《智能控制简明教程》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:王从庆编著
  • 出 版 社:北京:人民邮电出版社
  • 出版年份:2015
  • ISBN:9787115421166
  • 页数:176 页
图书介绍:本书分为六章:绪论、模糊控制数学基础、模糊控制、神经网络原理、神经网络控制、计算智能。重点面向本科教学,突出智能控制的基本概念和Maltalb仿真应用技术及其实现方法,将实验融于教学,如模糊推理的编程、模糊控制器的设计、神经网络学习算法设计,包括了T-S模糊推理方法、支持向量机的设计与实现,神经网络集群、量子进化以及元胞自动机原理的应用等。

第1章 智能控制概述 1

1.1 智能控制的提出和发展 1

1.2 智能控制的基本概念 3

1.2.1 智能控制的理论框架 3

1.2.2 智能控制的定义 4

1.3 智能控制的主要形式 4

1.4 智能控制系统的研究对象 7

1.5 智能控制系统的主要功能特点 7

1.6 智能控制研究的数学工具 8

1.7 智能控制的应用 8

习题 9

第2章 模糊逻辑理论基础 10

2.1 普通集合理论 10

2.1.1 集合的概念 10

2.1.2 集合的表示方法 10

2.1.3 子集、真子集、空集、全集的概念 11

2.1.4 集合的运算及运算性质 12

2.1.5 集合的直积 12

2.1.6 映射与关系 13

2.2 模糊集合 13

2.2.1 模糊子集的定义及表示 13

2.2.2 模糊集合的表示方法 14

2.2.3 模糊子集的基本运算及性质 15

2.3 λ水平截集 16

2.4 分解定理和扩张原理 17

2.4.1 分解定理 17

2.4.2 扩张原理 18

2.5 隶属度函数的确定方法 19

2.5.1 确定隶属度函数的方法 19

2.5.2 常见的隶属度函数 20

2.6 模糊关系与模糊矩阵 22

2.6.1 模糊关系的定义及表示方法 22

2.6.2 模糊矩阵 23

2.6.3 模糊矩阵的合成运算及性质 24

2.6.4 模糊向量 25

2.7 模糊逻辑与模糊推理 27

2.7.1 模糊逻辑 27

2.7.2 模糊语言 28

2.7.3 模糊语言变量 33

2.7.4 模糊推理语句 34

2.8 模糊推理方法 37

2.8.1 似然推理 37

2.8.2 几种模糊推理方法 37

2.8.3 多输入多规则模糊推理方法 44

2.8.4 单点输入模糊推理方法 46

2.8.5 Tsukamoto模糊推理方法 46

2.8.6 Sugeno模糊推理方法 47

习题 49

第3章 模糊控制 51

3.1 模糊控制系统 51

3.1.1 模糊控制系统的组成 51

3.1.2 模糊控制系统的基本原理 52

3.2 模糊控制器设计 52

3.2.1 模糊控制器的结构 53

3.2.2 模糊控制规则 53

3.2.3 精确量和模糊量的相互转换 58

3.2.4 论域、量化因子、比例因子的选择 61

3.2.5 一个简单的模糊控制器设计 64

3.3 模糊控制查询表 68

3.3.1 模糊控制查询表设计方法 68

3.3.2 模糊控制算法的计算机实现 76

3.4 PID模糊控制器 76

3.4.1 PID控制原理 76

3.4.2 模糊自适应整定PID控制器设计 77

3.5 模糊控制的应用实例 80

3.6 模糊控制系统Matlab设计 83

3.6.1 隶属度函数与模糊控制规则设计 83

3.6.2 基于Simulink的模糊控制系统设计 86

习题 86

第4章 神经网络原理 88

4.1 引言 88

4.2 基本概念 89

4.3 感知器 97

4.4 BP神经网络 102

4.4.1 BP神经网络原理 102

4.4.2 BP神经网络学习算法 105

4.4.3 BP神经网络的Matlab程序设计 106

4.5 RBF神经网络 108

4.6 Hopfield神经网络 112

4.6.1 离散型Hopfield神经网络 112

4.6.2 连续型Hopfield神经网络 114

4.7 支持向量机网络 119

4.7.1 线性支持向量机 119

4.7.2 支持向量机的高维映射 122

4.7.3 支持向量机回归 124

习题 126

第5章 神经网络控制 128

5.1 神经网络控制结构 128

5.2 神经网络自校正控制 129

5.3 神经网络PID控制 131

5.4 神经网络参考模型自适应控制的Matlab仿真 136

5.5 基于SVM非线性估计的空间机械臂自适应滑模控制 138

习题 142

第6章 计算智能 144

6.1 遗传算法 144

6.1.1 遗传算法的基本原理 144

6.1.2 遗传算法的实现过程 147

6.1.3 遗传算法的实现方法 150

6.1.4 遗传算法的模式定理 155

6.1.5 遗传算法的应用 158

6.2 粒子群算法 159

6.2.1 粒子群算法 159

6.2.2 粒子群算法原理 160

6.2.3 粒子群算法流程 161

6.2.4 基本粒子群算法的缺点 161

6.2.5 算例 161

6.3 量子进化算法 163

6.3.1 量子进化算法 163

6.3.2 量子进化算法原理 163

6.3.3 量子进化算法设计 166

6.3.4 量子进化算法在苹果糖度漫透射近红外光谱分析中的应用 168

习题 174

参考文献 175