模糊控制·神经控制和智能控制论PDF电子书下载

目 录 1

序篇智能控制论 1

0.1控制理论的产生及其发展 1

0.2智能控制的产生及其发展 2

0.3传统控制和智能控制 4

0.4智能控制论 6

0.5智能控制的基础及学科范畴 6

第一篇智能控制的新学科基础 10

第1章 思维科学与智能模拟 10

1.1信息社会与思维科学 10

1.1.1思维与思维科学 10

1.1.2思维的类型 11

1.2.2思维的神经基础 16

1.2.1思维与智能 16

1.2思维的神经基础 16

1.3智能模拟 17

1.3.1智能模拟的科学基础 17

1.3.2智能模拟的哲学基础 18

1.3.3智能模拟的基本途径 18

1.4智能模拟中的科学方法论 20

1.4.1结构主义方法 20

1.4.2行为主义方法 21

1.4.3演绎主义方法 21

1.4.4信息科学方法 21

第2章 模糊集合与模糊逻辑 23

2.1模糊数学的创立及发展 23

2.2经典集合及其运算 25

2.2.1集合的概念及定义 25

2.2.2集合的直积 26

2.2.3映射与关系 27

2.2.4集合的运算性质 27

2.2.5集合的表示及特征函数 28

2.3模糊集合及其运算 29

2.3.1模糊子集的定义及表示 29

2.3.2模糊子集的运算 31

2.4模糊集合与经典集合的联系 33

2.4.1截集 33

2.4.2分解定理 34

2.4.3扩张原则 35

2.5隶属函数 35

2.5.1隶属函数的确定方法 36

2.5.2常用的隶属函数 39

2.6.1模糊矩阵 41

2.6模糊矩阵与模糊关系 41

2.6.2模糊关系 45

2.6.3模糊关系的合成 48

2.7模糊向量 50

2.7.1模糊向量 50

2.7.2模糊向量的笛卡尔乘积 50

2.7.3模糊向量的内积与外积 51

2.8模糊逻辑与模糊推理 52

2.8.1模糊逻辑 52

2.8.2模糊语言 60

2.8.3模糊推理 66

第3章 神经网络与计算智能 72

3.1神经网络研究的概述 72

3.1.1神经网络研究简史 72

3.2.1脑的宏观结构 74

3.1.2神经网络的主要特点 74

3.2脑与神经系统 74

3.2.2神经细胞的结构与功能 75

3.2.3神经元模型 77

3.3神经网络的结构和学习规则 83

3.3.1神经网络的联接形式 83

3.3.2神经网络的学习和训练 85

3.3.3神经网络的学习规则 86

3.4典型前向网络——BP网络 89

3.4.1感知器 89

3.4.2前向多层网络的BP学习算法 89

3.4.3 BP算法的改进算法 92

3.4.4前向网络递推预报误差算法（RPE） 97

3.5.1 Hopfield网络模型 99

3.5典型反馈网络——Hopfield网络 99

3.5.2 Hopfield网络的联想记忆功能 100

3.5.3 Hopfield网络的优化计算功能 101

3.6小脑模型关联控制器——CMAC网络 102

3.6.1 CMAC网络的基本思想 102

3.6.2 CMAC网络的工作原理 103

3.6.3小脑模型运算机 104

3.7大脑自组织特征映射模型——Kohonen网络 105

3.7.1 Kohonen网络原理 105

3.7.2 Kohonen网络学习规则及算法 106

3.8基于概率式学习的Boltzmann机模型 107

3.8.1模拟退火 107

3.8.2 Boltzmann机模型 107

3.8.3 Boltzmann机的训练和学习规则 108

4.1.1遗传学的产生与发展 109

第4章 进化计算与遗传算法 109

4.1遗传学和生物进化论 109

4.1.2生物进化论 110

4.2进化计算和遗传算法 111

4.2.1进化计算 111

4.2.2遗传算法 112

4.3遗传算法的结构和基本原理 113

4.3.1遗传算法的结构 113

4.3.2选择、交叉和突然变异的方法 114

4.3.3遗传算法的实现步骤 116

4.4遗传算法的理论与方法论 117

4.4.1模式定理（Schema theorem） 117

4.4.2虚拟边界定理 118

4.4.3遗传算法中的方法论 119

4.5.1遗传算法在模糊推理中的应用 120

