智能控制及其在林业上的应用PDF电子书下载

第1章 绪论 1

1.1智能控制的发展过程及其特点 1

1.1.1古典控制理论的局限性 1

1.1.2现代控制理论的局限性 1

1.1.3智能控制理论的特点 2

1.2智能控制的基本方法 3

1.2.1分级递阶智能控制 3

1.2.2模糊控制 4

1.2.3专家智能控制 5

1.2.4神经网络控制 7

1.3智能控制的研究方向和发展趋势 8

习题 8

第2章 模糊控制 9

2.1普通集合论简介 9

2.1.1集合的概念 9

2.1.2集合之间的关系 11

2.2模糊集合论 13

2.2.1模糊集合的基本概念 13

2.2.2模糊集合的运算 18

2.2.3模糊关系 20

2.2.4模糊关系的运算及其性质 22

2.2.5模糊关系合成 23

2.2.6特殊的模糊关系 24

2.2.7模糊变换 25

2.3模糊推理 26

2.3.1模糊语言与语言变量 26

2.3.2模糊命题与模糊条件语句 27

2.3.3模糊推理 32

2.4模糊控制概述 36

2.4.1模糊控制的发展历史 36

2.4.2模糊控制的特点 37

2.4.3模糊控制的研究内容 37

2.4.4模糊控制还存在的理论问题 38

2.5模糊控制原理 38

2.5.1模糊控制系统和模糊控制器 38

2.5.2模糊控制系统的工作原理 40

2.6基本模糊控制器的设计 44

2.6.1基本模糊控制器的设计方法 44

2.6.2基本模糊控制器的设计举例 48

2.7自校正模糊控制器的设计 57

2.7.1基本模糊控制器 57

2.7.2改进的模糊控制器 58

2.7.3规则自校正模糊控制器 59

2.8模糊PID控制器的设计 61

2.8.1模糊控制器与常规PID的混合结构 62

2.8.2常规PID的模糊参数自整定技术 65

习题 66

第3章 专家控制 68

3.1专家系统的基本组成 68

3.2专家系统的知识表示方法 69

3.2.1一阶谓词表示法 69

3.2.2时序逻辑知识表示法 71

3.2.3产生式知识规则表示法 71

3.2.4状态空间知识表示法 72

3.2.5框架知识表示法 72

3.2.6与或图知识表示法 74

3.2.7黑板模型知识表示法 76

3.2.8神经网络知识表示法 78

3.2.9综合知识表示法 79

3.3专家系统的知识获取 79

3.3.1非自动知识获取 80

3.3.2自动知识获取 80

3.4专家系统的推理机制 82

3.4.1宽度优先搜索法 85

3.4.2深度优先搜索 86

3.4.3 MYCIN不精确推理 87

3.4.4模糊Petri网的知识表示与推理 92

3.5专家控制系统概述 97

3.6直接专家控制系统 99

3.6.1知识库的建立 99

3.6.2控制知识的获取 100

3.6.3推理方法的选用 101

3.7间接专家控制系统 101

3.7.1专家PID控制系统的结构 102

3.7.2知识模型和知识库 103

3.7.3推理策略 106

3.7.4间接专家PID控制仿真实例 106

3.8专家模糊控制系统 107

3.8.1模糊控制级 107

3.8.2专家协调级 108

3.8.3协调级的知识获取 108

习题 109

第4章 神经网络控制 111

4.1神经网络概述 111

4.1.1神经元模型 111

4.1.2人工神经网络 113

4.1.3人工神经网络的特点 114

4.1.4人工神经网络的发展概况 114

4.2前馈神经网络 115

4.2.1感知器网络 116

4.2.2 BP网络 119

4.2.3 BP网络学习算法的改进 121

4.2.4 BP网络的设计及训练问题 122

4.3 Hopfield网络 124

4.3.1离散Hopfield网络 124

4.3.2连续Hopfield网络 133

4.3.3 Boltzmann机 137

4.4神经网络模型辨识 141

4.4.1正向建模 141

4.4.2逆模型 144

4.5神经网络控制的基本思想 146

4.6单神经元自适应PID控制 147

4.7神经元自适应PSD控制 149

4.7.1自适应PSD控制算法 149

4.7.2单神经元自适应PSD控制 150

4.8神经网络内模控制 152

4.8.1内模控制 152

4.8.2神经网络内模控制 153

4.9神经网络自适应控制 154

4.9.1神经网络自校正控制 154

4.9.2神经网络模型参考控制 155

4.10神经网络PID控制 156

4.10.1网络AP，AI，AD参数自学习PID控制器 157

4.10.2改进型BP神经网络AP，AI，AD参数自学习PID控制器 160

习题 165

第5章 基于遗传算法的智能控制 166

5.1遗传算法概述 166

5.1.1遗传算法简介 166

5.1.2遗传算法的发展简史 166

5.1.3遗传算法的特点 167

5.2基本遗传算法 167

5.2.1遗传算法的基本原理 167

5.2.2遗传算法的基本概念和算子 169

5.2.3遗传算法的参数选择 174

5.2.4遗传算法寻优实例 175

5.3遗传算法的数学基础 178

5.3.1模式定理 178

5.3.2积木块假设 182

5.4遗传算法的应用问题 183

5.5基于遗传算法的PID参数整定 183

5.5.1基于遗传算法的PID参数整定原理 184

5.5.2基于实数编码遗传算法的PID参数整定 185

习题 186

第6章 智能控制方法在温室控制中的应用 188

6.1温室环境模糊控制器 188

6.1.1系统构成及特点 188

6.1.2控制算法的选择 190

6.1.3模糊控制器输入输出变量的确定 190

6.1.4温室控制的专家经验 191

6.1.5温度模糊控制器 191

6.2温室环境专家控制器 194

6.2.1温室环境专家控制概述 194

6.2.2温室环境专家控制系统的结构 195

6.2.3温室环境专家控制系统的实现 196

6.2.4结论 197

第7章 木材干燥模糊自适应控制系统 198

7.1总体控制方案 198

7.2神经网络建模 199

7.2.1木材干燥模型的结构 199

7.2.2温湿度控制模型 200

7.2.3干燥基准模型 202

7.2.4干燥基准逆模型 203

7.3基于神经网络辨识的模糊控制器 204

7.3.1基本模糊控制器结构 205

7.3.2神经网络自学习算法 208

7.4模糊自适应控制器 211

7.4.1模糊自适应控制器的结构和自适应算法 211

7.4.2模糊自适应控制器的硬件系统 212

7.4.3控制器软件流程 213

7.4.4控制器可靠性措施 216

参考文献 217