智能控制原理及应用PDF电子书下载

1.1　控制科学发展的历史 1

第1章　绪论 1

1.2　智能控制产生的背景 2

1.3　智能控制的基本概念和研究内容 4

1.3.1　智能控制的基本概念 4

1.3.2　智能和智能控制的定义 6

1.3.4　智能控制的主要研究内容 7

本书的主要内容 7

1.3.3　智能控制的研究对象 7

习题 8

第2章　专家控制 9

2.1　专家系统 9

2.1.1　专家控制的由来 9

2.1.2　专家系统的结构及特点 10

2.1.3　专家系统的类型 13

2.2　知识表示 15

2.2.1　传统的知识表示 15

2.2.2　基于模糊彩色Petri网的知识表示与获取 18

2.3　专家控制系统 25

2.3.1　定义及特点 26

2.3.2　专家控制的基本原理 27

2.3.3　专家控制系统的设计原则 29

2.3.4　专家控制系统的结构 31

2.4　自学习专家控制系统 36

2.4.1 自学习专家控制器的基本组成 36

2.4.2　专家控制级 36

2.4.3　散转推理法 37

2.4.4　控制器参数的自学习修正 38

2.5　基于粗糙集的专家控制系统 39

2.5.1　基于粗集方法的专家控制系统的基本结构 39

2.5.2　基于粗集方法的推理控制学习方法 40

2.6　专家控制系统示例 42

2.6.1　机车运行系统专家控制器设计 42

2.6.2　浮选过程的专家控制 44

2.6.3　专家PID控制 47

本章小结 49

习题 50

第3章　模糊控制 51

3.1　模糊控制的基本概念 51

3.2　模糊集合与模糊关系 53

3.2.1 由经典集合到模糊集合 53

3.2.2　模糊集合的运算及基本性质 58

3.3　模糊关系与模糊推理 60

3.3.1　模糊关系 60

3.3.2　模糊蕴涵与模糊推理 62

3.3.3　模糊推理的方法及算法 66

3.4　模糊控制系统的结构 71

3.4.1　模糊控制系统的基本结构 71

3.4.2　模糊控制系统的两种基本类型 74

3.5　模糊控制系统的设计 75

3.5.1　模糊控制器的设计内容与原则 75

3.5.2　常规模糊控制系统的设计方法 79

3.5.3　基于T-S模糊模型的控制系统设计 85

3.5.4　自适应模糊控制系统设计 91

3.5.5　预测模糊控制系统设计 106

3.5.6　模糊PID控制系统设计 109

3.6　模糊控制系统的稳定性分析 115

3.6.1　相平面分析法 115

3.6.2　稳定区间法 117

3.6.3　Lyapunov判据分析法 118

本章小结 120

习题 121

4.1.1　神经元结构及原理 122

第4章　神经网络控制 122

4.1　神经网络的基本概念 122

4.1.2　人工神经网络的特点 126

4.2　神经网络结构类型及其学习算法 127

4.2.1　神经网络的学习方法 127

4.2.2　多层前向神经网络 128

4.2.3　自适应线性神经元 132

4.2.4　小脑模型神经网络 133

4.2.5　PID神经网络 136

4.2.6　Hopfield网络 138

4.3　基于神经网络的系统辨识 145

4.3.1　神经网络辨识的结构及特点 145

4.3.2　确定性系统的神经网络辨识 146

4.3.3　随机系统的神经网络辨识 148

4.3.4　非线性动态系统的神经网络辨识 150

4.3.5　动态系统的逆模型辨识 154

4.4　PID神经网络控制 158

4.4.1　PID神经网络单变量控制 158

4.4.2　PID神经网络多变量控制 160

4.5　神经PID控制 165

4.5.1　基于多层前向网络的PID控制 165

4.5.2　基于单神经元的直接PID控制 168

4.6　小脑模型神经网络控制 173

4.6.1　CMAC直接逆模型运动控制 173

4.6.2　CMAC前馈控制 174

4.7.1 内模控制的基本结构及原理 180

4.7　基于神经网络的内模控制 180

4.7.2　非线性神经内模控制 181

4.8　基于神经网络的模型参考自适应控制 183

4.8.1　直接神经网络MRAC 183

4.8.2　间接神经网络MRAC 184

4.9　基于神经网络的预测控制 186

4.9.1　神经预测控制的一般结构 186

4.9.2　神经预测控制的算法 188

习题 190

本章小结 190

第5章　遗传算法与智能控制 191

5.1　遗传算法的基本原理 191

5.1.1　遗传算法发展简介 191

5.1.2　遗传算法的特点及应用领域 192

5.1.3　遗传算法的基本概念 194

5.1.4　遗传算法的基本操作 195

5.2　基于遗传算法的系统辨识 200

5.2.1　线性系统辨识 200

5.2.2　非线性系统辨识 206

5.3　基于遗传算法的PID参数优化 208

5.3.1　PID控制原理 208

5.3.2　PID控制参数寻优过程 209

5.4　基于遗传算法的模糊控制器参数优化 212

5.4.1　模糊规则的优化 213

5.4.2　用遗传算法优化隶属函数 216

5.4.3　用遗传算法优化自调整因子 219

5.4.4　基于遗传算法的模糊控制器参数综合优化 222

5.5　基于遗传算法的神经网络控制器优化 226

本章小结 228

习题 228

第6章　基于多Agent的智能控制 229

6.1　Agent及多Agent 229

6.1.1　Agent概念 230

6.1.2　Agent特性 230

6.1.3　Agent的广义结构 231

6.1.4　多Agent系统 232

6.2　多Agent的通信 233

6.3　基于多Agent的变电站故障诊断 235

6.3.1　诊断模型 235

6.3.2　诊断Agent结构组成 236

6.3.3　组件功能 237

6.3.4　Agent之间的通信 237

6.3.5　协作诊断过程 238

6.3.6　仿真 238

6.4.1　控制结构 240

6.4　基于多Agent的列车运行智能控制 240

6.4.2　多Agent系统的功能和特点 241

6.4.3　分层递阶结构 241

6.4.4　协同机制 242

6.5　基于多Agent的水箱液位控制 244

6.5.1　控制系统结构 244

6.5.2　控制原理 244

本章小结 245

习题 245

参考文献 246