tǒng)的結(jié)構(gòu)特點(diǎn)與分類166
6.1.2專家系統(tǒng)的建立步驟168
6.2專家控制系統(tǒng)169
6.2.1專家控制系統(tǒng)的結(jié)構(gòu)與設(shè)計(jì)169
6.2.2PID專家控制器應(yīng)用實(shí)例172
6.3模糊專家系統(tǒng)174
6.3.1模糊專家系統(tǒng)的結(jié)構(gòu)與設(shè)計(jì)174
6.3.2模糊專家系統(tǒng)應(yīng)用實(shí)例175
6.4神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)176
6.4.1神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的結(jié)構(gòu)
與設(shè)計(jì)176
6.4.2神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)應(yīng)用實(shí)例177
6.5本章小結(jié)179
習(xí)題180
參考文獻(xiàn)180
第7章其他智能控制182
7.1遺傳算法182
7.1.1遺傳算法的基本操作182
7.1.2遺傳算法的實(shí)現(xiàn)190
7.1.3遺傳算法的應(yīng)用192
7.2DNA計(jì)算195
7.2.1DNA的結(jié)構(gòu)195
7.2.2DNA計(jì)算的原理197
7.2.3DNA計(jì)算與其他軟計(jì)算的集成197
7.3粒子群算法209
7.3.1粒子群算法的計(jì)算模型210
7.3.2粒子群優(yōu)化算法的參數(shù)設(shè)置212
7.3.3基于粒子群算法的PID參數(shù)
優(yōu)化214
7.4本章小結(jié)217
習(xí)題218
參考文獻(xiàn)218
第8章深度學(xué)習(xí)在智能控制中的
應(yīng)用221
8.1深度學(xué)習(xí)概述221
8.2經(jīng)典深度學(xué)習(xí)算法介紹222
8.2.1基于受限玻耳茲曼機(jī)的深度信念
網(wǎng)絡(luò)概述與原理222
8.2.2卷積神經(jīng)網(wǎng)絡(luò)概述與原理223
8.2.3基于自動(dòng)編碼器的堆疊自編碼器
概述與原理225
8.2.4遞歸神經(jīng)網(wǎng)絡(luò)概述與原理226
8.3自動(dòng)編碼網(wǎng)絡(luò)在易混淆目標(biāo)識別中的
應(yīng)用227
8.3.1視皮層簡略模擬228
8.3.2易混淆目標(biāo)關(guān)鍵點(diǎn)信息解碼230
8.3.3實(shí)驗(yàn)設(shè)置230
8.3.4網(wǎng)絡(luò)輸出視覺化230
8.3.5易混淆目標(biāo)關(guān)鍵點(diǎn)信息解碼
性能231
8.4卷積神經(jīng)網(wǎng)絡(luò)在心電圖自動(dòng)分類中的
應(yīng)用232
8.4.1數(shù)據(jù)集233
8.4.2數(shù)據(jù)預(yù)