第1章 绪论 1
1.1智能控制的起源和发展 1
1.1.1控制科学的起源和发展 1
1.1.2智能控制的起源和发展 3
1.1.3智能控制的多元结构描述 4
1.2智能控制的概念和技术特点 5
1.2.1智能控制的概念 5
1.2.2智能控制技术的特点 5
1.2.3智能控制系统的基本结构 6
1.3智能控制的主要类型 7
1.3.1模糊控制 7
1.3.2神经网络控制 8
1.3.3专家控制系统 9
1.3.4仿生智能控制 10
1.3.5学习控制系统 10
1.3.6递阶智能控制 1
1.3.7综合智能控制系统 11
1.4智能控制技术应用实例 11
1.4.1机器人智能控制系统 11
1.4.2地铁行驶智能控制系统 12
1.4.3智能飞行控制系统 12
1.4.4计算机集成制造系统 13
1.5智能控制技术的实现 13
1.5.1计算机控制技术 13
1.5.2智能控制系统设计 14
思考题与习题 16
第2章 模糊控制 17
2.1模糊控制概述 17
2.1.1模糊控制的产生和发展 17
2.1.2模糊控制的概念和特点 18
2.2模糊控制的数学基础 20
2.2.1模糊集的概念 20
2.2.2隶属度函数及其值的确定 25
2.2.3模糊关系 32
2.3模糊推理系统原理及设计 36
2.3.1模糊逻辑 37
2.3.2模糊推理 40
2.3.3模糊推理系统的结构 44
2.3.4模糊推理系统的设计 44
2.4模糊控制原理及系统设计 54
2.4.1模糊控制系统的组成 54
2.4.2模糊控制系统的设计 56
2.4.3模糊控制的快速查表法 58
2.4.4模糊PID控制 61
2.5 MATLAB模糊逻辑工具箱的使用 66
2.5.1图形用户界面下建立模糊推理系统 66
2.5.2模糊逻辑工具箱的函数命令 70
2.5.3模糊控制系统的仿真 71
2.5.4模糊控制系统仿真示例 75
2.6模糊控制工程应用实例 82
2.6.1模糊控制全自动洗衣机 82
2.6.2船舶减摇的模糊控制技术 86
2.6.3地铁机车的模糊控制 88
2.6.4蒸汽机模糊控制系统 91
2.7本章小结 95
习题 95
第3章 神经网络控制 99
3.1神经网络的理论概述 99
3.1.1生物神经元模型 99
3.1.2人工神经元模型 100
3.1.3神经网络模型 101
3.1.4神经网络分类 102
3.1.5神经网络的学习规则 103
3.1.6用于控制的神经网络 104
3.1.7神经网络控制的研究内容 105
3.2前馈网络及其BP学习算法 106
3.2.1感知器 106
3.2.2径向基函数神经网络 107
3.2.3 BP网络 108
3.2.4 BP学习算法 109
3.2.5改进型BP算法 112
3.2.6 BP网络仿真实例 115
3.3反馈网络及其他网络结构 116
3.3.1Hopfield网络 116
3.3.2 Boltzmann机网络 117
3.3.3 双向联想记忆网络 119
3.3.4 Hamming网络 120
3.3.5 Kohonen网络 121
3.4神经网络控制器原理及设计 122
3.4.1概述 122
3.4.2神经网络控制的结构 122
3.4.3基于单神经元PID控制 126
3.4.4仿真实例 128
3.5模糊神经网络控制及其应用 128
3.5.1模糊神经元 129
3.5.2模糊神经网络 130
3.5.3模糊神经网络控制器 131
3.6MATLAB神经网络工具箱的使用 135
3.6.1 MATLAB工具箱的神经元模型 135
3.6.2 MATLAB工具箱中的神经网络结构 135
3.6.3 MATLAB工具箱函数 138
3.6.4仿真实例 141
3.7神经网络控制系统应用实例 143
3.7.1神经网络在故障模式识别中的应用 143
3.7.2基于BP网络的电力电子电路故障诊断 145
3.7.3洗衣机的神经网络模糊控制器的设计 148
3.8本章小结 152
习题 153
第4章 专家控制系统 154
4.1专家系统概述 154
4.1.1 专家系统的起源和发展 154
4.1.2 专家系统的结构 157
4.1.3 专家系统的特点 163
4.1.4 专家系统的建立 164
4.2专家控制系统的结构和原理 165
4.2.1 专家控制系统概述 165
4.2.2 专家控制系统的结构和原理 166
4.2.3 专家控制器 167
4.3专家系统与其他智能方法的结合 170
4.3.1模糊专家控制系统 170
4.3.2神经网络专家系统 173
4.4混凝土成品料温专家控制系统工程实例 174
4.4.1混凝土成品料温专家控制系统的结构 174
4.4.2成品料温专家控制系统的实现 175
4.4.3实际控制效果 177
4.5本章小结 178
习题 179
第5章 仿人智能控制 180
5.1仿人智能控制的原理 180
5.1.1仿人智能控制的基本思想 180
5.1.2仿人智能控制的算法原型 181
5.1.3仿人智能控制器算法原型中的智能属性 184
5.2仿人智能控制技术的实现 184
5.2.1仿人智能控制的瞬态性能指标 184
5.2.2仿人智能控制系统的设计方法 187
5.3仿人智能控制系统的设计 188
5.4仿人智能控制实例 190
5.4.1仿人智能开关控制 190
5.4.2仿人智能比例控制 192
5.4.3仿人智能积分控制 193
5.4.4仿人分层递阶智能控制器 195
5.5本章小结 196
习题 196
第6章 遗传算法 197
6.1遗传算法的原理与特点 197
6.1.1遗传算法的基本原理 197
6.1.2遗传算法的处理过程 198
6.1.3遗传算法的特点 199
6.2遗传算法的基本操作 200
6.2.1个体编码 200
6.2.2遗传算法的参数设定 202
6.2.3选择操作 205
6.2.4交叉操作 206
6.2.5变异操作 207
6.3 MATLAB的遗传算法工具箱 208
6.3.1遗传算法工具箱概述 208
6.3.2遗传算法工具箱的使用 211
6.4遗传算法在智能控制中的应用 218
6.4.1遗传算法在模糊控制中的应用 219
6.4.2遗传算法在神经网络中的应用 221
6.5遗传算法的改进 223
6.5.1遗传算法的不足 223
6.5.2改进的遗传算法 224
6.6本章小结 227
习题 227
附录A实验指导书 229
A.1实验一 基于MATLAB的模糊控制系统设计 229
A.1.1实验内容 229
A.1.2实验步骤 229
A.2实验二 双容水箱液位模糊控制系统设计 231
A.2.1实验内容 231
A.2.2实验步骤 232
A.3实验三 基于MATLAB的神经网络设计 233
A.3.1实验内容 233
A.3.2实验步骤 233
A.4实验四 水箱液位的仿人智能控制系统设计 235
A.4.1实验内容 235
A.4.2实验步骤 235
A.5实验五 应用遗传算法求解优化问题 236
A.5.1实验内容 236
A.5.2实验步骤 236
参考文献 238