智能控制基礎
師麗,李曉媛
- 出版商: 機械工業
- 出版日期: 2021-11-01
- 售價: $299
- 貴賓價: 9.5 折 $284
- 語言: 簡體中文
- 頁數: 242
- 裝訂: 平裝
- ISBN: 7111684974
- ISBN-13: 9787111684978
-
相關分類:
Matlab、人工智慧、控制系統 Control-systems
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$414$393 -
$199數字控制系統分析與設計, 2/e
-
$454稀疏統計學習及其應用
-
$704稀疏學習、分類與識別
-
$199分佈式網絡化系統信息融合
-
$449分佈式信息融合 -- 理論與方法
-
$301TensorFlow 智能算法與應用
-
$352面向雲平臺的物聯網多源異構信息融合方法
-
$279基於 MATLAB 的遺傳算法及其在稀布陣列天線中的應用, 2/e
-
$534$507 -
$505ROS 機器人開發:實用案例分析 (ROS Robotics By Example : Learning to control wheeled, limbed, and flying robots using ROS Kinetic Kame, 2/e)
-
$301MATLAB/System View 通信原理實驗與系統模擬, 2/e
-
$403工業大數據融合體系結構與關鍵技術
-
$648$616 -
$403基於完全互補序列的 MIMO 雷達與 5G MIMO 通信
-
$3,610Multifunctional Antennas and Arrays for Wireless Communication Systems (Hardcover)
-
$414$393 -
$485通信系統 — 使用 MATLAB 分析與實現 (Communication Systems Principles Using MATLAB)
-
$312$296 -
$587MATLAB 2020 信號處理從入門到精通
-
$1,750$1,715 -
$811多源信息融合, 3/e
-
$450$428 -
$599$569 -
$534$507
相關主題
商品描述
智能控制是自動控制發展的高級階段,是人工智能、控制論、系統論、信息論、仿生學、神經生理學、進化計算和計算機等多種學科的高度匯聚,是一門新興的邊緣交叉學科。
本書系統地介紹了智能控制的內涵、理論和主要方法,包括模糊控制、神經網絡控制、專家控制系統、
遺傳算法、基於DNA的軟計算、粒子群算法、深度學習等,著重介紹了智能控制方法的交叉和融合,
如模糊神經網絡、模糊專家系統、神經專家系統、遺傳-模糊控制和遺傳-神經網絡等。
本書內容豐富,注重理論聯繫實際,配有大量的MATLAB仿真例題和實際應用案例講解,
能夠更好地幫助學生通過仿真習題和工程實例設計深入理解智能控制的基本內涵和控制方法的綜合運用。
本書可作為普通高校自動化、電氣及電子信息等專業學生的教材,
也可供有關教師和工程技術人員參考。
本書配有電子課件,歡迎選用本書作教材的教師登錄
www.cmpedu.com註冊下載,或發郵件至jinacmp@163.com索取。
本書配有MATLAB源碼,請直接用手機掃描書中二維碼進行下載
作者簡介
目錄
二維碼資源一覽表
序
前言
第1章緒論1
1.1智能控制的內涵和特點1
1.2智能控制的結構理論2
1.2.1二元結構論2
1.2.2三元結構論2
1.2.3四元結構論3
1.2.4多元結構或樹形結構3
1.3智能控制與傳統控制的關係3
1.4智能控制系統的類型4
1.4.1分級遞階控制系統4
1.4.2專家控制系統5
1.4.3人工神經網絡控制系統5
1.4.4模糊控制系統6
1.4.5智能優化與智能控制融合7
1.5智能控制的應用7
1.5.1智能控制在航空航天領域中的 應用7
1.5.2智能控制在工業生產過程中的 應用8
