智能控制原理与应用PDF电子书下载

第1章　智能控制概论 1

1.1　智能控制的产生与发展 1

1.1.1 自动控制的机遇与挑战 1

1.1.2　智能控制的发展和作用 3

1.2　智能控制的定义、特点、一般结构与分类 6

1.2.1　智能控制的定义、特点与评价准则 6

1.2.2　智能控制器的一般结构 8

1.2.3　智能控制系统的分类 8

1.3　智能控制的学科结构理论体系 11

1.3.1　二元交集结构理论 11

1.3.2　三元交集结构理论 12

1.3.3　四元交集结构理论 14

1.4　本书概要 17

习题 17

参考文献 17

第2章　递阶控制系统 20

2.1　递阶智能机器的一般理论 20

2.1.1　递阶智能机器的一般结构 20

2.1.2　递阶智能机器的信息论定义 23

2.1.3 IPDI原理的解析公式 24

2.2　递阶智能控制系统的原理与结构 25

2.2.1　组织级原理与结构 25

2.2.2　协调级原理与结构 29

2.2.3　执行级原理与结构 30

2.3　递阶智能控制的控制与决策模型 31

2.3.1　组织级的控制与决策模型 31

2.3.2　协调级的控制与决策模型 36

2.3.3　执行级的控制与决策模型 38

2.4　递阶智能控制系统举例 39

2.4.1　汽车自主驾驶系统的组成 39

2.4.2　汽车自主驾驶系统的递阶结构 41

2.4.3 自主驾驶系统的结构与控制算法 43

2.4.4 自主驾驶系统的试验结果 44

2.5　集散递阶智能控制系统 45

2.5.1 集散递阶智能控制系统的工作原理 45

2.5.2　集散递阶智能控制系统示例 48

2.6　小结 52

习题 53

参考文献 53

第3章　专家控制系统 56

3.1　专家系统的基本概念 56

3.1.1　专家系统的定义与一般结构 56

3.1.2　专家系统的建造步骤 59

3.2　专家系统的主要类型及其结构 60

3.2.1　基于规则的专家系统 60

3.2.2　基于框架的专家系统 61

3.2.3　基于模型的专家系统 63

3.3　专家系统的知识表示与推理 65

3.3.1　知识表示 65

3.3.2　知识获取 70

3.3.3　知识推理 72

3.3.4　不确定性推理 75

3.3.5　基于规则的推理系统 77

3.4　专家控制系统的结构与类型 78

3.4.1　专家控制系统的控制要求与设计原则 79

3.4.2　专家控制系统的结构 81

3.4.3　专家控制系统的类型 84

3.5　专家控制系统的建模 85

3.5.1　受控对象模型 85

3.5.2　专家控制器的模型 86

3.5.3　专家控制系统模型 90

3.6　专家控制器的设计 92

3.7　专家控制系统应用举例 94

3.7.1 实时控制系统的特点与要求 94

3.7.2　高炉监控专家系统 95

3.8　小结 99

习题 100

参考文献 101

第4章　模糊控制系统 103

4.1　模糊数学基础 103

4.1.1　模糊集合、模糊逻辑及其运算 103

4.1.2　模糊逻辑推理 106

4.1.3　模糊判决方法 108

4.2　模糊控制系统原理与结构 109

4.2.1　模糊控制原理 110

4.2.2　模糊控制系统的工作原理 110

4.3　模糊控制器的设计内容 111

4.3.1　模糊控制器的设计内容与原则 111

4.3.2　模糊控制器的控制规则形式 115

4.4　模糊控制系统的设计方法 116

4.4.1　模糊系统设计的查表法 116

4.4.2　模糊系统设计的梯度下降法 118

4.4.3　模糊系统设计的递推最小二乘法 121

4.4.4　模糊系统设计的聚类法 122

4.5　模糊控制器的设计实例与实现 123

4.5.1　造纸机模糊控制系统的设计与实现 123

4.5.2　直流调速系统模糊控制器的设计 128

4.6　模糊控制系统的特性 130

4.6.1　模糊控制器的静态特性 130

