第1章 緒論
1.1 控制科學發(fā)展的歷史回顧
1.2 智能控制的產生背景
1.3 智能控制的基本概念與研究內容
1.3.1 智能控制的基本概念
1.3.2 智能與智能控制的定義
1.3.3 智能控制的主要研究內容
參考文獻
第2章 智能控制系統的結構體系
2.1 智能控制系統的基本結構
2.2 智能控制系統的分類
2.3 遞階智能控制系統的結構和理論
2.3.1 遞階智能控制系統的結構
2.3.2 信息熵與IPDI原理
2.3.3 組織級的分析理論
2.3.4 協調級的分析理論
2.3.5 執(zhí)行級的最優(yōu)控制
2.4 智能控制系統的信息結構理論
2.4.1 N維信息理論
2.4.2 信息率劃分定律
2.4.3 對遞階智能控制系統的信息流分析
習題與思考題
參考文獻
第3章 基于模糊推理的智能控制系統
3.1 模糊控制系統的基本概念與發(fā)展歷史
3.2 模糊集合與模糊推理
3.2.1 模糊集合
3.2.2 模糊集合的運算和MF的參數化
3.2.3 模糊關系與復合運算
3.2.4 模糊推理
3.3 模糊推理系統
3.4 模糊基函數
3.5 模糊建模
3.5.1 模糊模型
3.5.2 模糊模型的參數辨識
3.5.3 模糊模型的結構辨識
3.6 模糊邏輯控制器的結構與設計
3.6.1 模糊控制器的基本結構
3.6.2 模糊控制系統的設計問題
3.6.3 PID控制器的模糊增益調整
3.7 模糊控制系統的穩(wěn)定性分析
習題與思考題
參考文獻
第4章 基于神經元網絡的智能控制系統
4.1 神經元網絡與控制
4.2 神經元網絡的基本原理和結構
4.2.1 神經元網絡的基本單元
4.2.2 神經元網絡的模型
4.2.3 神經元的連接方式
4.3 監(jiān)督學習神經元網絡
4.3.1 感知器和反傳(BP)網絡
4.3.2 小腦模型連接控制器(CMAC)網絡
4.3.3 增強學習網絡
4.3.4 組合網絡(Modular Network)
4.4 無監(jiān)督學習和反饋神經元網絡
4.4.1 競爭學習和Kohonen自組織網絡
4.4.2 Hopfield網絡
4.4.3 雙向聯想存儲器BAM
4.4.4 Boltzman機
4.5 基于神經元網絡的智能控制
4.5.1 基于多神經元網絡的復雜函數逼近
4.5.2 用神經元網絡對復雜系統建模
4.5.3 用神經元網絡進行的智能控制
4.6 神經元網絡控制非線性動態(tài)系統的能控性與穩(wěn)定性
習題與思考題
參考文獻
第5章 遺傳算法及其在智能控制中的應用
5.1 遺傳算法的基本概念
5.2 簡單遺傳算法
5.3 遺傳算法的基本數學問題
5.4 遺傳算法應用中的一些基本問題
5.4.1 知識表示(編碼)
5.4.2 適應度函數
5.4.3 GA的全局收斂性與最優(yōu)性
5.4.4 遺傳算法的早期收斂
5.5 高級遺傳算法
5.5.1 改進的選擇方法
5.5.2 高級GA運算
5.6 微種群和雙種群遺傳算法
5.6.1 微種群算法
5.6.2 雙種群遺傳算法
5.7 遺傳算法的應用
5.7.1 GA在神經網絡參數學習中的應用
5.7.2 GA在滑?？刂葡到y設計中的應用
5.8 模糊規(guī)則與遺傳算法在控制中的應用
習題與思考題
參考文獻
第6章 模糊—神經元網絡及其在智能控制中的應用
6.1 模糊系統與神經元網絡集成的基本概念
6.1.1 模糊系統與神經元網絡的一般比較
6.1.2 模糊系統與神經網絡集成的理由
6.2 基于神經元網絡的模糊系統
6.2.1 基于神經元網絡的基本模糊邏輯運算
6.2.2 基于神經網絡的模糊邏輯推理
6.2.3 神經網絡驅動的模糊推理系統
6.2.4 基于神經網絡的模糊建模
6.3 模糊神經網絡
6.3.1 模糊神經元
6.3.2 神經網絡模糊化
6.4 神經-模糊控制器
6.4.1 模糊自適應學習控制網絡
6.4.2 神經-模糊控制器的參數學習
6.4.3 神經-模糊控制器的結構學習
6.4.4 具有增強學習的神經-模糊控制器
6.5 神經-模糊網絡在智能控制中的應用
6.5.1 控制系統在線辨識
6.5.2 逆向運動學問題
習題與思考題
參考文獻
第7章 蟻群算法及其在智能控制中的應用
7.1 引言
7.2 蟻群覓食奧秘
7.2.1 蟻群覓食
7.2.2 蟻群的信息系統及使用機制
7.3 基本人工蟻群算法
7.3.1 人工蟻群與真實蟻群
7.3.2 基本的人工蟻群算法原理
7.3.3 基本人工蟻群算法模型
7.3.4 蟻群算法的蟻密模型、蟻量模型和蟻周模型
7.3.5 蟻群算法的參數
7.3.6 用蟻群算法求解TSP問題仿真示例
7.3.7 基本蟻群算法的收斂性
7.4 改進的蟻群優(yōu)化算法
7.4.1 帶精英策略的蟻群算法
7.4.2 基于優(yōu)化排序的蟻群算法
7.4.3 最大—最小蟻群算法
7.5 用蟻群算法求解Job Shop問題
7.5.1 經典Job Shop問題的描述
7.5.2 基于蟻群算法Job Shop調度問題求解
習題與思考題
參考文獻
第8章 人工免疫算法及其在智能控制中的應用
8.1 引言
8.1.1 自然免疫系統的組成
8.1.2 自然免疫系統的機理
8.2 人工免疫系統與基本免疫算法簡介
8.2.1 人工免疫系統定義
8.2.2 基本的人工免疫算法
8.3 基于生發(fā)中心反應的全局優(yōu)化算法
8.3.1 生發(fā)中心反應機理
8.3.2 基于生發(fā)中心的全局優(yōu)化算法
8.3.3 GOAIA-GCR的收斂性證明
8.4 人工免疫網絡算法(aiNet)
8.4.1 人工免疫網絡簡介
8.4.2 人工免疫網絡算法在數據分析中的應用
習題與思考題
參考文獻
第9章 粒子群算法及其在智能控制中的應用
9.1 引言
9.2 基本粒子群算法
9.2.1 基本粒子群算法的原理
9.2.2 基本粒子群算法
9.2.3 帶慣性權重的粒子群算法
9.2.4 帶收縮因子的粒子群算法
9.3 粒子群算法的分析
9.3.1 標準PSO算法分析
9.3.2 PSO算法在二維空間的收斂分析
9.4 幾種改進的粒子群算法
9.4.1 離散粒子群優(yōu)化算法
9.4.2 小生境粒子群優(yōu)化算法
9.5 粒子群算法在智能控制中的應用
9.5.1 用PSO算法求解TSP的應用
9.5.2 在機器人控制領域的應用
習題與思考題
參考文獻
鄂公網安備 42010302001612號 