1.5.3智能控制在醫療衛生領域中的 應用9
1.5.4智能控制在軍事國防中的應用10
1.5.5智能控制在農業工程中的應用10
1.5.6智能控制在智能社會和其他領域中的應用10
1.6本章小結11
習題11
參考文獻11
第2章模糊控制13
2.1模糊控制的基本概念和數學基礎13
2.1.1模糊控制器的設計步驟14
2.1.2性能評價14
2.1.3語言變量、語言值和規則14
2.1.4模糊集合、模糊規則和模糊 推理16
2.1.5解模糊25
2.2基於倒立擺的模糊控制設計27
2.2.1模糊控制器的輸入和輸出選擇28
2.2.2控制知識的融入規則28
2.2.3知識的模糊量化31
2.2.4規則的匹配33
2.2.5結論的確定36
2.2.6結論轉換成控製作用(解模糊)37
2.2.7模糊決策的圖形描述39
2.3Takagi-Sugeno模糊系統40
2.3.1Takagi-Sugeno模糊系統概述40
2.3.2廣義TS模糊模型42
2.4基於MATLAB的鍋爐蒸汽壓力雙模糊 控制仿真43
2.5自適應模糊控制47
2.5.1問題的提出與闡述48
2.5.2間接自適應模糊控制器設計48
2.5.3直接自適應模糊控制器設計50
2.5.4單級倒立擺自適應模糊控制設計 仿真實例52
2.6本章小結54
習題55
參考文獻56
第3章模糊建模和模糊辨識58
3.1模糊模型的類型與分割形式58
3.1.1Mamdani模糊模型58
3.1.2Tsukamoto模糊模型60
3.1.3模糊模型的分割形式60
3.2模糊系統的通用近似特性61
3.2.1模糊基函數61
3.2.2模糊系統的通用逼近性62
3.2.3用於函數近似的模糊系統求解64
3.3模糊辨識和估計的算法65
3.3.1模糊辨識的數據選擇65
3.3.2#小二乘算法65
3.3.3梯度算法70
3.3.4模糊聚類法74
3.3.5混合算法77
3.4本章小結78
習題78
參考文獻78
第4章神經網絡控制79
4.1神經網絡理論基礎79
4.1.1神經網絡原理79
4.1.2神經網絡的結構和特點81
4.1.3神經網絡學習83
4.2前饋神經網絡85
4.2.1感知器85
4.2.2BP神經網絡88
4.2.3RBF神經網絡95
4.2.4LVQ神經網絡100
4.3反饋神經網絡102
4.3.1Hopfield神經網絡102
4.3.2Kohonen網絡110
4.4神經網絡控制114
4.4.1神經網絡控制的基本思想114
4.4.2神經網絡直接逆動態控制115
4.4.3神經網絡PID控制116
4.4.4神經網絡自適應控制123
4.4.5神經網絡內模控制127
4.5本章小結133
習題133
參考文獻134
第5章模糊神經網絡137
5.1引言137
5.2模糊系統與神經網絡的融合方式138
5.2.1基於模糊技術的神經網絡138
5.2.2基於神經網絡的模糊系統138
5.2.3模糊邏輯與神經網絡在結構上的融合138
5.3模糊神經網絡學習算法139
5.4自適應神經網絡模糊推理系統139
5.4.1自適應網絡139
5.4.2自適應神經-模糊推理系統 (ANFIS)146
5.4.3基於多模型的氣動執行器故障 診斷149
5.5基於TS模糊模型的遞歸神經網絡在 系統辨識中的應用156
5.5.1基於TS模糊模型的遞歸神 經網絡156
5.5.2基於TS模糊模型的遞歸神經網絡 在系統辨識中的應用158
5.5.3仿真實例160
5.6本章小結162
習題162
參考文獻163
第6章專家控制系統165
6.1專家系統165
6.1.1專家系統的結構特點與分類166
6.1.2專家系統的建立步驟168
6.2專家控制系統169
6.2.1專家控制系統的結構與設計169
6.2.2PID專家控制器應用實例172
6.3模糊專家系統174
6.3.1模糊專家系統的結構與設計174
6.3.2模糊專家系統應用實例175
6.4神經網絡專家系統176
6.4.1神經網絡專家系統的結構與設計176