4.6.2　模糊控制系统的稳定性 132

4.6.3　模糊控制系统的可控性 133

4.6.4　模糊控制系统的鲁棒性 134

4.7 小结 135

习题 136

参考文献 137

第5章　神经控制系统 140

5.1　人工神经网络概述 140

5.1.1　神经元及其特性 141

5.1.2　神经网络与智能控制 141

5.1.3　人工神经网络的基本类型和学习算法 142

5.1.4　人工神经网络的典型模型 143

5.1.5　基于神经网络的知识表示与推理 145

5.2　神经控制的结构方案 147

5.2.1 NN学习控制 147

5.2.2 NN直接逆模控制与内模控制 148

5.2.3 NN自适应控制 149

5.2.4 NN预测控制 151

5.2.5 基于CAMC的控制 151

5.2.6 多层NN控制和分级NN控制 153

5.3　神经控制器的设计与实现 154

5.3.1　石灰窑炉神经内模控制系统的设计 154

5.3.2　神经模糊自适应控制器的设计 158

5.3.3　神经控制系统应用举例 162

5.4　神经控制系统的稳定性 165

5.4.1　神经控制器的稳定性证明 165

5.4.2　设计一个稳定的神经控制器 170

5.5　小结 171

习题 171

参考文献 172

第6章　学习控制系统 176

6.1　学习控制概述 176

6.1.1　学习控制的定义与研究意义 176

6.1.2　学习控制的发展及其与自适应控制的关系 178

6.1.3　控制律映射及对学习控制的要求 181

6.2　学习控制方案 182

6.2.1　基于模式识别的学习控制 183

6.2.2　迭代学习控制 185

6.2.3　重复学习控制 188

6.2.4　基于神经网络的学习控制 189

6.3　学习控制系统的建模与特性分析 189

6.3.1　学习控制系统的建模 189

6.3.2　学习控制系统的稳定性和收敛性分析 192

6.3.3　学习系统的性能反馈 199

6.4　学习控制系统应用举例 201

6.4.1　无缝钢管张力减径过程壁厚控制迭代学习控制算法 201

6.4.2　钢管壁厚迭代学习控制的仿真及应用结果 203

6.5小结 206

习题 207

参考文献 207

第7章　仿人控制 209

7.1　仿人控制基本原理与原型算法 209

7.1.1　仿人控制的基本原理 209

7.1.2　仿人控制的原型算法和智能属性 210

7.2　仿人控制的递阶结构 211

7.2.1　人体运动控制的递阶结构 211

7.2.2　产生式系统的组成与推理 213

7.2.3　仿人智能控制的高阶递阶结构 217

7.3　仿人控制的特征模型和决策模态 219

7.3.1　仿人控制的特征模式与特征辨识 219

7.3.2　仿人控制的多模态控制 221

7.4　仿人控制器的设计与实现 223

7.4.1　仿人控制系统的设计依据 223

7.4.2　仿人智能控制器设计与实现的一般步骤 224

7.5　仿人控制器的设计与实现示例 228

7.5.1　小车-单摆系统仿人控制器的设计 228

7.5.2　小车-单摆系统仿人控制器的实现 231

7.6小结 233

习题 234

参考文献 234

第8章　基于多真体系统（MAS）的控制 236

8.1　分布式人工智能与真体（Agent） 236

8.1.1　分布式人工智能 236

8.1.2　真体及其特性 238

8.1.3　真体的结构 240

8.2　真体的通信 243

8.2.1　真体通信的类型和方式 243

8.2.2　真体的通信语言 245

8.3　多真体系统 246

8.3.1　多真体系统的模型和结构 247

8.3.2　多真体系统的协作、协商与协调 248

8.3.3　多真体系统的学习与规划 251

8.4　多真体控制系统的工作原理 252

8.4.1 MAS控制系统的基本原理和结构 252

8.4.2 MAS控制系统的信息模型 255

