智能控制 — 理論基礎、算法設計與應用, 2/e

 

 

 

目錄

 

 

 

第1章緒論

 

1.1智能控制的發展過程

 

1.1.1智能控制的提出

 

1.1.2智能控制的概念

 

1.1.3智能控制的發展

 

1.1.4智能控制的技術基礎

 

1.2智能控制的幾個重要分支

 

1.2.1模糊控制

 

1.2.2神經網絡控制

 

1.2.3智能搜索算法

 

1.3智能控制的特點、工具及應用

 

1.3.1智能控制的特點

 

1.3.2智能控制的研究工具

 

1.3.3智能控制的應用

 

思考題

 

參考文獻

 

第2章模糊控制的理論基礎

 

2.1概述

 

2.2模糊集合

 

2.2.1模糊集合的表示

 

2.2.2模糊集合的運算

 

2.3隸屬函數

 

2.3.1隸屬函數的特點

 

2.3.2幾種典型的隸屬函數及其MATLAB表示

 

2.3.3模糊系統的設計

 

2.3.4隸屬函數的確定方法

 

2.4模糊關系及其運算

 

2.4.1模糊關系矩陣

 

2.4.2模糊矩陣運算

 

2.4.3模糊矩陣的合成

 

2.5模糊語句與模糊推理

 

2.5.1模糊語句

 

2.5.2模糊推理

 

思考題

 

第3章模糊邏輯控制

 

3.1模糊控制的基本原理

 

3.1.1模糊控制原理

 

3.1.2模糊控制器的組成

 

3.1.3模糊控制系統的工作原理

 

3.1.4模糊控制器結構

 

3.2模糊控制系統分類

 

3.3模糊控制器的設計

 

3.3.1模糊控制器的設計步驟

 

3.3.2模糊控制器的MATLAB模擬

 

 

 

 

 

 

3.4模糊控制應用實例——洗衣機的模糊控制

 

3.5模糊自適應整定PID控制

 

3.5.1模糊自適應整定PID控制原理

 

3.5.2模擬實例

 

3.6大時變擾動下切換增益模糊調節的滑模控制

 

3.6.1系統描述

 

3.6.2滑模控制器設計

 

3.6.3模糊規則設計

 

3.6.4模擬實例

 

思考題

 

第4章自適應模糊控制

 

4.1模糊逼近

 

4.1.1模糊系統的設計

 

4.1.2模糊系統的逼近精度

 

4.1.3模擬實例

 

4.2間接自適應模糊控制

 

4.2.1問題描述

 

4.2.2自適應模糊滑模控制器設計

 

4.2.3模擬實例

 

4.3直接自適應模糊控制

 

4.3.1問題描述

 

4.3.2模糊控制器的設計

 

4.3.3自適應律的設計

 

4.3.4模擬實例

 

思考題

 

第5章基於TS模糊建模的控制

 

5.1TS模糊模型

 

5.1.1TS模糊模型的形式

 

5.1.2模擬實例

 

5.1.3一類非線性系統的TS模糊建模

 

5.2TS模糊控制器的設計

 

5.3倒立擺系統的TS模糊模型

 

5.4基於線性矩陣不等式的單級倒立擺TS模糊控制

 

5.4.1LMI不等式的設計及分析

 

5.4.2不等式的轉換 

 

5.4.3LMI設計實例

 

5.4.4模擬實例

 

附加資料： 新的LMI求解工具箱——YALMIP工具箱

 

思考題

 

參考文獻

 

第6章機械手自適應模糊控制

 

6.1簡單的自適應模糊滑模控制

 

6.1.1問題描述

 

6.1.2模糊逼近原理

 

6.1.3控制算法設計與分析

 

6.1.4模擬實例

 

6.2基於模糊補償的機械手模糊自適應滑模控制

 

6.2.1系統描述

 

6.2.2基於傳統模糊補償的控制

 

6.2.3自適應控制律的設計

 

6.2.4基於摩擦模糊逼近的模糊補償控制

 

6.2.5模擬實例

 

6.3模糊系統逼近的最小參數學習法

 

6.3.1問題描述

 

6.3.2模糊系統最小參數逼近

 

6.3.3基於模糊系統逼近的最小參數自適應控制

 

6.3.4模擬實例

 

6.4基於模糊補償的機械手單參數自適應控制

 

6.4.1系統描述

 

6.4.2基於模糊系統逼近的最小參數自適應控制

 

6.4.3模擬實例

 

附加資料

 

思考題

 

參考文獻

 

第7章神經網絡理論基礎

 

7.1神經網絡發展簡史

 

7.2神經網絡原理

 

7.3神經網絡的分類

 

7.4神經網絡學習算法

 

7.4.1Hebb學習規則

 

7.4.2Delta(δ)學習規則

 

7.5神經網絡的特徵及要素

 

7.5.1神經網絡特徵

 

7.5.2神經網絡三要素

 

 

7.6神經網絡控制的研究領域

 

思考題

 

第8章典型神經網絡及非線性建模

 

8.1單神經元網絡

 

8.2BP神經網絡

 

8.2.1BP神經網絡特點

 

8.2.2BP神經網絡結構與算法

 

8.2.3BP神經網絡的訓練

 

8.2.4模擬實例

 

8.3RBF神經網絡

 

8.3.1網絡結構

 

8.3.2控制系統設計中RBF神經網絡的逼近

 

8.3.3RBF神經網絡的訓練

 

8.3.4模擬實例

 

8.4模糊RBF神經網絡

 

8.4.1模糊RBF神經網絡結構與算法

 

8.4.2模糊RBF神經網絡學習算法

 

8.4.3模擬實例

 

8.5PiSigma模糊神經網絡

 

8.5.1高木關野模糊系統

 