6.4.2神經網絡專家系統應用實例177
6.5本章小結179
習題180
參考文獻180
第7章其他智能控制182
7.1遺傳算法182
7.1.1遺傳算法的基本操作182
7.1.2遺傳算法的實現190
7.1.3遺傳算法的應用192
7.2DNA計算195
7.2.1DNA的結構195
7.2.2DNA計算的原理197
7.2.3DNA計算與其他軟計算的集成197
7.3粒子群算法209
7.3.1粒子群算法的計算模型210
7.3.2粒子群優化算法的參數設置212
7.3.3基於粒子群算法的PID參數 優化214
7.4本章小結217
習題218
參考文獻218
第8章深度學習在智能控制中的 應用221
8.1深度學習概述221
8.2經典深度學習算法介紹222
8.2.1基於受限玻耳茲曼機的深度信念 網絡概述與原理222
8.2.2卷積神經網絡概述與原理223
8.2.3基於自動編碼器的堆疊自編碼器 概述與原理225
8.2.4遞歸神經網絡概述與原理226
8.3自動編碼網絡在易混淆目標識別中的 應用227
8.3.1視皮層簡略模擬228
8.3.2易混淆目標關鍵點信息解碼230
8.3.3實驗設置230
8.3.4網絡輸出視覺化230
8.3.5易混淆目標關鍵點信息解碼 性能231
8.4卷積神經網絡在心電圖自動分類中的 應用232
8.4.1數據集233
8.4.2數據預
目錄大綱
二維碼資源一覽表
序
前言
第1章緒論1
1.1智能控制的內涵和特點1
1.2智能控制的結構理論2
1.2.1二元結構論2
1.2.2三元結構論2
1.2.3四元結構論3
1.2.4多元結構或樹形結構3
1.3智能控制與傳統控制的關係3
1.4智能控制系統的類型4
1.4.1分級遞階控制系統4
1.4.2專家控制系統5
1.4.3人工神經網絡控制系統5
1.4.4模糊控制系統6
1.4.5智能優化與智能控制融合7
1.5智能控制的應用7
1.5.1智能控制在航空航天領域中的
應用7
1.5.2智能控制在工業生產過程中的
應用8
1.5.3智能控制在醫療衛生領域中的
應用9
1.5.4智能控制在軍事國防中的應用10
1.5.5智能控制在農業工程中的應用10
1.5.6智能控制在智能社會和其他領域中
的應用10
1.6本章小結11
習題11
參考文獻11
第2章模糊控制13
2.1模糊控制的基本概念和數學基礎13
2.1.1模糊控制器的設計步驟14
2.1.2性能評價14
2.1.3語言變量、語言值和規則14
2.1.4模糊集合、模糊規則和模糊
推理16
2.1.5解模糊25
2.2基於倒立擺的模糊控制設計27
2.2.1模糊控制器的輸入和輸出選擇28
2.2.2控制知識的融入規則28
2.2.3知識的模糊量化31
2.2.4規則的匹配33
2.2.5結論的確定36
2.2.6結論轉換成控製作用(解模糊)37
2.2.7模糊決策的圖形描述39
2.3Takagi-Sugeno模糊系統40
2.3.1Takagi-Sugeno模糊系統概述40
2.3.2廣義T-S模糊模型42
2.4基於MATLAB的鍋爐蒸汽壓力雙模糊
控制仿真43
2.5自適應模糊控制47
2.5.1問題的提出與闡述48
2.5.2間接自適應模糊控制器設計48
2.5.3直接自適應模糊控制器設計50
2.5.4單級倒立擺自適應模糊控制設計
仿真實例52
2.6本章小結54
習題55
參考文獻56
第3章模糊建模和模糊辨識58
3.1模糊模型的類型與分割形式58
3.1.1Mamdani模糊模型58
3.1.2Tsukamoto模糊模型60
3.1.3模糊模型的分割形式60
3.2模糊系統的通用近似特性61
3.2.1模糊基函數61
3.2.2模糊系統的通用逼近性62
3.2.3用於函數近似的模糊系統求解64
3.3模糊辨識和估計的算法65
3.3.1模糊辨識的數據選擇65
3.3.2最小二乘算法65
3.3.3梯度算法70
3.3.4模糊聚類法74
3.3.5混合算法77
3.4本章小結78
