目录 1
出版说明 1
前言 1
第1章 概论 1
1.1 控制科学发展的新阶段——智能控制 1
1.2 智能控制的基本概念与研究内容 3
1.2.1 模糊逻辑控制 3
1.2.2 神经网络控制 5
1.2.3 遗传算法 6
1.3 本书的主要内容 6
第2章 复杂系统结构与智能控制 8
2.1 复杂系统的分层递阶智能控制 8
2.1.1 分层递阶智能控制的一般结构原理 8
2.1.2 组织级 9
2.1.3 协调级 10
2.1.4 执行级的最优控制 11
2.2 专家系统 13
2.2.1 专家系统的基本组成与特点 13
2.2.2 专家智能控制系统的基本原理 15
2.2.3 仿人智能控制 17
2.3 学习控制 20
2.3.1 基于模式识别的学习控制 20
2.3.2 再励学习控制 21
2.3.3 Bayes学习控制 22
2.3.4 迭代学习控制 22
2.3.5 基于联结主义的学习控制 23
2.4 习题与思考题 24
第3章 模糊集合与模糊推理 25
3.1 模糊集合及其运算 25
3.1.1 模糊集合的定义及表示方法 25
3.1.2 模糊集合的基本运算 29
3.1.3 模糊集合运算的基本性质 31
3.2.1 模糊关系的定义及表示方法 32
3.2 模糊关系与模糊推理 32
3.2.2 模糊关系的合成 35
3.2.3 语言变量与蕴含关系 36
3.2.4 近似推理 40
3.3 基于规则库的模糊推理 41
3.3.1 模糊推理的基本方法 41
3.3.2 模糊推理的性质 45
3.3.3 模糊控制中几种常用的模糊推理 50
3.4 习题与思考题 51
第4章 基于模糊推理的智能控制 53
4.1 模糊控制系统的基本概念 53
4.1.1 模糊控制系统组成 53
4.1.2 模糊控制系统的原理与特点 54
4.1.3 模糊控制系统分类 55
4.2 模糊控制的基本原理 57
4.3.1 Mamdani型模糊控制系统的工作原理 62
4.3 模糊控制系统的两种基本类型 62
4.3.2 T-S型模糊控制系统的工作原理 63
4.4 模糊控制器的设计过程 64
4.4.1 输入量的模糊化 64
4.4.2 模糊规则与模糊推理 65
4.4.3 模糊判决 67
4.5 模糊控制系统的分析与设计 68
4.5.1 模糊模型 68
4.5.2 模糊关系模型的辨识 69
4.5.3 基于Takagi-Sugeno模糊模型的辨识 74
4.5.4 模糊控制系统的稳定性分析 83
4.6 模糊控制系统的应用 86
4.6.1 蒸汽发动机的模糊控制系统 86
4.6.2 聚丙烯反应釜的模糊控制系统 90
4.7 习题与思考题 93
第5章 神经元与神经网络 95
5.1 神经网络的基本概念 95
5.1.1 神经元网络的基本原理和结构 96
5.1.2 神经元网络的模型 97
5.1.3 神经元的连结方式 99
5.2 前馈神经网络 100
5.2.1 感知器 100
5.2.2 BP网络 101
5.2.3 GMDH网络 102
5.2.4 RBF网络 104
5.3 反馈神经网络 105
5.3.3 Hopfield网络模型 106
5.3.2 盒中脑（BSB）模型 106
5.3.1 CG网络模型 106
5.3.4 回归BP网络 109
5.3.5 Boltzmann网络 109
5.4 模糊神经网络 111
5.4.1 基于标准模型的模糊神经网络 111
5.4.2 基于Takagi-Sugenno模型的模糊神经网络 117
5.5 习题与思考题 122
6.1.1 逼近理论与网络控制 123
第6章 基于神经网络的智能控制 123
6.1 神经网络建模 123
6.1.2 利用多层静态网络的系统建模 127
6.1.3 利用动态网络的系统建模 129
6.2 神经网络控制 134
6.2.1 神经网络控制系统的结构 134
6.2.2 基于神经网络的控制器设计 136
6.3 神经网络控制系统的分析 143
6.4 神经网络控制系统的应用 148
6.4.1 神经网络的模型辨识 148
6.4.2 基于神经元网络的机械手控制 150
6.5 习题与思考题 155
第7章 智能控制中的现代优化方法 156
7.1 遗传算法的基本原理 156
7.1.1 遗传算法的生物学基础 156
7.1.2 遗传算法的基本概念 157
7.1.3 遗传算法的基本实现 158
7.1.4 遗传算法的特点 166
7.1.5 遗传算法的应用 167
7.2 遗传算法在加热炉控制系统建模中的应用 168
7.2.1 遗传算法建模原理 169
7.2.2 加热炉对象的遗传算法建模 170
7.2.3 遗传算法建模实验及仿真验证 171
7.3 遗传算法在模糊控制器设计中的应用 174
7.3.1 对解进行编码 175
7.3.2 对解进行寻优 176
7.3.3 仿真及结果 176
7.4 遗传算法在神经网络控制器设计中的应用 177
7.4.1 神经网络为什么需要遗传算法 177
7.4.2 遗传算法在神经网络中的应用 177
7.5 其他现代优化方法 178
7.5.1 基本思想 179
7.5.2 两种算法的特点 181
7.6 习题与思考题 182
8.1 数据挖掘与信息处理的基本概念 183
8.1.1 数据挖掘的基本慨念 183
8.1.2 信息处理的基本概念 183
第8章 控制系统数据处理的智能方法 183
8.2 基于智能技术的控制系统数据挖掘 184
8.2.1 数据挖掘中常用技术 184
8.2.2 数据挖掘的功能特性 187
8.2.3 数据挖掘在控制系统的应用SAS技术在宝钢的应用 194
8.3.1 数据校正 196
8.3 基于智能技术的控制系统数据校正与数据融合 196
8.3.2 数据融合 199
8.4 习题与思考题 204
第9章 智能控制的进一步发展：自适应与学习 206
9.1 自适应控制 206
9.2 学习控制 206
9.3 学习控制和自适应控制的关系 208
参考文献 210