目录 1
《电气自动化新技术丛书》序言 1
第4届《电气自动化新技术丛书》编辑委员会的话 1
第2版前言 1
第1版前言 1
第1章 概论 1
1.1 智能控制系统国内外发展概况 1
1.1.1 控制理论应用面临着新的挑战 1
1.1.2 智能控制系统的引入 2
1.1.3 智能控制系统的定义 3
1.1.4 智能控制系统的特点 3
1.1.5 智能控制系统国内外进展概况 4
1.2.1 智能控制系统的理论研究 5
1.2 智能控制系统的研究课题 5
1.2.2 智能控制系统的应用研究 10
第2章 智能控制系统的构成原理 12
2.1 简单的智能控制系统 12
2.1.1 一般自动控制系统的构成 12
2.1.2 简单的智能控制系统的构成 12
2.2 多级递阶智能控制系统 14
2.3 智能控制系统和神经网络（NN） 15
2.3.1 神经网络的基本概念 15
2.3.2 神经网络输入输出之间的关系模型 16
2.3.3 神经网络在自动控制中的应用 18
2.3.4 神经网络控制和智能控制的关系 21
2.4 遗传算法和智能控制 21
2.5 混沌和智能控制 22
3.1 知识表达 23
3.1.1 知识的含义 23
第3章 智能控制系统的设计理论 23
3.1.2 知识的分类 24
3.1.3 产生式知识表示 25
3.1.4 框架知识表示 30
3.1.5 谓词逻辑知识表示 36
3.1.6 状态空间知识表示 39
3.1.7 语义网络知识表示 42
3.1.8 不精确知识表示 44
3.1.9 知识的发展 46
3.2 知识获取 46
3.2.1 知识获取过程 46
3.2.2 人工方式知识获取 48
3.2.3 半自动知识获取 49
3.2.4 自动知识获取 49
3.2.5 动态特征辨识和模式识别 54
3.3.1 知识库 57
3.3 智能控制器一般结构的设计理论 57
3.3.2 数据库（上下文） 58
3.3.3 黑板问题 58
3.3.4 自学习环节 59
3.3.5 推理和决策机构 60
3.4 智能决策和控制理论的结合问题 69
3.4.1 问题的引入 69
3.4.2 智能自适应控制系统 69
3.4.3 带知识库的高炉炼铁过程终点铁水含硅量和温度自适应预报 70
3.5 智能控制系统的鲁棒性 75
3.5.1 问题的提出 75
3.5.2 自动控制系统的稳定鲁棒性问题 76
3.5.3 智能控制系统的鲁棒性问题 82
4.1.2 自整角机在变压器工作状态下的随动系统 85
4.1.1 概述 85
4.1 旋转变压器式的精粗测随动系统 85
第4章 随动系统的智能控制 85
4.1.3 旋转变压器式随动系统 87
4.1.4 旋转变压器式精粗测随动系统 87
4.2 用微机控制的旋转变压器式精粗测随动系统 90
4.2.1 随动系统计算机控制的特点 90
4.2.2 微机化随动系统的硬件结构 91
4.2.3 被控对象数学模型的建立 92
4.2.4 常用控制算法 94
4.2.5 系统软件设计 97
4.3 随动系统智能控制 99
4.3.1 随动系统智能控制框图 99
4.3.2 智能控制器的设计 99
4.4.1 数字全波整流波形 101
4.4.2 系统各种指标测试比较 101
4.4 实时控制结果的分析 101
第5章 非晶制带钢水液位智能控制 105
5.1 非晶制带生产工艺及对自动控制提出的要求 105
5.1.1 非晶态合金薄带生产工艺 105
5.1.2 对自动控制提出的要求 106
5.1.3 控制方案 107
5.2 非晶制带生产被控对象的特性分析和数学模型 108
5.2.1 电液伺服驱动装置 108
5.2.2 差动变压器 109
5.5.3 非晶制带钢水液位计算机控制 110
5.3.1 硬件结构 110
5.3.2 常用控制算法和软件设计 110
5.5.4 非晶制带钢水液位智能控制 125
5.4.1 智能控制器的设计 126
5.4.2 系统软件的设计 128
