第1章 智能控制引论 1
1.1自动控制的基本问题 1
1.1.1什么是自动控制 1
1.1.2为什么需要自动控制 2
1.1.3对自动控制的基本要求 2
1.1.4为什么控制难以实现快稳准 2
1.2自动控制的基本原理 3
1.2.1维纳控制论的创立 3
1.2.2自动控制的精髓——反馈 3
1.2.3反馈在闭环控制中的作用 4
1.2.4反馈控制的基本模式 4
1.3控制理论发展的三阶段论 5
13.1经典控制理论 5
1.3.2现代控制理论 6
1.3.3智能控制理论 7
1.3.4控制理论发展的三个阶段 8
1.4智能控制理论引论 10
1.4.1智能控制的基本概念 10
1.4.2智能控制的学科交叉 12
1.4.3智能控制的基本原理 13
1.4.4智能控制的基本功能 13
1.4.5智能控制的基本要素 14
1.4.6智能控制系统的结构 14
1.4.7智能控制的基本类型 16
第2章 模糊控制 19
2.1模糊控制概述 19
2.1.1模糊控制的基本概念 19
2.1.2模糊控制的创立与发展 20
2.1.3模糊控制器的基本形式 20
2.2模糊逻辑推理基础 21
2.2.1经典集合与二值逻辑 21
2.2.2模糊集合与模糊概念 22
2.2.3模糊集合的表示及其运算 23
2.2.4模糊矩阵 28
2.2.5模糊关系 31
2.2.6模糊逻辑推理 33
2.2.7模糊系统的万能逼近理论 37
2.3模糊控制的基本原理 38
2.3.1模糊控制系统的组成 39
2.3.2模糊控制的工作原理 39
2.4经典模糊控制器的设计 46
2.4.1模糊控制器的结构设计 46
2.4.2模糊控制规则的设计 46
2.4.3 Mamdani模糊推理方法 50
2.4.4精确量的模糊化及量化因子 51
2.4.5模糊量的清晰化及比例因子 52
2.5查表式模糊控制器的设计 53
2.5.1二维模糊控制器的推理方法 53
2.5.2查表式模糊控制器设计举例 53
2.6解析式模糊控制器及其规则自调整 58
2.7 T-S型模糊控制器的设计 59
2.7.1 T-S模糊模型 59
2.7.2基于T-S模型的模糊推理 59
2.7.3 T-S型模糊控制器的设计 61
2.8模糊系统辨识 63
2.8.1基于模糊关系模型的系统描述 63
2.8.2基于模糊关系模型的系统辨识方法 64
2.8.3基于模糊关系模型的自适应模糊建模 66
2.8.4基于T-S模型的模糊系统辨识 68
2.9自适应模糊控制 72
2.9.1自适应控制的基本概念 72
2.9.2自适应模糊控制的基本原理 73
2.9.3模型参考自适应模糊控制 74
2.9.4自校正模糊控制 75
第3章 神经控制 77
3.1神经网络系统基础 77
3.1.1神经网络研究概述 77
3.1.2神经细胞结构与功能 78
3.1.3人工神经元模型 80
3.1.4神经网络的特点 80
3.1.5神经网络结构与模型 82
3.1.6神经网络训练与学习 84
3.1.7神经网络的学习规则 85
3.2控制中常用的神经网络模型 88
3.2.1感知器 88
3.2.2前向神经网络 88
3.2.3径向基神经网络 91
3.2.4反馈神经网络 93
3.2.5 Elman神经网络 95
3.2.6小脑模型神经网络 96
3.2.7大脑模型神经网络 98
3.2.8 Boltzmann神经网络 101
3.2.9模糊神经网络 102
3.2.10其他类型神经网络 103
3.3基于神经网络的系统辨识 104
3.3.1神经网络的逼近能力 104
3.3.2神经网络系统辨识的原理 105
3.3.3基于BP网络的非线性系统模型辨识 108
3.4基于神经网络的智能控制 110
3.4.1神经控制的基本原理 110
3.4.2基于神经网络的智能控制 111
3.4.3基于传统控制理论的神经控制 113
3.4.4神经网络直接反馈控制 115
3.4.5神经网络模型参考自适应控制 119
3.4.6神经网络自校正控制 120
3.4.7神经网络内模控制 121
3.4.8神经元自适应PID控制 123
3.4.9神经元自适应PSD控制 127
3.4.10基于神经网络的模糊逻辑控制 129
3.4.11基于模糊神经网络的自组织控制 139
第4章 专家控制与仿人智能控制 146
4.1专家系统基础 146
4.1.1专家系统概述 146
4.1.2专家系统的结构原理 147
4.2专家控制系统 148
4.2.1专家控制系统的特点 148