4.5遗传算法和模糊逻辑、神经网络的融合 120

4.5.2遗传算法和神经网络的融合 121

4.6遗传算法的特点及研究方向 122

4.6.1遗传算法的主要特点 122

4.6.2遗传算法的研究课题 123

第5章 复杂开放系统的自组织理论 125

5.1耗散结构论 125

5.1.1非平衡热力学系统的基本概念 125

5.1.2自组织现象 127

5.1.3稳定性与分叉理论 128

5.1.4耗散结构形成的条件 129

5.2协同学与突变论 130

5.2.1协同学 130

5.2.2突变论 131

5.3混沌学 135

5.3.1混沌的基本概念 135

5.3.2开放系统的混沌动力学 137

5.3.3维数与李雅普诺夫指数 139

5.3.4混沌的潜在应用领域 140

第6章 物元分析与可拓集合 143

6.1物元分析学科的创立与发展 143

6.2 物元及其可拓性 144

6.2.1物元的概念及其表示 144

6.2.2物元的可拓性 145

6.3物元变换 148

6.3.1物元要素的基本变换 149

6.3.2物元的基本变换及其运算 149

6.3.3物元基本变换的性质 150

6.4可拓集合 152

6.4.1可拓集合的概念 152

6.4.2可拓集合的关系和运算 154

6.4.3物元可拓集 155

6.4.4可拓关系及其运算 156

6.5关联函数 157

6.5.1实域中的距、模及位值 157

6.5.2简单关联函数与初等关联函数 160

6.5.3质度函数 163

6.6物元方程与关联不等式 163

6.6.1物元方程和蕴含方程 163

6.6.2转换桥的基本概念 164

6.6.3问题的物元模型 165

第7章 智能控制的知识工程基础 166

第二篇智能控制的知识工程和信息科学基础 166

6.6.4关联不等式和不相容问题求解 166

7.1专家系统基础 170

7.1.1什么是专家系统 170

7.1.2建立专家系统的目的和意义 171

7.2专家系统的结构 171

7.2.1一般专家系统的结构 171

7.2.2理想化的专家系统的结构 174

7.3知识的表示 175

7.3.1知识表示的重要性 175

7.3.2谓词逻辑表示法 176

7.3.3时序逻辑表示法 178

7.3.4语义网络表示法 178

7.3.6框架表示法 180

7.3.5产生式表示法 180

7.3.7过程表示法 181

7.3.8定性模型知识表示法 181

7.3.9神经网络产生规则表示法 185

7.3.10 Petri网的知识表示法 186

7.3.11知识的综合集成表示 188

7.4专家系统中的推理方法 190

7.4.1不精确推理的一般描述 190

7.4.2不精确推理的方法 190

7.5智能控制系统中的推理 197

7.5.1基于规则的推理 197

7.5.2模糊逻辑推理 198

7.5.3基于神经网络的推理 200

7.5.4定性推理 201

7.5.5基于事例的推理 202

7.5.6基于规则、事例和模型的综合推理 204

7.6知识的获取 205

7.6.1知识获取的途径 205

7.6.2知识获取的步骤 206

7.7产生式系统 208

7.7.1产生式系统的结构及特点 208

7.7.2产生式系统的分类 209

7.7.3产生式系统的应用 209

7.8智能学习系统 210

7.8.1学习系统 210

7.8.2机器学习 211

7.8.3智能学习系统 212

7.9人机智能结合系统 213

7.9.1人的智能模型 214

7.9.2人-机智能结合的必要条件 214

7.9.3人-机交互作用 215

7.9.4计算机的智能结构 216

第8章 智能控制的信息科学基础 218

8.1智能控制和信息科学 218

8.1.1可能性空间 218

8.1.2从可能性空间看信息 219

8.2信息论的产生及发展 219

8.3信息是知识的内涵 220

8.3.1信息的概念 221

8.3.2信息是知识的内涵 221

8.4信息系统模型 222

8.5熵和信息 223

8.6负熵与广义信息论 224

9.1.1智能控制的定义 226

9.1智能控制的基本概念 226

第9章 智能反馈控制理论基础 226

第三篇智能控制理论与系统设计 226

9.1.2智能控制的基本要素 228

