智能控制理论与应用PDF电子书下载

目录 1

1　绪论 1

1.1　智能控制的基本概念 1

1.1.1　智能控制的研究对象 1

1.1.2　智能控制系统 2

1.1.3　智能控制系统的基本结构 2

1.1.4　智能控制系统的主要功能特点 4

1.1.5　智能控制研究的数学工具 4

1.2　智能控制的发展概况 5

1.3　智能控制理论 12

习题 15

2　智能控制基础理论 16

2.1　模糊控制基础理论 16

2.1.1　普通集合及其运算规则 16

2.1.2 Fuzzy集合及其运算规则 18

2.1.3 Fuzzy关系 25

2.1.4 Fuzzy关系矩阵 30

2.1.5 Fuzzy条件语句 36

2.1.6 Fuzzy推理 38

2.2　神经网络控制基础理论 46

2.2.1　神经网络的基本概念 46

2.2.2　前向网络及其主要方法 54

2.2.3　反馈网络 61

2.3　专家控制基础理论 65

2.3.1　专家控制的由来 65

2.3.2　专家系统技术 66

习题 68

3　模糊控制 70

3.1 引言 70

3.1.1　模糊控制的研究对象 70

3.1.3　模糊控制研究的数学工具——模糊集合与模糊数学 71

3.1.2　模糊控制是模仿人的控制 71

3.1.4　模糊控制的发展与应用概况 72

3.2　模糊控制器 75

3.2.1　模糊控制器的基本结构和组成 75

3.2.2　模糊化运算 77

3.2.3　数据库 78

3.2.4　模糊控制规则库 80

3.2.5　清晰化计算 82

3.2.6　论域为离散时的模糊控制器 84

3.2.7　常用的模糊控制器简介 85

3.3　范例——温室环境模糊控制设计 88

3.3.1　系统的特点 89

3.3.2　控制算法的选择 89

3.3.3　模糊控制器的选择 89

3.3.4　有关专家经验 90

3.3.5　温度模糊控制器 91

3.3.6　温室环境冬季加热模糊控制C语言程序 94

3.4　范例——模糊参数自适应PID控制器 110

3.4.1　模糊参数自适应PID控制器控制原理 110

3.4.2　模糊参数自适应PID控制器 112

3.4.3　模糊参数自适应PID控制器输入输出变量的模糊化设计 113

3.4.4　模糊控制器的控制规则 115

3.4.5　模糊推理的算法设计 116

3.4.6　仿真程序及分析 118

3.5　模糊控制软件开发工具与模糊控制芯片 130

3.5.1　模糊控制软件的开发工具 131

3.5.2　模糊控制芯片简介 135

习题 139

4　神经网络控制 140

4.1 引言 140

4.2　神经网络控制的设计与实现 140

4.2.1　神经网络控制的设计 140

4.2.2　神经网络控制的实现 142

4.3　神经自校正控制 144

4.3.1　神经自校正控制结构 145

4.3.2　神经网络辨识器 146

4.4　神经PID控制 150

4.4.1　神经网络辨识器 150

4.4.2　神经PID控制器 152

4.5　神经模型参考自适应控制 155

4.6 PID神经网络控制 156

4.6.1 PID神经网络单变量控制 156

4.6.2 PID神经网络多变量控制 159

习题 163

5　专家控制 164

5.1　专家系统和专家控制 164

5.1.1　专家系统 164

5.1.2　实时专家系统 167

5.2.1 间接专家控制和直接专家控制 169

5.2　专家控制系统的结构 169

5.1.3　专家控制 169

5.2.2　直接专家控制的结构 170

5.3　专家控制系统的设计 174

5.3.1　模型描述 174

5.3.2　信息处理和特征提取 175

5.3.3　控制策略 179

5.3.4　知识库 181

5.3.5　自学习机构 181

5.3.6　推理机 182

5.3.7　数据库 182

5.4　专家控制的范例——可控环境专家控制 183

5.4.1 引言 183

5.4.2　专家控制 184

5.4.3　专家控制系统的结构 185

5.4.4　温室环境专家控制系统的实现 186

5.4.5　结论 187

习题 188

6　遗传算法 189

6.1　模拟进化计算技术 189

6.1.1　模拟进化计算技术综述 189

6.1.2　模拟进化计算的基本问题 190

6.1.3　模拟进化计算的生物学基础 192

6.1.4　模拟进化计算的一般框架 196

6.1.5　模拟进化计算的典型例子 199

6.1.6　模拟进化计算的主要优势与适应领域 201

6.2　遗传算法的基本要素 203

6.2.1　基本描述 203

6.2.2　编码 205

6.2.3　适应度函数 207

6.2.4　遗传算子 210

6.2.5　遗传参数 214

6.3.1　选择／复制 215

6.3　遗传算法的基本操作 215

6.3.2　交叉／重组 227

6.3.3　变异 232

6.3.4　重插入 234

6.3.5　并行实现 235

6.4　遗传算法的数学基础 239

6.4.1　模式定理 239

6.4.2　积木块假设 245

6.5　遗传算法与控制工程 248

6.5.1　用于控制工程的遗传算法 248

6.5.2　遗传算法在控制工程中的应用 250

6.6　基于MATLAB的仿真 253

6.6.1　遗传算法的实现 253

6.6.2　基于遗传算法的PID整定 258

习题 272

参考文献 273