智能控制 第2版PDF电子书下载

第1章 概论 1

1.1 人工智能 1

1.1.1人工智能的定义与发展 1

1.1.2人类智能与人工智能 5

1.1.3人工智能的各种认知观 8

1.2 智能控制的进展 9

1.2.1 自动控制的机遇与挑战 9

1.2.2自动化与人工智能 11

1.2.3智能控制的发展 13

1.3 智能控制的定义、特点与结构理论 16

1.3.1智能控制的定义与特点 16

1.3.2智能控制器的一般结构 17

1.4 智能控制的结构理论 18

1.4.2三元结构理论 19

1.4.1二元结构理论 19

1.4.3四元结构理论 21

1.5 本书概要 24

习题1 25

第2章 知识表示方法 26

2.1 状态空间法 26

2.1.1问题状态描述 26

2.1.2状态图示法 28

2.2 问题归约法 30

2.2.1问题归约描述 30

2.2.2与或图表示 32

2.3谓词逻辑法 34

2.3.1谓词演算 34

2.3.2谓词公式 36

2.3.3置换与合 37

2.4.1二元语义网络的表示 39

2.4 语义网络法 39

2.4.2多元语义网络的表示 41

2.4.3语义网络的推理过程 42

2.5 框架表示 44

2.5.1框架的构成 45

2.5.2框架的推理 47

2.6 剧本表示 48

2.6.1剧本的构成 48

2.6.2剧本的推理 49

2.7 过程表示 50

2.8 小结 52

习题2 53

第3章 搜索推理技术 54

3.1 图搜索策略 54

3.2.1宽度优先搜索 56

3.2 盲目搜索 56

3.2.2深度优先搜索 57

3.2.3等代价搜索 59

3.3 启发式搜索 60

3.3.1启发式搜索策略和估价函数 60

3.3.2有序搜索 61

3.3.3 A'算法 64

3.4 消解原理 66

3.4.1子句集的求取 66

3.4.2消解推理规则 68

3.4.3含有变量的消解式 69

3.4.4消解反演求解过程 70

3.5 规则演绎系统 73

3.5.1规则正向演绎系统 73

3.5.2规则逆向演绎系统 78

3.5.3规则双向演绎系统 81

3.6 产生式系统 82

3.6.1产生式系统的组成 82

3.6.2产生式系统的推理 84

3.6.3产生式系统举例 86

3.7 系统组织技术 90

3.7.1议程表 90

3.7.2黑板法 91

3.7.3△－极小搜索法 91

3.8 不确定性推理 92

3.8.1关于证据的不确定性 92

3.8.2关于结论的不确定性 93

3.8.3多个规则支持同一事实时的不确定性 93

3.9非单调推理 95

3.9.1默认推理 95

3.9.2非单调推理系统 97

3.10 小结 99

习题3 101

第4章 递阶控制系统 103

4.1 递阶智能机器的一般理论 103

4.1.1递阶智能机器的一般结构 103

4.1.2递阶智能机器的主要定义 106

4.1.3 IPDI原理的解析公式 107

4.2 递阶智能控制系统的结构 108

4.2.1组织级的结构 108

4.2.2协调级的结构 112

4.2.3执行级的结构 112

4.3 智能机器人系统的递阶控制模型 113

4.3.1组织级的控制模型 114

4.3.2协调级的控制模型 117

4.3.3执行级的控制模型 120

4.4 递阶智能控制系统示例 121

4.4.1智能机器人递阶装配系统 121

4.4.2核反应堆的递阶控制 125

4.5 四层递阶控制系统举例 128

4.5.1红旗自主车驾驶系统的组成 128

4.5.2汽车自主驾驶控制系统的四层递阶结构 131

4.5.3驾驶控制系统的结构与算法 133

4.5.4 自主驾驶系统高速公路试验 135

4.6 小结 137

习题4 138

第5章 专家控制系统 139

5.1 专家系统 139

5.1.1专家系统的特点 140

5.1.2专家系统的结构与类型 141

5.1.3建造专家系统的步骤与设计技巧 145

5.1.4新型专家系统 147

5.2 专家控制系统 149

5.2.1专家控制系统的控制要求与设计原则 150

5.2.2专家控制系统的结构 152

5.2.3专家控制系统的类型 155

5.2.4专家控制器示例 156

5.3 专家规划器的设计与实现 158

5.3.1规划系统结构和机理 159

5.3.2 ROPES机器人规划系统 160

5.4 实时专家控制系统 164

5.4.1实时控制系统的特点与要求 164

5.4.2 REICS系统的结构 165

5.4.3 REICS的设计与实现 166

5.4.4 REICS系统的仿真与应用 171

5.5 小结 174

习题5 175

第6章 模糊控制系统 176

6.1 模糊控制的数学基础 176

6.1.1模糊集合、模糊逻辑及其运算 176

6.1.2模糊逻辑推理 179

6.1.3模糊判决方法 181

6.2 模糊控制器的结构 182

6.2.1模糊控制器的一般结构 183

6.2.2 PID模糊控制器 184

6.2.3自组织模糊控制器 185