8.5 MAS控制系统的设计与实现示例 258

8.5.1　基于MAS的多机械手装配系统规划与控制 258

8.5.2　烧结过程的多真体建模与控制 263

8.6　小结 268

习题 269

参考文献 270

第9章　进化控制与免疫控制 273

9.1　遗传算法简介 273

9.1.1　遗传算法的基本原理 273

9.1.2　遗传算法的求解步骤 276

9.2　进化控制基本原理 279

9.2.1　进化控制原理与系统结构 279

9.2.2　进化控制的形式化描述 280

9.3　进化控制系统示例 281

9.3.1　一种在线混合进化伺服控制器 281

9.3.2　一个移动机器人进化控制系统 287

9.4　免疫算法和人工免疫系统原理 289

9.4.1　免疫算法的提出和定义 289

9.4.2　免疫算法的步骤和框图 291

9.4.3　人工免疫系统的结构 293

9.4.4　免疫算法的设计方法和参数选择 294

9.5　免疫控制基本原理 296

9.5.1　免疫控制的系统结构 296

9.5.2　免疫控制的自然计算体系和系统计算框图 298

9.6　免疫控制系统示例 299

9.6.1　扰动抑制和最优控制器的性能指标 299

9.6.2　基于免疫算法的扰动抑制问题 300

9.6.3　选择最优参数的计算步骤 302

9.6.4　免疫反馈规则与免疫反馈控制器的设计 304

9.7小结 305

习题 306

参考文献 306

第10章　基于Web的控制 311

10.1 Web和计算机网络简介 311

10.1.1 Web和计算机网络的定义和体系结构 311

10.1.2　Web的工作机制和站点体系结构 314

10.2　基于Web的控制原理和控制系统结构 315

10.2.1　基于Web的控制系统的一般原理与结构 315

10.2.2　基于Web的控制系统结构实例分析 317

10.3　基于Web的控制系统示例 318

10.3.1　基于Web控制系统的结构 318

10.3.2　基于Web控制系统的通信协议及其处理算法 320

10.3.3　基于Web的嵌入式控制器和系统实验 323

10.4小结 325

习题 325

参考文献 326

第11章　智能复合控制 328

11.1　智能复合控制概述 328

11.2　模糊神经复合控制原理与方案 329

11.2.1　模糊神经网络原理 329

11.2.2　模糊神经复合控制方案 331

11.3　模糊神经复合控制系统举例 333

11.3.1 自学习模糊神经控制模型 334

11.3.2 自学习模糊神经控制算法 335

11.3.3　弧焊过程自学习模糊神经控制系统 336

11.4　专家模糊复合控制器 337

11.4.1　专家模糊控制系统的结构 338

11.4.2　专家模糊控制系统示例 339

11.5　进化模糊复合控制器 341

11.5.1　控制器设计步骤和参数优化方法 341

11.5.2　解释（编码）函数的设计 343

11.5.3　规则编码 346

11.5.4　初始种群和适应度函数的计算 349

11.5.5　直流电动机GA优化模糊速度控制系统 352

11.6　其他模糊复合控制器 355

11.6.1 PID模糊控制器 355

11.6.2 自组织模糊控制器 356

11.6.3 自校正模糊控制器 357

11.6.4 自学习模糊控制器 358

11.7　小结 359

习题 360

参考文献 360

第12章　智能控制的展望 363

12.1　人工智能争论及其对智能控制的影响 363

12.2　智能认识论的若干基础问题 365

12.3　智能控制的应用研究问题 368

12.4　智能控制的进一步研究问题 373

12.5　展望智能控制的发展 375

12.5.1　寻求更新的理论框架 375

12.5.2　进行更好的技术集成 376

12.5.3　开发更佳的应用方法 377

12.6　结束语 377

习题 378

参考文献 379