5.5 系统实时控制的结果 129
第6章 罩式退火炉自适应预测智能控制 132
6.1 概述 132
6.2 罩式退火炉计算机温控系统的设计与构成 133
6.3 罩式退火炉数学模型的建立 135
6.3.1 系统建模的基本步骤 135
6.3.2 罩式退火炉的模型类型与结构 136
6.3.3 实验信号的设计与产生 137
6.3.4 实验过程、数据滤波及预处理 141
6.3.5 参数估计 142
6.3.6 模型的校验和确认 144
6.4 离散系统模型与连续系统模型间的转换 146
6.4.1 离散系统模型转换为连续系统模型 146
6.4.2 连续系统模型转换为离散系统模型 150
6.5.1 零极点配置PID预测控制 153
6.5 罩式退火炉的前馈补偿零极点配置自适应PID预测智能控制 153
6.5.2 前馈补偿零极点配置自适应PID预测控制 158
6.5.3 智能控制器的设计 163
6.5.4 实时控制结果 165
第7章 电加热炉炉温智能控制 167
7.1 电加热炉结构及对自动控制系统提出的要求 167
7.1.1 电加热炉结构 167
7.1.2 对自动控制提出的要求 168
7.2 电加热炉对象模型及控制策略的研究 168
7.2.1 电加热炉对象模型 168
7.2.2 电加热炉控制策略的研究 174
7.3 电加热炉炉温计算机控制 175
7.3.1 硬件结构框图 175
7.3.2 常用控制算法 176
7.4.1 智能控制器的设计 191
7.3.3 系统软件设计 191
7.4 电加热炉炉温智能控制 191
7.4.2 智能控制器的学习环节和修正环节 200
7.5 电加热炉炉温实时控制结果 204
7.5.1 随机最优控制结果 204
7.5.2 非线性PID控制结果 205
7.5.3 智能控制结果 207
第8章 高炉、焦炉混合煤气压力和热值智能复合控制系统 209
8.1 高炉、焦炉混合煤气生产工艺及对自动控制提出的要求 209
8.1.1 高炉、焦炉混合煤气生产工艺 209
8.1.2 对自动控制提出的要求 211
8.1.3 控制方案选择 211
8.2 智能复合控制算法 214
8.2.1 单神经元自适应PSD控制算法和仿人规则控制算法 214
8.2.2 模糊解耦控制算法 215
8.3.1 系统硬件配置 219
8.3 智能复合控制系统的硬件配置和软件设计 219
8.3.2 系统软件设计 220
8.4 高炉、焦炉混合煤气智能复合控制系统运行结果 223
8.5 结束语 225
第9章 电弧炉炼钢过程智能控制 226
9.1 电弧炉炼钢工艺过程及对自动控制提出的要求 226
9.1.1 电弧炉结构 226
9.1.2 工艺特点 226
9.1.3 对自动控制提出的特殊要求 227
9.2 电弧炉炼钢过程电极升降智能复合控制系统 228
9.2.1 快速最优（Bang-Bang）控制- 229
9.2.2 模糊控制 233
9.2.3 PID控制 235
9.2.5 电极升降控制系统平衡问题 236
9.2.4 智能复合控制问题 236
9.2.6 电极升降控制系统实验结果 237
9.3 电弧炉炼钢过程的数学模型及终点自适应预报系统 238
9.3.1 氧化期数学模型的建立与终点预报方程 239
9.3.2 氧化期钢液温度、含碳量和含磷量终点预报系统程序流程图 249
9.3.3 氧化期预报系统运行结果 249
9.3.4 还原期操作 251
9.4 电弧炉炼钢过程智能自适应预测操作指导系统的设计 252
9.4.1 问题的引入 252
9.4.2 IPOGS总结构流程图及设计 253
9.4.3 系统运行结果 265
9.5 电弧炉炼钢过程闭环控制研究 267
9.5.2 协调级 268
9.5.3 知识库构成 268
9.5.1 组织级 268
9.5.4 电弧炉炼钢过程自动控制程序总流程图 269
9.5.5 结束语 269