習題78
參考文獻78
第4章神經網絡控制79
4.1神經網絡理論基礎79
4.1.1神經網絡原理79
4.1.2神經網絡的結構和特點81
4.1.3神經網絡學習83
4.2前饋神經網絡85
4.2.1感知器85
4.2.2BP神經網絡88
4.2.3RBF神經網絡95
4.2.4LVQ神經網絡100
4.3反饋神經網絡102
4.3.1Hopfield神經網絡102
4.3.2Kohonen網絡110
4.4神經網絡控制114
4.4.1神經網絡控制的基本思想114
4.4.2神經網絡直接逆動態控制115
4.4.3神經網絡PID控制116
4.4.4神經網絡自適應控制123
4.4.5神經網絡內模控制127
4.5本章小結133
習題133
參考文獻134
第5章模糊神經網絡137
5.1引言137
5.2模糊系統與神經網絡的融合方式138
5.2.1基於模糊技術的神經網絡138
5.2.2基於神經網絡的模糊系統138
5.2.3模糊邏輯與神經網絡在結構上的
融合138
5.3模糊神經網絡學習算法139
5.4自適應神經網絡模糊推理系統139
5.4.1自適應網絡139
5.4.2自適應神經-模糊推理系統
(ANFIS)146
5.4.3基於多模型的氣動執行器故障
診斷149
5.5基於T-S模糊模型的遞歸神經網絡在
系統辨識中的應用156
5.5.1基於T-S模糊模型的遞歸神
經網絡156
5.5.2基於T-S模糊模型的遞歸神經網絡
在系統辨識中的應用158
5.5.3仿真實例160
5.6本章小結162
習題162
參考文獻163
第6章專家控制系統165
6.1專家系統165
6.1.1專家系統的結構特點與分類166
6.1.2專家系統的建立步驟168
6.2專家控制系統169
6.2.1專家控制系統的結構與設計169
6.2.2PID專家控制器應用實例172
6.3模糊專家系統174
6.3.1模糊專家系統的結構與設計174
6.3.2模糊專家系統應用實例175
6.4神經網絡專家系統176
6.4.1神經網絡專家系統的結構
與設計176
6.4.2神經網絡專家系統應用實例177
6.5本章小結179
習題180
參考文獻180
第7章其他智能控制182
7.1遺傳算法182
7.1.1遺傳算法的基本操作182
7.1.2遺傳算法的實現190
7.1.3遺傳算法的應用192
7.2DNA計算195
7.2.1DNA的結構195
7.2.2DNA計算的原理197
7.2.3DNA計算與其他軟計算的集成197
7.3粒子群算法209
7.3.1粒子群算法的計算模型210
7.3.2粒子群優化算法的參數設置212
7.3.3基於粒子群算法的PID參數
優化214
7.4本章小結217
習題218
參考文獻218
第8章深度學習在智能控制中的
應用221
8.1深度學習概述221
8.2經典深度學習算法介紹222
8.2.1基於受限玻耳茲曼機的深度信念
網絡概述與原理222
8.2.2卷積神經網絡概述與原理223
8.2.3基於自動編碼器的堆疊自編碼器
概述與原理225
8.2.4遞歸神經網絡概述與原理226
8.3自動編碼網絡在易混淆目標識別中的
應用227
8.3.1視皮層簡略模擬228
8.3.2易混淆目標關鍵點信息解碼230
8.3.3實驗設置230
8.3.4網絡輸出視覺化230
8.3.5易混淆目標關鍵點信息解碼
性能231
8.4卷積神經網絡在心電圖自動分類中的
應用232
8.4.1數據集233
8.4.2數據預處理233
8.4.3R波峰值點的提取和心拍分割233
8.4.4基於心律失常自動檢測的捲積
神經網絡結構234
8.4.5訓練算法235
8.4.6實驗結果235
8.5基於鳥類視覺信息處理機制的大視場
小目標檢測模型237
8.5.1大視場小目標檢測框架238
8.5.2顯著性區域提取239
8.5.3圖像裁剪與超分辨率分析239
8.5.4檢測器240
8.5.5實驗結果240
8.6本章小結242
習題242
參考文獻242