9.2智能控制系统的结构 229

9.2.1智能控制系统的基本结构 229

9.2.2基于信息论的递阶智能控制结构 229

9.2.3基于广义信息的智能控制系统结构 231

9.3智能控制系统的类型 231

第10章 多级递阶智能控制 233

10.1复杂系统控制的基本形式 233

10.1.1大系统控制的基本形式 233

10.1.2大系统递阶结构的描述 233

10.2.1协调 235

10.2.2协调的基本原则 235

10.2递阶控制的一般原理 235

10.3多级递阶智能控制 236

10.3.1多级递阶智能控制系统的组成 236

10.3.2多级递阶智能控制的原理 236

10.3.3机器人递阶智能控制系统的结构 237

10.4人-机交互的多级递阶智能控制 238

第11章 基于知识的专家控制 241

11.1专家控制系统 241

11.1.1专家控制系统的特点 241

11.1.2专家控制系统的结构 241

11.1.3专家控制系统的原理 242

11.2实时过程控制专家系统 243

11.3专家控制器 244

11.3.1专家控制器的一般结构 244

11.3.2一种工业过程专家控制器 245

11.4基于知识的智能过程控制 246

11.4.1系统的观测矩阵 246

11.4.2基于知识系统的符号模型 247

11.4.3基于知识的双容器液位控制 248

第12章 模糊控制 250

12.1模糊自动控制原理 250

12.1.1模糊控制的基本思想 250

12.1.2模糊控制系统的组成 252

12.1.3模糊控制的基本原理 253

12.2模糊控制器设计的基本方法 259

12.2.1模糊控制器的结构设计 259

12.2.2模糊控制规则的设计 261

12.2.3精确量的模糊化方法 266

12.2.4模糊推理及其模糊量的非模糊化方法 267

12.2.5论域、量化因子、比例因子的选择 271

12.2.6模糊控制查询表及算法流程图 274

12.2.7采样时间的选择 275

12.3模糊控制器的设计举例 276

12.3.1确定模糊控制器的结构 277

12.3.2建立模糊控制规则 277

12.3.3确定模糊变量的赋值表 278

12.3.4建立模糊控制表 278

12.3.5简单模糊控制器的控制特性 280

12.4解析描述控制规则可调整的模糊控制器 283

12.4.1控制规则的解析描述 283

12.4.2带有调整因子的控制规则 284

12.4.3模糊控制规则的自调整与自寻优 286

12.4.4带有自调整因子的模糊控制器 290

12.4.5带自调整函数的模糊控制规则 291

12.5模糊系统辨识与模糊预测 294

12.5.1基于模糊关系模型的系统辨识 294

12.5.2基于模糊关系模型的建模举例 297

12.5.3自适应模糊预测模型 301

12.5.4基于T-S模型的模糊系统辨识 302

12.5.5基于“模糊控制系统”的模型预报 306

12.6自适应·自组织·自学习模糊控制 310

12.6.1自适应模糊控制器的结构 310

12.6.2自适应模糊控制器的原理 311

12.6.3模型参考模糊自适应控制系统 317

12.6.4自校正模糊控制器 327

12.6.5自适应递阶模糊控制 332

12.7提高模糊控制性能的多种方法 337

12.7.1提高模糊控制稳态精度的方法 337

12.7.2提高模糊控制滞后对象能力的方法 342

12.7.3用三维模糊控制提高控制高阶对象的能力 345

12.8模糊控制器的模型结构及系统稳定性分析 347

12.8.1模糊控制器的多值继电器模型 347

12.8.2模糊控制器的代数模型 350

12.8.3模糊控制器的语言模型 353

12.8.4模糊控制器的颗粒模型、准线性模型和细胞模型 358

12.8.5双输入双输出模糊控制器的解析结构 364

12.9 模糊控制系统稳定性分析的理论与方法 373

12.9.1模糊控制系统稳定性分析理论的研究进展 373

12.9.2基于语言模糊状态模型的稳定性分析 374

12.10模糊控制软件开发工具与模糊控制芯片 380

12.10.1模糊控制软件的开发工具 381

12.10.2模糊控制芯片 387

13.1.1神经控制的基本思想 400