4.2.2专家控制系统的结构 149
4.2.3专家控制系统的原理 150
4.2.4实时过程控制专家系统举例 151
4.3专家控制器 152
4.3.1专家控制器的结构 152
4.3.2一种工业过程专家控制器设计 153
4.4仿人智能控制 154
4.4.1常规PID控制剖析 154
4.4.2仿人智能控制的基本思想 155
4.4.3系统动态行为特征识别 156
4.4.4仿人智能控制原理 159
4.5仿人智能控制的多种模式 159
4.5.1仿人智能积分控制 160
4.5.2仿人智能采样控制 162
4.5.3仿人极值采样智能控制 165
第5章 递阶智能控制与学习控制 167
5.1大系统控制的递阶结构 167
5.1.1大系统控制的基本形式 167
5.1.2大系统控制的递阶结构 168
5.2递阶控制的基本原理 169
5.2.1协调 169
5.2.2协调的基本原则 170
5.3递阶智能控制的原理 170
5.3.1递阶智能控制的结构 170
5.3.2递阶智能控制的原理 171
5.4蒸汽锅炉的模糊递阶控制 173
5.5学习控制系统 175
5.5.1学习控制系统 175
5.5.2迭代学习控制 176
5.5.3重复学习控制 178
5.5.4其他学习控制形式 179
5.6基于规则的自学习控制系统 180
5.6.1产生式自学习控制 181
5.6.2基于规则的自学习模糊控制算法 182
第6章 基于多智能体的智能控制 185
6.1多智能体系统基础 185
6.1.1智能体的基本概念 185
6.1.2 Agent的分类 186
6.1.3多智能体系统 188
6.2基于多智能体的控制系统 189
6.2.1多智能体控制系统的结构 189
6.2.2多智能体控制系统的设计 191
6.3多智能体在模糊控制器设计中的应用 192
6.3.1多Agent倒立摆模糊控制系统 193
6.3.2系统内Agent功能设计 193
6.3.3 Agent间的协作策略 195
6.3.4仿真结果及结论 196
第7章 基于智能优化的智能控制 198
7.1智能优化控制系统 198
7.2智能优化方法 199
7.2.1智能优化算法的主要形式 199
7.2.2智能优化的复杂适应系统理论基础 201
7.2.3智能优化的快速算法 202
7.3基于RBF神经网络优化的模糊制导律 203
7.3.1 RBF网络的学习算法 203
7.3.2 RBF网络优化α的公式推导 204
7.3.3仿真结果 205
7.4基于免疫克隆优化的模糊神经控制器 205
7.4.1基本的免疫克隆算法 205
7.4.2改进的免疫克隆选择算法流程 206
7.4.3基于免疫克隆算法优化的模糊神经控制器设计 207
7.4.4仿真结果及结论 208
7.5控制参数组合优化的模糊控制器 209
7.5.1递推调整规则的解析描述规则法 209
7.5.2解析描述规则法的性能分析 210
7.5.3时变修正函数及控制量的表达式 211
7.5.4模糊控制器参数的组合优化 212
7.5.5仿真结果及结论 213
第8章 智能控制的工程应用实例 215
8.1倒立摆的FUZZY-PD复合控制 215
8.1.1单级倒立摆的数学模型 215
8.1.2 FUZZY-PD复合控制器的设计 216
8.1.3两种控制器性能的仿真比较 219
8.1.4倒立摆控制的实测曲线 219
8.1.5结论 220
8.2锅炉过热气温的自适应模糊神经网络控制 220
8.2.1自适应神经模糊推理系统 220
8.2.2自适应模糊神经控制器设计 222
8.2.3现场实际应用结果 224
8.3仿人智能温度控制器在加热炉中的应用 225
8.3.1概述 225
8.3.2仿人智能温度控制算法 225
8.3.3实际应用性能对比及结论 227
8.4仿生手臂的递阶智能控制 228
8.4.1概述 228
8.4.2自组织控制级 229
8.4.3控制协调级 230
8.4.4智能组织级 231
8.5位置伺服系统的模糊学习控制 231
8.5.1模糊学习控制器的设计 231
8.5.2学习控制律对模糊控制规则的修正 233
8.5.3双拇指手爪单关节的模糊学习位置伺服控制实验系统 234
8.6基于多智能体的交通协调控制 234
8.6.1交通流模型 235
8.6.2多智能体控制结构 237
8.6.3交通流优化控制 238
8.6.4实例分析 241
8.6.5结论 242
参考文献 243