6.2.4自校正模糊控制器 186

6.2.5 自学习模糊控制器 187

6.2.6专家模糊控制器 187

6.3 模糊控制器的设计 188

6.3.1模糊控制器的设计内容与原则 189

6.3.2模糊控制器的控制规则形式 192

6.4 模糊控制系统的设计方法 193

6.4.1查表法 194

6.4.2梯度下降法 195

6.4.3递推最小二乘法 198

6.4.4聚类法 200

6.4.5模糊系统设计的其他方法 201

6.5 模糊控制器的设计实例 205

6.5.1造纸机模糊控制系统的设计 205

6.5.2直流调速系统模糊控制器的设计 209

6.6 模糊控制器的特性 211

6.6.1模糊控制器的静态特性 212

6.6.2模糊控制器的动态品质 214

6.6.3模糊控制系统的可控性 218

6.6.4模糊控制系统的鲁棒性 219

6.6.5一类模糊控制系统在定向干扰下的可控性与鲁棒性 221

6.7.1双支撑状态的两足机器人力控制问题 225

6.7 模糊控制系统应用举例 225

6.7.2模糊变增益力控制原理 226

6.7.3两足机器人控制的实现与结果 229

6.8 小结 230

习题6 230

第7章 神经控制系统 233

7.1 神经网络简介 233

7.1.1人工神经网络研究的起源 233

7.1.2用于控制的人工神经网络 233

7.2 人工神经网络的结构 234

7.2.1神经元及其特性 234

7.2.2人工神经网络的基本类型 235

7.2.3人工神经网络的典型模型 236

7.3.1多层感知器（MLP） 238

7.3 人工神经网络示例及其算法 238

7.3.2数据群处理方法（GMDH）网络 239

7.3.3 自适应谐振理论（ART）网络 240

7.3.4学习矢量量化（LVQ）网络 241

7.3.5 Kohonen网络 242

7.3.6 Hopfield网络 243

7.3.7 Elman and Jordan网络 243

7.3.8小脑模型连接控制（CMAC）网络 243

7.4 神经控制的结构方案 245

7.4.1 NN学习控制 245

7.4.2 NN直接逆控制 246

7.4.3 NN自适应控制 247

7.4.4 NN内模控制 248

7.4.5 NN预测控制 249

7.4.6 NN自适应判断控制 249

7.4.7基于CAMC的控制 250

7.4.8多层NN控制 251

7.4.9分级NN控制 252

7.5 模糊逻辑、专家系统及神经网络在控制中的集成 253

7.5.1模糊神经网络原理 254

7.5.2模糊神经控制方案 255

7.6 神经控制器的设计实例 258

7.6.1石灰窑炉神经内模控制系统的设计 258

7.6.2神经模糊自适应控制器的设计 262

7.7 神经控制系统应用举例 266

7.7.1水轮发电机双神经元同步控制系统 266

7.7.2高速列车运行过程的直接模糊神经控制 269

7.8 小结 273

习题7 274

8.1 学习控制概述 276

8.1.1什么是学习控制 276

第8章 学习控制系统 276

8.1.2为什么要研究学习控制 277

8.1.3学习控制的发展 278

8.2 学习控制方案 279

8.2.1基于模式识别的学习控制 280

8.2.2反复学习控制 282

8.2.3重复学习控制 284

8.2.4基于神经网络的学习控制 285

8.3 学习控制的某些问题 285

8.3.1学习控制系统的建模 286

8.3.2学习控制的稳定性和收敛性分析 288

8.4 学习控制系统举例 295

8.4.1 自学习模糊神经控制模型 295

8.4.2 自学习模糊神经控制算法 296

8.4.3弧焊过程自学习模糊神经控制系统 298

习题8 299

8.5小结 299

第9章 其他智能控制 300

9.1 仿人控制 300

9.1.1仿人控制原理与原型算法 300

9.1.2仿人控制器的属性与设计步骤 302

9.2 进化控制 303

9.2.1遗传算法的基本原理 303

9.2.2遗传算法的求解步骤 306

9.2.3进化控制及其形式化描述 308

9.2.4移动机器人进化控制系统的体系结构和算法 310

9.3 免疫控制 312

9.3.1免疫算法的提出和定义 312

9.3.2免疫算法的设计方法和参数选择 314

9.3.3免疫控制的系统结构和计算框图 316

9.3.4免疫控制系统示例 317

9.4 小结 318

习题9 319

第10章 智能控制的应用与研究展望 320

10.1 智能控制的应用研究领域与现状 320

10.2 智能控制应用研究存在的问题 325

10.3 智能控制的进一步研究问题 325

10.3.1智能控制将起越来越重要的作用 326

10.3.2智能控制的进一步研究问题 326

10.4 展望智能控制的发展 328

10.4.1寻求更新的理论框架 328

10.4.2进行更好的技术集成 329

10.4.3开发更成熟的应用方法 329

10.5 结束语 330

习题10 331

参考文献 332