智能控制

第1章從傳統(tǒng)控制到智能控制
1.1自動控制的基本問題
1.1.1自動控制的概念
1.1.2自動控制的目的及要求
1.1.3自動控制中的矛盾問題
1.2自動控制的基本原理
1.2.1控制論的創(chuàng)立
1.2.2反饋是自動控制的精髓
1.2.3反饋在閉環(huán)控制中的作用
1.2.4反饋控制的基本模式
1.3控制理論發(fā)展的歷程
1.3.1經典控制理論
1.3.2現(xiàn)代控制理論
1.3.3智能控制理論
1.4智能控制理論的基本內容
1.4.1智能控制的基本概念
1.4.2智能控制的多學科交叉
1.4.3智能控制的基本原理
1.4.4智能控制的基本功能
1.4.5智能控制的基本要素
1.4.6智能控制系統(tǒng)的結構
1.4.7智能控制的類型
啟迪思考題
第2章基于模糊邏輯的智能控制
2.1模糊控制概述
2.1.1模糊控制的創(chuàng)立與發(fā)展
2.1.2模糊控制器的分類
2.2模糊邏輯基礎
2.2.1基于二值邏輯的經典集合
2.2.2模糊集合與模糊概念
2.2.3模糊集合及其運算
智能控制
2.2.4模糊矩陣與模糊向量
2.2.5模糊關系
2.2.6模糊邏輯推理
2.2.7模糊系統(tǒng)的萬能逼近特性
2.3模糊控制的原理
2.3.1模糊控制系統(tǒng)的組成
2.3.2模糊控制的工作原理
2.3.3模糊控制器的控制性能
2.4經典模糊控制器的設計方法
2.4.1模糊控制器的結構設計
2.4.2模糊控制規(guī)則的設計
2.4.3Mamdani模糊推理法
2.4.4精確量的模糊化及量化因子
2.4.5模糊量的清晰化及比例因子
2.4.6查表式模糊控制器設計
2.4.7解析式模糊規(guī)則自調整控制器
2.5TS型模糊控制器設計
2.5.1TS模糊模型
2.5.2基于TS模型的模糊推理
2.5.3TS型模糊控制系統(tǒng)設計
2.6模糊PID控制
2.6.1模糊PID復合控制
2.6.2基于模糊推理優(yōu)化的PID控制
2.7自適應模糊控制
2.7.1模糊系統(tǒng)辨識
2.7.2自適應模糊控制的基本原理
2.7.3模型參考自適應模糊控制
2.8模糊控制的實現(xiàn)技術
2.8.1模糊控制軟件開發(fā)工具
2.8.2模糊控制芯片
2.9基于MATLAB的模糊控制系統(tǒng)設計
2.9.1MATLAB模糊邏輯工具箱
2.9.2基于MATLAB的模糊控制系統(tǒng)仿真
啟迪思考題
第3章基于神經網絡的智能控制
3.1神經網絡系統(tǒng)基礎
3.1.1神經網絡研究概述
3.1.2神經細胞結構與功能
3.1.3人工神經元模型
3.1.4神經網絡的特點
3.1.5神經網絡結構與模型
3.1.6神經網絡訓練與學習
3.1.7神經網絡的學習規(guī)則
3.2控制中的常用神經網絡
3.2.1感知器
3.2.2前向神經網絡
3.2.3徑向基神經網絡
3.2.4反饋神經網絡
3.2.5小腦模型神經網絡
3.2.6大腦模型自組織神經網絡
3.2.7Boltzmann機
3.3基于神經網絡的系統(tǒng)辨識
3.3.1神經網絡的逼近能力
3.3.2神經網絡系統(tǒng)辨識的原理
3.3.3基于BP網絡的非線性系統(tǒng)模型辨識
3.4基于神經網絡的智能控制
3.4.1神經控制的基本原理
3.4.2基于神經網絡智能控制的類型
3.4.3基于傳統(tǒng)控制理論的神經控制
3.5神經PID控制
3.5.1神經元PID控制
3.5.2自適應神經元PID控制
3.6神經自適應控制
3.6.1模型參考神經自適應控制
3.6.2神經自校正控制
3.7基于MATLAB的神經控制系統(tǒng)設計
3.7.1MATLAB神經網絡工具箱
3.7.2基于MATLAB的模型參考神經自適應控制系統(tǒng)仿真
啟迪思考題
第4章專家控制與仿人智能控制
4.1專家系統(tǒng)的基本概念
4.1.1專家與專家系統(tǒng)
4.1.2專家系統(tǒng)的基本結構
4.2專家系統(tǒng)的結構與原理
4.2.1專家控制系統(tǒng)的特點
4.2.2專家控制系統(tǒng)的結構
4.2.3專家控制系統(tǒng)的原理
4.2.4實時過程控制專家系統(tǒng)舉例
4.3專家控制器
4.3.1專家控制器的結構
4.3.2一種工業(yè)過程專家控制器設計
4.4仿人智能控制
4.4.1從常規(guī)PID控制談起
4.4.2仿人智能控制的基本思想
