智能控制理论与技术 第二版出版时间:2011年版丛编项: 计算机科学与技术学科前沿丛书计算机科学与技术学科研究生系列教材内容简介 《智能控制理论与技术(第2版)》介绍了:模糊控制、神经网络控制、专家控制、学习控制、分层递阶控制及智能优化方法等内容,每部分既自成体系,又互相联系,它们共同构成了智能控制理论和技术的主要内容。《智能控制理论与技术(第2版)》取材新颖,内容丰富,弥补了当前智能控制缺乏系统性资料的不足。《智能控制理论与技术(第2版)》可作为信息、自动化及计算机应用等专业的本科生及研究生的教材及参考书,也可供有关教师和科技工作者学习参考。目录第1章 绪论1.1 智能控制的基本概念1.1.1 智能控制的研究对象1.1.2 智能控制系统1.1.3 智能控制系统的基本结构1.1.4 智能控制系统的主要功能特点1.1.5 智能控制研究的数学工具1.2 智能控制的发展概况1.3 智能控制理论第2章 模糊逻辑控制2.1 概述2.1.1 模糊控制与智能控制2.1.2 模糊集合与模糊数学的概念2.1.3 模糊控制的发展和应用概况2.2 模糊集合及其运算2.2.1 模糊集合的定义及表示方法2.2.2 模糊集合的基本运算2.2.3 模糊集合运算的基本性质2.2.4 模糊集合的其他类型运算2.3 模糊关系2.3.1 模糊关系的定义及表示2.3.2 模糊关系的合成2.4 模糊逻辑与近似推理2.4.1 语言变量2.4.2 模糊蕴含关系2.4.3 近似推理2.4.4 句子连接关系的逻辑运算2.5 基于规则库的模糊推理2.5.1 mimo模糊规则库的化简2.5.2 模糊推理的一般步骤2.5.3 论域为离散时模糊推理计算举例2.5.4 模糊推理的性质2.5.5 模糊控制中常见的两种模糊推理模型2.6 基于mamdani模型的模糊控制2.6.1 模糊控制器的基本结构和组成2.6.2 模糊控制的离线计算2.6.3 模糊控制的在线计算2.6.4 模糊控制系统的分析和设计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 基于模糊状态方程模型的系统稳定性分析2.7.4 基于模糊状态方程模型的平滑控制器设计2.7.5 基于模糊状态方程模型的切换控制器设计2.8 自适应模糊控制2.8.1 基于性能反馈的直接自适应模糊控制2.8.2 基于模糊模型求逆的间接自适应模糊控制第3章 神经网络控制3.1 概述3.1.1 神经元模型3.1.2 人工神经网络3.1.3 生物神经网络系统与计算机处理信息的比较3.1.4 神经网络的发展概况3.2 前馈神经网络3.2.1 感知器网络3.2.2 bp网络3.2.3 bp网络学习算法的改进3.2.4 神经网络的训练3.3 反馈神经网络3.3.1 离散hopfield网络3.3.2 连续hopfield网络3.3.3 boltzmann机3.4 局部逼近神经网络3.4.1 cmac神经网络3.4.2 b样条神经网络3.4.3 径向基函数神经网络3.5 模糊神经网络3.5.1 基于mamdani模型的模糊神经网络3.5.2 基于t-s模型的模糊神经网络3.6 递归神经网络3.6.1 引言3.6.2 elman网络3.6.3 esn网络3.6.4 shesn网络3.7 基于神经网络的系统建模与辨识3.7.1 概述3.7.2 逼近理论与网络建模3.7.3 利用多层静态网络的系统辨识3.7.4 利用动态网络的系统辨识3.7.5 利用模糊神经网络的系统辨识3.8 神经网络控制3.8.1 概述3.8.2 神经网络控制结构3.8.3 基于全局逼近神经网络的控制3.8.4 基于局部逼近神经网络的控制3.8.5 模糊神经网络控制3.8.6 有待解决的问题3.9 神经网络在机器人控制中的应用3.9.1 神经网络运动学控制3.9.2 神经网络动力学控制3.9.3 神经网络路径规划第4章 专家控制4.1 概述4.1.1 专家控制的由来4.1.2 专家系统4.1.3 专家控制的研究状况和分类4.2 专家控制的基本原理4.2.1 专家控制的功能目标4.2.2 控制作用的实现4.2.3 设计规范和运行机制4.3 专家控制系统的典型结构4.3.1 系统结构4.3.2 系统实现4.4 专家控制的示例4.4.1 自动调整过程4.4.2 自动调整过程的实现4.5 专家控制技术的研究课题4.5.1 实时推理4.5.2 知识获取4.5.3 专家控制系统的稳定性分析4.6 一种仿人智能控制4.6.1 概念和定义4.6.2 原理和结构4.6.3 仿人智能控制的特点第5章 学习控制5.1 概述5.1.1 学习控制问题的提出5.1.2 学习控制的表述5.1.3 学习控制与自适应控制5.1.4 学习控制的研究状况和分类5.2 基于模式识别的学习控制5.2.1 学习控制系统的一般形式5.2.2 模式分类5.2.3 可训t练控制器5.2.4 线性再励学习控制5.2.5 bayes学习控制5.2.6 基于模式识别的其他学习控制方法5.2.7 研究课题5.3 基于迭代和重复的学习控制5.3.1 迭代和重复自学习控制的基本原理5.3.2 异步自学习控制5.3.3 异步自学习控制时域法5.3.4 异步自学习控制频域法5.4 联结主义学习控制5.4.1 基本思想5.4.2 联结主义学习系统的实现原理5.4.3 联结主义学习控制系统的结构5.4.4 研究课题第6章 分层递阶智能控制6.1 一般结构原理6.2 组织级6.3 协调级6.3.1 协调级的原理结构6.3.2 petri网转换器6.3.3 协调级的petri网结构6.3.4 协调级结构的决策和学习6.4 执行级第7章 智能优化方法7.1 概述7.2 遗传算法7.2.1 引言7.2.2 遗传算法的工作原理及操作步骤7.2.3 遗传算法的实现及改进7.2.4 遗传算法应用举例7.2.5 遗传算法中的联结关系7.3 粒子群优化算法7.3.1 引言7.3.2 粒子群优化算法简介7.3.3 粒子群优化算法应用举例7.4 蚁群优化算法7.4.1 引言7.4.2 蚁群优化算法简介7.4.3 蚁群优化算法应用举例7.5 人工免疫算法7.5.1 引言7.5.2 人工免疫系统(ais)7.6 分布估计算法7.6.1 引言7.6.2 一个简单的分布估计算法7.6.3 基于不同概率图模型的分布估计算法7.6.4 基于联结关系检测的分布估计算法7.6.5 连续域的分布估计算法7.6.6 基于概率模型的其他相关算法7.6.7 分布估计算法进一步需要研究的问题参考文献 上一篇: 图解智能控制系统应用手册 下一篇: 工厂电气控制及PLC技术