智慧控制理論及應用

前言
第1章概論1
1.1控制理論的發展及智慧控制的提出1
1.1.1控制理論的發展1
1.1.2智能控制理論的提出2
1.2智能控制的主要技術3
1.2.1模糊邏輯控制3
1.2.2人工神經網路4
1.2.3智慧最佳化演算法6
1.3本書的主要內容6
思考題與習題7第1篇模糊控制篇
第2章控制系統設計引論9
2.1引言：以水箱液位控制為例9
2.2傳統控制系統設計10
2.3模糊控制系統設計15
思考問題與習題17
第3章模糊控制的數學基礎18
3.1模糊集合及運算18
3.1.1經典集合回顧18
3.1.2模糊集合的基本概念及表示
方法20
3.1.3模糊集合的運算24
3.1.4應用：語言變數的模糊集合
劃分26
3.2模糊關係35
3.2.1模糊關係的定義及表示35
3.2.2應用：語言規則中蘊涵的模糊
關係37
3.3模糊推理42
3.3.1模糊邏輯推理42
3.3.2模糊關係的合成42
3.3.3應用：基於規則的模糊推理45
思考問題與習題51
第4章Mamdani模糊控制系統53
4.1模糊控制系統概述53
4.2模糊控制器的設計方法55
4.2.1模糊控制器的設計步驟55
4.2.2水箱液位模糊控制系統設計56
4.3基於MATLAB的模糊控制系統模擬63
4.4模糊控制查詢表72
4.5模糊控制系統設計及模擬案例75
4.5.1兩輸入單輸出水箱液位模糊控制
系統設計75
4.5.2倒立擺模糊控制系統設計79
4.6模糊控制與PID控制的結合演算法85
4.6.1模糊控制與PID的混合結構85
4.6.2PID參數模糊自整定演算法87
思考問題與習題91
第5章TS模糊控制系統92
5.1TS模糊模型92
5.2Mamdani與TS模糊控制器94
5.3TS模糊模型的辨識94
5.4基於TS模糊模型的控制器設計96
思考題與習題96第2篇神經網路篇
第6章單層感知器98
6.1單層感知器的結構98
6.2單層感知器的功能99
6.3單層感知器的學習演算法101
6.4單層感知器的限制102
6.5單層感知器模擬範例103
思考問題與習題104
第7章線性神經網路106
7.1線性神經網路的結構106
7.2線性神經網路的功能107
7.3線性神經網路的參數學習演算法
LMS108
7.4線性神經網路模擬範例110
思考題與習題112
第8章BP神經網路113
8.1BP神經網路的結構113
8.2BP神經網路的參數學習過程114
8.3BP神經網路設計中的幾個問題120
8.4反向傳播演算法的改進演算法123
8.4.1動量BP法123
8.4.2可變學習率BP法123
8.4.3LM演算法124
8.5BP神經網路模擬範例124
思考問題與習題128
第9章徑向基底函數神經網路130
9.1徑向基底函數130
9.2正則化RBF神經網路131
9.2.1正則化RBF神經網路的結構131
9.2.2正則化RBF神經網路的學習
演算法132
9.3廣義RBF神經網路132
9.3.1廣義RBF神經網路的結構132
9.3.2廣義RBF神經網路的功能133
9.3.3廣義RBF神經網路的學習
演算法135
9.4RBF神經網路模擬範例138
思考問題與習題139
第10章神經網路的應用及控制141
10.1神經網路應用技巧141
10.2神經網路用於控制146
10.2.1單神經元PID自適應控制器
演算法146
10.2.2神經網路前饋學習控制148
思考題與習題150第3篇最佳化演算法篇
第11章智慧最佳化演算法152
11.1遺傳演算法152
11.1.1引言152
11.1.2基本概念153
11.1.3遺傳演算法的具體實作156
11.1.4遺傳演算法的運算流程157
11.1.5仿真範例158
11.2粒子群最佳化演算法159
11.2.1引言159
11.2.2基本粒子群最佳化演算法160
11.2.3粒子群最佳化演算法實作流程161
11.2.4仿真範例162
思考題與習題163第4篇綜合應用篇
第12章雙容水箱液位智慧控制系統
設計165
12.1雙容水箱物件及模型165
12.2PID控制器的設計與實作166
12.3模糊控制器的設計與實作167
12.3.1Mamdani模糊控制器167
12.3.2PID參數模糊自整定控制器169
12.4神經網路自整定PID控制器的設計及
實現172
思考題與習題173
第13章油輪航向智慧控制系統
設計174
13.1油輪航向模型174
13.2神經網路控制器設計與實現176
13.2.1BP神經網路控制器176
13.2.2RBF神經網路控制器176
13.3模糊控制器設計與實現179
思考題與習題181
參考文獻182