人工智能控制PDF电子书下载

1 引论 1

1.1 人工智能的定义与发展 1

1.1.1 人工智能的定义 1

目录 1

1.1.2　人工智能的起源与发展 2

1.2 人类智能与人工智能 4

1.2.1 智能信息处理系统的假设 4

1.2.2　人类智能的计算机模拟 5

1.3　人工智能的各种认知观 6

1.4 智能控制的进展 7

1.4.1 自动控制的机遇与挑战 8

1.4.2 自动化与人工智能 9

1.4.3 智能控制的发展 10

1.5.2 智能控制器的一般结构 13

1.5 智能控制的定义、特点与一般结构 13

1.5.1 智能控制的定义与特点 13

1.6 智能控制的学科结构理论 14

1.6.1 二元结构理论 15

1.6.2 三元结构理论 16

1.6.3 四元结构理论 17

1.7　本书概要 20

习题1 21

2　知识表示与推理 22

2.1　知识表示的一般方法 22

2.2 图搜索策略 23

2.3 一般搜索与推理技术 24

2.4　A＊算法 25

2.5.1　子句集的求取 28

2.5 消解原理 28

2.5.2　消解推理规则 30

2.5.3　含有变量的消解式 31

2.5.4 消解反演求解过程 31

2.6　规则演绎系统 35

2.6.1 规则正向演绎系统 35

2.6.2 规则逆向演绎系统 40

2.6.3　规则双向演绎系统 42

2.7　产生式系统 43

2.7.1 产生式系统的组成 43

2.7.2　产生式系统的推理 45

2.7.3　产生式系统举例 47

2.8　非单调推理 50

2.8.1 缺省推理 51

2.8.2 限定推理 54

2.8.3　真值维持系统 56

2.9　不确定性推理 58

2.9.1 不确定性的表示与度量 59

2.9.2　不确定性的算法 59

2.10 小结 61

习题2 61

3　计算智能 64

3.1 概述 64

3.2 神经计算 66

3.2.1 人工神经网络研究的进展 66

3.2.2 人工神经网络的结构与模型 67

3.2.3 基于神经网络的知识表示与推理 69

3.3　模糊计算 72

3.3.1 模糊集合、模糊逻辑及其运算 72

3.3.2　模糊逻辑推理 74

3.3.3　模糊判决方法 76

3.4　遗传算法 78

3.4.1　遗传算法的基本机理 78

3.4.2　遗传算法的求解步骤 81

3.5　人工生命 83

3.5.1 人工生命研究的起源和发展 83

3.5.2　人工生命的定义 84

3.5.3 人工生命的研究内容和方法 85

3.6 粒群优化 86

3.6.1 群智能和粒群优化概述 86

3.6.2　粒群优化算法 87

3.7 蚁群算法 89

3.7.1　蚁群算法理论 90

3.7.2 蚁群算法的研究与应用 92

3.8 小结 94

习题3 95

4　专家系统 97

4.1　专家系统概述 97

4.1.1 专家系统的特点 97

4.1.2 专家系统的结构和建造步骤 98

4.2　基于规则的专家系统 101

4.3　基于框架的专家系统 102

4.4　基于模型的专家系统 104

4.5 新型专家系统 106

4.5.1 新型专家系统的特征 106

4.5.2　分布式专家系统 107

4.5.3 协同式专家系统 108

4.6　专家系统开发工具 109

4.7　专家系统设计 111

4.7.1　专家知识的描述 112

4.7.2 知识的使用和决策解释 114

4.8　专家系统实例——MYCIN剖析 116

4.8.1 MYCIN概述 116

4.8.2 咨询子系统 117

4.8.3　静态数据库 119

4.8.4　动态数据库 123

4.8.5　非精确推理 124

4.8.6　控制策略 126

4.9 小结 128

习题4 129

5　艾真体（agent） 130

5.1　分布式人工智能 130

5.2 agent及其要素 131

5.3.2 艾真体的结构分类 134

5.3.1 艾真体的结构特点 134

5.3　艾真体的结构 134

5.4　多艾真体系统 136

5.4.1 多艾真体系统的模型和结构 137

5.4.2 多艾真体的协作、协商和协调 138

5.4.3 多艾真体的学习与规划 140

5.4.4 多艾真体系统的研究和应用领域 141

5.5　小结 142

习题5 142

6　递阶控制系统 144

6.1　递阶智能机器的一般理论 144

6.1.1 递阶智能机器的一般结构 144

6.1.2　递阶智能机器的主要定义 146

6.1.3 IPDI原理的解析公式 148

6.2.1 组织级的结构 149

6.2 递阶智能控制系统的结构 149

6.2.2　协调级的结构 152

6.2.3　执行级的结构 153

6.3 智能机器人系统的递阶控制模型 154

6.3.1 组织级的控制模型 154

6.3.2 协调级的控制模型 157

6.3.3　执行级的控制模型 159