第10章 高温力学试验机的神经网络自适应智能控制 270
10.1 溉述 270
10.2 高温力学试验机电加热炉的结构及计算机控制系统构成 271
10.3 电加热炉神经网络模型的建立 273
10.3.1 反向传播学习算法原理 273
10.3.2 电加热炉的神经网络模型 280
10.4 使用单神经元的电加热炉自适应智能控制 283
10.4.1 神经网络学习规则 284
10.4.2 单神经元自适应PID智能控制器 285
10.4.3 单神经元自适应PSD智能控制器 299
10.4.4 电加热炉单神经元自适应智能控制 304
10.5.1 内模控制器的设计 306
10.5 使用多神经元的电加热炉前馈补偿内模控制 306
10.5.2 神经网络的前馈补偿内模控制 311
10.5.3 电加热炉的神经网络前馈补偿内模控制 313
第11章 遗传算法及其应用 314
11.1 概述 314
11.2 基本遗传算法 315
11.2.1 遗传算法的基本原理 316
11.2.2 遗传算法的基本操作 317
11.2.3 遗传算法的特点 323
11.3 模式定理 325
11.3.1 模式 325
11.3.2 选择对模式的影响 327
11.3.3 交叉对模式的影响 328
11.3.4 变异对模式的影响 330
11.3.5 模式定理 331
11.3.6 积木块假设 333
11.4 遗传算法实现中的几个问题 334
11.4.1 编码的评估准则与方法 334
11.4.2 初始群体的产生 339
11.4.3 适应度函数 340
11.4.4 遗传操作 344
11.4.5 关键参数的确定 351
11.5 遗传算法与人工神经网络的结合 352
11.5.1 基于遗传算法优化神经网络连接权 352
11.5.2 基于遗传算法优化神经网络的结构 360
11.5.3 遗传算法与神经网络相结合在电弧炉控制中的应用 365
11.6 遗传算法与模糊控制的结合 371
11.6.1 基本模糊控制器 372
11.6.2 基于遗传算法优化量化和比例因子的力学持久机电加热炉模糊控制器…………………………………………引11.6.3 基于遗传算法优化隶属函数和融合因子的大容量输油泵模糊控制器 388
11.7 遗传算法在函数最优化中的应用 395
11.8 遗传算法在建模及预报中的应用 400
11.8.1 遗传算法在人体能量代谢分析系统辨识中的应用 400
11.8.2 遗传算法在SO2催化氧化反应动力学非线性模型参数估计中的应用 406
11.8.3 遗传算法在水泥强度预测中的应用 412
11.9 遗传算法在自动控制系统中的应用 416
11.9.1 遗传算法在平整机机电控制系统参数整定和控制中的应用 416
11.9.2 遗传算法在力学持久机PID控制系统中的应用 423
11.10 结束语 430
第12章 混沌及其应用 431
12.1 混沌概念的引入 431
12.1.1 人类本身存在的混沌现象 431
12.1.2 控制工程中存在的混沌现象 432
12.1.3 混沌的基本定义 433
12.2 混沌学科的发展 434
12.3 混沌的应用范围 435
12.4 混沌研究中应关注的问题 436
12.4.1 混沌基本特性………………- 436
12.4.2 混沌学科的基本术语 438
12.4.3 Logistic方程 439
12.4.4 Lyapunov指数 441
12.4.5 混沌的短期预测功能 443
12.4.6 混沌时间序列数据相空间重构基本思想 443
12.5 混沌的应用 444
12.5.1 长春市120急救中心接收车祸次数混沌时间序列预测 444
12.5.2 混沌控制 452
12.5.3 混沌系统的反控制问题和混沌系统保密通信的基本概念 461
附录 464
附录A 随动系统智能控制程序清单 464
附录B 电弧炉炼钢过程终点含碳量、含磷量及温度的预报结果与实测结果比较表 472
参考文献 478