4.4.3系統(tǒng)動態(tài)行為的特征識別
4.4.4仿人智能控制原理
4.5仿人智能控制的多種模式
4.5.1仿人智能積分控制
4.5.2仿人智能采樣控制
4.5.3基于極值采樣的仿人智能控制
啟迪思考題
第5章遞階智能控制與學習控制
5.1大系統(tǒng)控制的形式與結構
5.1.1大系統(tǒng)控制的基本形式
5.1.2大系統(tǒng)控制的遞階結構
5.2遞階控制的基本原理
5.2.1協(xié)調的基本概念
5.2.2協(xié)調的基本原則
5.3遞階智能控制的結構與原理
5.3.1遞階智能控制的結構
5.3.2遞階智能控制的原理
5.4蒸汽鍋爐的遞階模糊控制
5.4.1模糊變量與規(guī)則間的數(shù)量關系
5.4.2遞階模糊控制規(guī)則
5.4.3蒸汽鍋爐的兩級遞階模糊控制系統(tǒng)
5.5學習控制系統(tǒng)
5.5.1學習控制的基本概念
5.5.2迭代學習控制
5.5.3重復學習控制
5.5.4其他學習控制形式
5.6基于規(guī)則的自學習控制系統(tǒng)
5.6.1產生式自學習控制系統(tǒng)
5.6.2基于規(guī)則的自學習模糊控制舉例
啟迪思考題
第6章智能優(yōu)化原理與算法
6.1智能優(yōu)化算法概述
6.1.1模糊計算與神經計算
6.1.2進化計算
6.1.3人工免疫算法
6.1.4群智能優(yōu)化算法
6.1.5模擬退火算法
6.1.6禁忌搜索算法
6.2智能優(yōu)化算法的理論基礎
6.2.1系統(tǒng)科學
6.2.2復雜適應系統(tǒng)理論
6.2.3復雜適應系統(tǒng)的運行機制
6.2.4復雜適應系統(tǒng)理論的特點
6.2.5智能優(yōu)化算法的原理
6.3RBF神經網絡優(yōu)化算法
6.3.1RBF神經網絡
6.3.2RBF網絡學習算法
6.3.3RBF神經網絡在控制中的應用
6.4遺傳算法
6.4.1生物的進化與遺傳
6.4.2遺傳算法的基本概念
6.4.3遺傳算法的基本操作
6.4.4遺傳算法實現(xiàn)步驟
6.4.5遺傳算法用于函數(shù)優(yōu)化
6.4.6遺傳算法和模糊邏輯及神經網絡的融合
6.5粒子群優(yōu)化算法
6.5.1粒子群優(yōu)化的基本思想
6.5.2粒子群優(yōu)化算法原理
6.5.3PSO算法步驟
6.5.4PSO算法的改進及應用
6.6免疫優(yōu)化算法
6.6.1免疫學的基本概念
6.6.2免疫系統(tǒng)的組織結構
6.6.3免疫機制與克隆選擇理論
6.6.4人工免疫模型與免疫算法
6.6.5免疫應答中的學習與優(yōu)化
6.6.6克隆選擇算法
6.6.7免疫優(yōu)化算法的應用
啟迪思考題
第7章智能控制和智能優(yōu)化的融合
7.1智能控制和智能優(yōu)化的融合
7.2智能優(yōu)化的快速算法
7.3粒子群優(yōu)化的模糊控制器設計
7.3.1PSO基本算法
7.3.2模糊控制器的設計原理
7.3.3PSO優(yōu)化的模糊控制器在主汽溫控制中的應用
7.4基于RBF神經網絡優(yōu)化PID控制參數(shù)
7.4.1RBF神經網絡對被控對象的辨識
7.4.2RBF網絡優(yōu)化PID控制參數(shù)的算法實現(xiàn)
7.5基于免疫克隆優(yōu)化的模糊神經控制器
7.5.1基本的免疫克隆算法
7.5.2改進的免疫克隆選擇算法
7.5.3基于免疫克隆算法優(yōu)化的模糊神經控制器設計
7.5.4仿真結果及結論
啟迪思考題
第8章智能控制的工程應用實例
8.1基于神經網絡推理的加熱爐溫度模糊控制
8.1.1基于神經網絡推理的模糊控制
8.1.2模糊控制器的神經網絡實現(xiàn)
8.1.3現(xiàn)場運行效果
8.2神經網絡在車底爐燃燒控制中的應用
8.2.1燃燒控制系統(tǒng)的設計
8.2.2神經網絡模型的建立
8.2.3神經網絡的訓練過程
8.2.4神經網絡在車底爐燃燒控制中的應用實例
8.3專家控制在靜電除塵器電源控制系統(tǒng)中的應用
8.3.1高壓直流靜電除塵電源控制系統(tǒng)
8.3.2專家控制系統(tǒng)控制器設計
8.3.3控制結果及其分析
8.4學習控制在數(shù)控凸輪軸磨床上的應用
8.4.1FANUC數(shù)控系統(tǒng)學習控制功能
8.4.2學習控制的實現(xiàn)
8.4.3學習控制效果
啟迪思考題
參考文獻