6.4　递阶控制系统举例 160

6.4.1 红旗车自主驾驶系统的组成 160

6.4.2 汽车自主驾驶控制系统的四层递阶结构 162

6.4.3 驾驶控制系统的结构与算法 164

6.4.4 自主驾驶系统高速公路试验 165

6.5 小结 166

习题6 166

7.1.1 专家控制系统的控制要求与设计原则 168

7　专家控制系统 168

7.1 专家控制系统的结构与类型 168

7.1.2 专家控制系统的结构 170

7.1.3 专家控制系统的类型 173

7.2 PI专家控制器 174

7.3 实时专家控制系统 176

7.3.1 实时控制系统的特点与要求 176

7.3.2 高炉控制概况与监控系统结构 177

7.3.3 系统开发与知识表示 178

7.3.4　传感数据的预处理 180

7.4 小结 181

习题7 181

8.1 模糊控制器的结构 182

8.1.1 模糊控制器的一般结构 182

8　模糊控制系统 182

8.1.2 PID模糊控制器 183

8.1.3 自组织模糊控制器 185

8.1.4 自校正模糊控制器 185

8.1.5 自学习模糊控制器 186

8.1.6　专家模糊控制器 187

8.2　模糊控制器的设计 188

8.2.1 模糊控制器的设计内容与原则 188

8.2.2　模糊控制器的控制规则形式 191

8.2.3　模糊控制系统的设计方法 192

8.3 模糊控制器的设计实例 195

8.3.1 模糊控制器的设计 196

8.3.2　模糊控制器的在线实现 198

8.4.1 模糊控制器的静态特性 200

8.4　模糊控制器的特性 200

8.4.2 模糊控制器的动态品质 202

8.4.3　模糊控制系统的可控性 204

8.4.4　模糊控制系统的鲁棒性 205

8.5 模糊控制系统应用举例 206

8.5.1 双支撑状态的两足机器人力控制问题 207

8.5.2　模糊变增益力控制原理 208

8.5.3 两足机器人控制的实现与结果 209

8.6 小结 211

习题8 211

9　神经控制系统 213

9.1 神经控制的结构方案 213

9.1.1 NN学习控制 213

9.1.2 NN直接逆模型控制 213

9.1.3 NN自适应控制 214

9.1.5 NN预测控制 215

9.1.4 NN内模控制 215

9.1.6 基于CMAC的控制 216

9.1.7 多层NN控制 217

9.1.8　分级NN控制 219

9.2 模糊逻辑、专家系统及神经网络在控制中的集成 220

9.2.1 模糊神经网络原理 220

9.2.2　模糊神经控制方案 222

9.3 神经控制系统设计实例 224

9.3.1 石灰窑炉神经内模控制系统的设计 224

9.3.2 神经模糊自适应控制器的设计 228

9.4 神经控制系统应用举例 231

9.4.1 水轮发电机双神经元同步控制系统 231

9.4.2 高速列车运行过程的直接模糊神经控制 233

习题9 239

9.5　小结 239

10　学习控制系统 240

10.1 学习控制概述 240

10.1.1 什么是学习控制 240

10.1.2 为什么要研究学习控制 241

10.1.3 学习控制的发展 242

10.2　学习控制方案 243

10.2.1 基于模式识别的学习控制 243

10.2.2　反复学习控制 246

10.2.3　重复学习控制 248

10.2.4 基于神经网络的学习控制 248

10.3 学习控制的某些问题 249

10.3.1 学习控制系统的建模 249

10.3.2 学习控制的稳定性和收敛性分析 252

10.4 学习控制系统举例 258

10.4.1 自学习模糊神经控制模型 259

10.4.2 自学习模糊神经控制算法 260

10.4.3 弧焊过程自学习模糊神经控制系统 261

10.5　小结 262

习题10 263

11　其他智能控制 264

11.1　仿人控制 264

11.1.1 仿人控制原理与原型算法 264

11.1.2　仿人控制器的属性与设计依据 266

11.1.3　仿人智能控制器设计与实现的一般步骤 267

11.2　进化控制 271

11.2.1 进化控制及其形式化描述 271

11.2.2 移动机器人进化控制系统的体系结构和算法 272

11.3　小结 274

习题11 275

12　人工智能控制的展望 276

12.1　人工智能的争论 276

12.2 智能控制的应用研究 277

12.3 智能控制的进一步研究问题 281

12.3.1 智能控制将起更重要的作用 281

12.3.2 智能控制的进一步研究问题 282

12.4　展望智能控制的发展 283

12.4.1 寻求更新的理论框架 283

12.4.2　进行更好的技术集成 284

12.4.3 开发更成熟的应用方法 284

12.5　结束语 285

习题12 286

参考文献 287