智能控制基础PDF电子书下载

第一章　智能控制基础 1

1.1　人的认知过程与人工智能 1

1.1.1　人脑的基本机能 1

1.1.2　人工智能的研究对象 2

1.1.3　人工智能的学科范畴 2

1.1.4　人类智能的计算机模拟 3

1.2　智能控制的发展和定义 4

1.2.1　智能控制的产生 4

1.2.2　智能控制的定义 5

1.3　智能控制的结构理论与特点 5

1.3.1　智能控制的结构理论 5

1.3.2　智能控制器的结构 7

1.3.3　智能控制的特点 7

1.4　智能控制的发展概况 9

1.4.1　智能控制系统进展概况 9

1.4.2　智能控制系统的应用研究 9

第二章　知识表达技术 11

2.1　知识表达技术的基本概念 11

2.1.1　知识类型：叙述型、过程型、控制型 11

2.1.2　知识模型变换：同构、同态 11

2.2　状态空间表达法 13

2.2.1　状态空间表达法的描述 13

2.2.2　状态空间表达法示例 13

2.3　问题归约法 16

2.3.1　问题归约描述 16

2.3.2　与或图表达法 18

2.4　逻辑表达法 20

2.4.1　命题逻辑 20

2.4.2　谓词逻辑 22

2.4.3　一阶谓词的逻辑表达方法 23

2.4.4　谓词逻辑表达法的性能和应用 25

2.5　语义网络表示法 25

2.5.1　语义网络的概念和特性 25

2.5.2　语义网络的几种表示 26

2.6　框架表示法 28

2.6.1　框架表示的概念和性能 28

2.6.2　框架表示法的示例 29

2.7　产生式规则表达法 31

2.7.1　产生式系统的基本结构和性能 31

2.7.2　产生式系统与问题求解 32

2.7.3　产生式系统的分析设计与应用 34

2.8　过程表示法和直接表示法 35

2.8.1　过程表示法 35

2.8.2　直接表示法 36

第三章　知识推理技术 37

3.1　知识推理的概念和类型 37

3.1.1　知识推理的概念 37

3.1.2　图搜索与逻辑论证 37

3.1.3　推理算法与推理步骤 38

3.1.4　启发推理与非启发推理 38

3.2　图搜索策略 39

3.2.1　显式图与隐式图 39

3.2.2　隐式图搜索法及过程 39

3.3　宽度优先搜索法 40

3.3.1　宽度优先搜索法的概念 40

3.3.2　宽度优先搜索法的流程 41

3.3.3　宽度优先搜索法的示例 42

3.4　深度优先搜索法 43

3.4.1　深度优先搜索法的概念 43

3.4.2　深度优先搜索法的流程 43

3.4.3　深度优先搜索法的示例 44

3.5　代价驱动搜索法 45

3.5.1　代价驱动搜索法的概念 45

3.5.2　代价驱动宽度优先搜索法 47

3.5.3　代价驱动深度优先搜索法 49

3.6　启发式搜索 50

3.6.1　启发式搜索策略 50

3.6.2　估计函数 50

3.6.3　瞎子爬山法 51

3.6.4　有序搜索法 53

3.7　专家系统 54

3.7.1　专家系统的特点 54

3.7.2　专家系统的结构 54

3.7.3　建立专家系统的步骤 56

3.7.4　专家控制系统 57

3.7.5　产生式专家控制系统 59

3.7.6　多级专家控制系统 61

第四章　模糊控制的数学基础 64

4.1　普通集合 64

4.1.1　集合概念及其表示方法 64

4.1.2　集合的运算 65

4.1.3　关系和关系图 67

4.2　模糊集合 69

4.2.1　特征函数和隶属函数 69

4.2.2　模糊子集及其表示方法 70

4.2.3　模糊子集运算 72

4.2.4　模糊集合转化为普通集合 74

4.3　隶属函数的确定方法 75

4.3.1　模糊统计法 75

4.3.2　择优比较法 78

4.3.3　专家经验法 79

4.4　模糊关系 80

4.4.1　模糊关系定义及模糊矩阵 80

4.4.2　模糊矩阵运算 81

4.4.3　模糊矩阵的合成 81

第五章　模糊控制的理论基础 83

5.1　模糊逻辑 83

5.1.1　清晰命题与二值逻辑 83

5.1.2　模糊命题与模糊逻辑 85

5.2　模糊控制的知识表述 86

5.2.1　模糊语言 86

5.2.2　语气算子 87

5.2.3　模糊语句 89

5.3　模糊推理 90

5.3.1　模糊条件推理 90

5.3.2　复杂型模糊条件推理 93

5.4　模糊关系方程及其解 94

5.4.1　模糊关系方程概念 94

5.4.2　模糊关系方程的解 95

第六章　模糊控制系统 96

6.1　模糊控制系统概述 96

6.1.1　模糊自动控制基本概念 96

6.1.2　模糊控制系统工作原理 99

6.1.3　模糊控制系统分类 102

6.2　模糊控制器 103

6.2.1　模糊控制器基本结构 103

6.2.2　精确量的模糊化处理 104

6.2.3　模糊控制器知识库及推理 106

6.2.4　模糊量的清晰化处理 108

6.3　模糊控制器设计与分析 109

6.3.1　模糊控制器基本设计原则和途径 109

6.3.2　模糊控制器稳定性判断 114

6.3.3　模糊控制器静态特性分析 118

6.3.4　模糊控制器动态特性分析 120

6.4　模糊控制应用实例 125

6.4.1　聚合反应釜的模糊控制 125

6.4.2　模糊控制在船舶自动驾驶中的应用 129

第七章　神经网络基本理论 135

7.1　概述 135

7.2　神经网络的基本模型 135

7.2.1　感知机 135

7.2.2　BP模型 137

7.2.3　Hopfield模型 139

7.2.4　Boltzmann模型 141

7.3　神经网络学习规则 142

7.3.1　Hebb规则 143

7.3.2　Delta规则 143

7.3.3　ART规则 144

7.3.4 Kohonen规则 145

7.3.5 Boltzmann规则 145

第八章　神经网络控制系统 147

8.1　神经网络系统辨识 147

8.1.1　系统辨识基本理论 147

8.1.2　基于神经网络的非线性系统辨识 149

8.1.3　神经网络非线性系统辨识示例 150

8.2　神经网络学习控制 151

8.2.1　学习控制 151

8.2.2　神经网络学习控制系统 151

8.2.3　神经网络学习控制系统示例 153

8.3　神经网络自适应控制 156

8.3.1　自适应控制 156

8.3.2　神经网络模型参考自适应控制 157

8.3.3　神经网络自校正控制 158

8.3.4　单神经元自适应PID控制示例 159

8.4　神经网络机器人控制系统 161

8.4.1　机器人及其控制 161

8.4.2　神经网络机器人控制系统 162

8.5　模糊神经网络控制系统 164

8.5.1　模糊神经网络 164

8.5.2　模糊神经网络控制器 165

第九章　智能控制系统 168

9.1　分级递阶智能控制系统 168

9.1.1　大系统基本概念 168

9.1.2　分级递阶智能控制的基本原理 168

9.1.3　机器人分级递阶智能控制系统 170

9.2　专家控制系统 172

9.2.1　专家控制系统与专家控制器 172

9.2.2　过程控制专家系统 174

9.2.3　模糊专家控制系统 175

9.3　学习控制系统 179

9.3.1　学习控制的基本原理 179

9.3.2 自学习控制系统 181

参考文献 183