第13章 神经控制 400

13.1神经控制的基本原理 400

13.1.2神经网络在控制中的主要作用 401

13.2神经网络控制的分类 401

13.2.1基于神经网络的智能控制 402

13.2.2基于传统控制理论的神经控制 404

13.3神经网络学习控制的结构 406

13.3.1间接学习神经控制 406

13.3.2一般学习神经控制的结构 408

13.3.3特殊学习神经控制的结构 408

13.3.4一般和特殊相结合的学习结构 409

13.4神经网络直接反馈控制 409

13.5神经网络模型参考自适应控制 412

13.6神经网络自校正控制 413

13.7.2神经网络内模控制 415

13.7神经网络内模控制 415

13.7.1内模控制 415

13.8神经元自适应PSD控制 416

13.8.1PSD控制 416

13.8.2神经元自适应PSD控制算法 417

13.9基于模糊神经网络的自组织控制 418

13.9.1FNAOC的结构 418

13.9.2双向联想记忆网络及其产生模糊规则 419

13.9.3应用LVQ法产生If部分隶属函数 421

13.9.4FNAOC系统的应用 422

13.10多变量系统的模糊神经网络控制 425

13.10.1多变量系统的模糊控制模型 425

13.10.2模糊神经网络控制模型 425

13.11基于神经网络的模糊逻辑控制系统设计 427

13.11.1一般模糊控制的基本结构及其描述 428

13.11.2基于神经网络的模糊控制和决策 429

13.11.3神经网络每层节点的函数功能 430

13.11.4混合学习算法 431

13.11.5无人小车的神经网络模糊控制 435

13.12基于模糊推理和神经网络建造专家系统的一种方法 437

13.12.1设计的基本思想和步骤 438

13.12.2神经网络的结构 438

13.12.3导入算法 439

13.12.4隶属函数和模糊规则的修改 440

1 3.12.5信念传播与导出算法 442

13.1 2.6从训练后的神经网络中提取规则举例 442

13.1 3.1神经网络专家系统 443

13.13神经网络专家系统与故障诊断 443

13.13.2基于神经网络的控制系统故障诊断 444

第14章 基于规则的仿人智能控制 447

14.1从PID控制看仿人智能控制 447

14.1.1常规PID控制 447

14.1.2对常规PID控制的剖析 448

14.1.3从PID控制得到的启发 449

14.2仿人智能控制的原理与结构 450

14.2.1仿人智能控制的基本思想 450

14.2.2仿人智能控制行为的特征变量 451

14.2.3仿人智能控制器的结构 453

14.2.4仿人智能控制的多种模式 454

14.3仿人智能开关控制器 455

14.4仿人比例控制器 456

14.5仿人智能积分控制 457

14.6仿人智能采样控制 460

14.7仿人智能控制周期的自选择 462

14.8基于极值采样的仿人智能控制 463

14.9 基于过程补余量的仿人智能控制 465

第15章 基于模式识别的智能控制 468

15.1模式识别与智能控制 468

15.1.1模式识别的基本概念 468

15.1.2模式识别与形象思维 470

15.1.3模式识别与智能控制 470

15.2系统动态特性的模式识别 471

15.2.1系统瞬态响应特征的模式分类 471

15.2.2相平面e-e上特征模式类的划分 471

15.2.3误差相空间的特征模式集 473

15.3.1特征信息、特征状态与特征模式 474

15.3基于模式识别的智能控制 474

15.3.2基于模式识别的智能控制器的结构 475

15.3.3基于模式识别的智能控制器的设计 476

15.3.4基于模式识别的智能控制器的工业应用 477

第1 6章 多模变结构智能控制 479

16.1变结构控制的基本原理 479

16.1.1变结构控制的基本原理 479

16.1.2变结构控制的应用 480

16.2变结构控制是一种双模控制 482

16.2.1 VSC可视为一种规则控制 482

16.2.2 VSC是一种双模控制方式 482

16.3变结构控制的剖析 483

16.3.1变结构控制思想的启迪 483

16.3.2变结构控制的不足 483

