智能控制工程PDF电子书下载

第1章 引论 1

1.1 人工智能 1

1.1.1 从人机大战“深蓝”胜卡斯帕罗夫谈起 1

1.1.2 人工智能的起源与发展 2

1.1.3 人工智能的研究途径 4

1.2 智能工程 5

1.2.1 智能工程的提出 6

1.2.2 智能工程与人工智能 7

1.2.3 智能制造系统 8

1.3 智能控制 8

1.3.1 智能控制与自动控制 8

1.3.2 智能控制系统结构 9

1.3.3 智能控制研究的数学工具 10

1.3.4 智能控制涉及的主要内容 11

第2章 知识工程基础 14

2.1 知识表示 14

2.1.1 规则式(产生式)表示法 14

2.1.2 语义网络表示法 15

2.1.3 框架表示法 17

2.2 知识利用 21

2.2.1 推理 21

2.2.2 搜索 24

2.2.3 搜索示例 25

2.3 知识获取 27

2.3.1 机器学习 27

2.3.2 机械学习 30

2.3.3 示例学习 31

第3章 专家系统及专家控制系统 36

3.1 专家系统原理与结构 36

3.1.1 专家系统原理 36

3.1.2 专家系统基本结构 39

3.1.3 黑板模型 41

3.2 专家系统的实现 43

3.2.1 专家系统建立原则 43

3.2.2 专家系统建立步骤 45

3.2.3 专家系统评价 46

3.2.4 专家系统在机械设备故障诊断中的应用 48

3.3 专家控制系统 50

3.3.1 专家控制系统基础 50

3.3.2 直接专家控制系统 53

3.3.3 间接专家控制系统 60

第4章 模糊控制 65

4.1 概述 65

4.1.1 模糊集合及其表示方法 65

4.1.2 模糊集合的运算 67

4.1.3 隶属函数的确定方法 69

4.1.4 模糊语言变量及模糊推理 74

4.2 模糊控制原理 78

4.2.1 模糊控制系统的组成 78

4.2.2 输入模糊化 80

4.2.3 模糊推理决策 80

4.2.4 逆模糊化 83

4.3.1 倒单摆平衡的模糊控制 84

4.3 模糊控制器的设计与实现 84

4.3.2 模糊控制器设计的一些问题 87

4.3.3 模糊控制芯片及模糊控制软件开发工具 94

4.4 模糊控制应用实例 107

4.4.1 模糊控制全自动洗衣机 107

4.4.2 模糊控制在磨削加工中的应用 113

第5章 人工神经网络 118

5.1 概述 118

5.1.1 神经网络简介 118

5.1.2 脑神经网络及人工神经网络 119

5.1.3 M-P神经元模型与人工神经网络的构成 122

5.2 神经网络的学习方法 123

5.2.1 基本的学习机理 123

5.2.3 学习规则 125

5.2.2 学习方式 125

5.3 神经网络的模型与算法 127

5.3.1 感知器(Perceptron)网络 127

5.3.2 多阶层网络与误差逆传播算法 128

5.3.3 Hoofield神经网络 131

5.3.4 脑模型控制器 135

5.4 基于神经网络的智能控制 138

5.4.1 引言 138

5.4.2 用作控制器的神经网络结构 138

5.4.3 用作对象模型的神经网络控制结构 139

5.5 神经网络控制实例 141

5.5.1 复杂曲面车削精度的神经网络控制 141

5.5.2 冰柜温度智能控制系统 143

第6章 智能机器人 147

6.1 多传感器集成和信息融合 147

6.1.1 引言 147

6.1.2 多传感器集成与信息融合的概念 148

6.1.3 发历史及研究现状 149

6.1.4 在机器人中的应用实例 151

6.1.5 多传感器集成系统 153

6.1.6 信息融合的结构 156

6.1.7 信息融合的方法 162

6.1.8 典型的多传感器信息融合 167

6.2 智能机器人的体系结构 169

6.2.1 控制精度与智能能力分解原则 170

6.2.2 时间功能原则 171

6.2.3 行为响应 173

6.2.4 行为原则 174

6.2.5 OSMOR系统 176

6.2.6 小结 181

6.3 机器人装配 181

6.3.1 引言 181

6.3.2 柔顺控制原理 183

6.3.3 被动柔顺和主被动复合柔顺 185

6.3.4 机器人的力/位置混合控制 189

6.3.5 阻抗控制 194

6.3.6 装配作业过程中主动柔顺控制方法 198

参考文献 202