16.4.2多模变结构智能控制器设计 484

16.4.1多模变结构智能控制的基本思想 484

16.4多模变结构智能控制的原理 484

16.4.3多模变结构智能控制规则 485

16.5模糊滑动模态控制 485

16.5.1滑动模态控制的系统描述 485

16.5.2模糊滑动模态控制 487

16.5.3基于模糊逻辑的连续滑模控制 488

第17章 学习控制与自学习控制 491

17.1学习控制系统 491

17.1.1学习控制的基本概念 491

17.1.2学习控制律 491

1 7.1.3学习控制的收敛性 493

17.2伺服系统的学习控制 497

17.2.1位置伺服系统的学习控制 497

17.2.2位置伺服系统的模糊学习控制 502

17.3 自学习控制系统 506

17.3.1自学习控制系统的结构 506

17.3.2基于规则的自学习控制系统 507

17.4基于规则的自学习模糊控制 508

17.4.1建立模糊控制规则 508

17.4.2自学习模糊控制算法 510

17.4.3自学习控制算法举例 511

第18章 混沌控制与混沌预测 513

18.1混沌与控制系统 513

18.1.1由输入γ所引起的混沌 513

18.1.2由采样周期所引起的混沌 515

18.1.3混沌和周期解的共存 515

18.2混沌预测 516

18.2.1混沌的短期预测功能 516

18.2.2混沌短期预测的方法 517

18.3混沌模糊控制器 518

18.3.1混沌芯片 518

18.3.2混沌模糊控制器 519

第19章 基于可拓逻辑的智能控制 521

19.1可拓控制的基本概念 521

19.2可拓控制的基本结构和原理 522

19.3可拓控制器的设计方法 524

19.3.1可拓控制器的结构 524

19.3.2特征量的选取和特征模式的确定 524

19.3.3特征状态关联度的计算 525

19.3.4测度模式的划分 526

19.3.5确定控制模式和计算控制器输出 526

19.4.2可拓知识库 528

19.4.1可拓专家系统的结构 528

19.4可拓专家系统的结构及原理 528

19.4.3评价机构与组织机构原理 529

第20章 智能控制系统的稳定性分析 531

20.1李雅普诺夫稳定性理论 531

20.1.1李雅普诺夫意义下的稳定性 531

20.1.2李雅普诺夫稳定性理论 532

20.2绝对稳定性理论 534

20.2.1大范围稳定与绝对稳定的概念 534

20.2.2波波夫的稳定性分析方法 536

20.2.3圆判据 537

20.3智能控制系统的智能性与能控性 538

20.3.1智能控制系统的智能性 538

20.3.2智能控制系统的能控性 540

20.4.2智能控制规律的统一描述形式 541

20.4.1智能控制系统稳定性的定性分析 541

20.4智能控制系统的稳定性分析 541

20.4.3基于Lyapunov函数智能控制闭环系统稳定性分析 542

第21章 智能控制在工业过程控制中的应用 542

第四篇智能控制的工程应用 545

21.1蒸汽发动机的模糊控制系统 545

21.2模糊控制在退火炉燃烧过程控制中的应用 549

21.3气炼机的自适应模糊控制系统 554

21.4电弧冶炼炉的模糊控制 562

21.5智能控制在造纸过程中的应用 566

21.6仿人智能温度控制器 574

21.7神经网络自组织模糊控制器及其在电力系统中的应用 578

21.8轧钢机钢板厚度的非线性神经控制 585

第22章 智能控制在运载工具控制中的应用 585

22.1高技术机翼的倾斜和力矩的模糊逻辑控制 592

22.2预测模糊控制在列车自动驾驶系统中的应用 598

22.3汽车喷油系统的神经网络控制 603

第23章 智能控制在机器人控制中的应用 603

23.1机器人的模糊控制 610

23.2基于神经网络的机器人控制 616

23.3工业机器人的神经网络高精度控制 619

23.4应用学习控制抑制机器人的振动 622

第24章 智能控制在家电产品中的应用 622

24.1模糊全自动洗衣机 627

24.2模糊控制吸尘器 632

24.3模糊控制摄像机 635

24.4基于神经网络的冰柜温度智能控制系统 637

24.5混沌控制煤油暖风器 640

参考文献 644