8.5.2混合型PiSigma模糊神經網絡

 

8.5.3PiSigma模糊神經網絡學習算法

 

8.5.4模擬實例

 

8.6ELM神經網絡

 

8.6.1ELM神經網絡的特點

 

8.6.2ELM神經網絡結構與算法

 

8.6.3ELM神經網絡的訓練

 

8.6.4模擬實例

 

思考題

 

參考文獻

 

第9章自適應RBF神經網絡控制

 

9.1一階系統神經網絡自適應控制

 

9.1.1系統描述

 

9.1.2滑模控制器設計

 

9.1.3模擬實例

 

9.1.4一階系統自適應RBF控制

 

9.1.5模擬實例

 

9.2二階系統自適應RBF神經網絡控制

 

9.2.1系統描述

 

9.2.2基於RBF神經網絡逼近f(x)的滑模控制 

 

9.2.3模擬實例

 

9.3基於RBF神經網絡的單參數直接魯棒自適應控制

 

9.3.1系統描述

 

9.3.2控制律和自適應律設計

 

9.3.3模擬實例

 

思考題

 

參考文獻

 

第10章基於RBF神經網絡的輸入輸出受限控制

 

10.1控制系統位置輸出受限控制

 

10.1.1輸出受限引理

 

10.1.2系統描述

 

10.1.3控制器的設計

 

10.1.4模擬實例

 

10.2基於RBF神經網絡的狀態輸出受限控制

 

10.2.1系統描述

 

10.2.2RBF神經網絡原理

 

10.2.3控制器的設計

 

10.2.4模擬實例

 

 

10.3基於RBF神經網絡的輸入受限滑模控制

 

10.3.1系統描述

 

10.3.2RBF神經網絡逼近及雙曲正切函數特點

 

10.3.3控制器的設計及分析

 

10.3.4模擬實例

 

思考題

 

參考文獻

 

第11章基於RBF神經網絡的執行器自適應容錯控制

 

11.1執行器容錯控制描述

 

11.2SISO系統執行器自適應容錯控制

 

11.2.1控制問題描述

 

11.2.2控制律的設計與分析

 

11.2.3模擬實例

 

11.3基於RBF神經網絡的SISO系統執行器自適應容錯控制

 

11.3.1控制問題描述

 

11.3.2RBF神經網絡設計

 

11.3.3控制律的設計與分析

 

11.3.4模擬實例

 

11.4MISO系統執行器自適應容錯控制

 

11.4.1控制問題描述

 

11.4.2控制律的設計與分析

 

11.4.3模擬實例

 

11.5MISO系統執行器自適應神經網絡容錯控制

 

11.5.1控制問題描述

 

11.5.2RBF神經網絡設計

 

11.5.3控制律的設計與分析

 

11.5.4模擬實例

 

11.6帶執行器卡死的MISO系統自適應容錯控制

 

11.6.1控制問題描述

 

11.6.2控制律的設計與分析

 

11.6.3模擬實例

 

11.7帶執行器卡死的MISO系統神經網絡自適應容錯控制

 

11.7.1控制問題描述

 

11.7.2RBF神經網絡設計

 

11.7.3控制律的設計與分析

 

11.7.4模擬實例

 

11.8基於傳感器和執行器容錯的自適應控制

 

11.8.1系統描述

 

11.8.2控制器設計與分析

 

11.8.3模擬實例

 

11.9基於傳感器和執行器容錯的神經網絡自適應控制

 

11.9.1系統描述

 

11.9.2控制器設計與分析

 

11.9.3神經網絡逼近

 

11.9.4模擬實例

 

附加資料

 

思考題

 

參考文獻

 

第12章機械系統神經網絡自適應控制

 

12.1一種簡單的RBF神經網絡自適應滑模控制

 

12.1.1問題描述

 

12.1.2RBF神經網絡原理

 

12.1.3控制算法設計與分析

 

12.1.4模擬實例

 

12.2基於RBF神經網絡逼近的機械手自適應控制

 

12.2.1問題的提出

 

12.2.2基於RBF神經網絡逼近的控制器

 

12.2.3模擬實例

 

12.3基於RBF神經網絡的最小參數自適應控制

 

12.3.1問題描述

 

12.3.2基於RBF神經網絡逼近的最小參數自適應控制

 

12.3.3模擬實例

 

12.4機械手神經網絡單參數自適應控制

 

12.4.1問題的提出

 

12.4.2神經網絡設計

 

12.4.3控制器設計

 

12.4.4模擬實例

 

12.5一類欠驅動機械系統神經網絡滑模控制

 

12.5.1系統描述

 

12.5.2RBF神經網絡原理

 

12.5.3滑模控制律的設計

 

12.5.4收斂性分析

 

12.5.5模擬實例

 

附加資料

 

思考題

 

參考文獻

 

第13章基於RBF神經網絡的反演自適應控制

 

13.1一種三階非線性系統的反演控制

 

13.1.1系統描述

 

13.1.2反演控制器設計

 

13.1.3模擬實例

 

13.2基於RBF神經網絡的三階非線性系統反演控制

 

13.2.1系統描述

 

13.2.2RBF神經網絡原理

 

13.2.3神經網絡反演控制器設計

 

13.2.4模擬實例

 

思考題

 

參考文獻

 

第14章基於LMI的神經網絡自適應控制

 

14.1基於LMI的控制

 

14.1.1系統描述

 

14.1.2控制器的設計與分析

 

14.1.3模擬實例

 

14.2基於LMI的神經網絡自適應控制

 

14.2.1系統描述

 

14.2.2RBF神經網絡設計

 

14.2.3控制器的設計與分析

 

14.2.4模擬實例

 

14.3基於LMI的神經網絡自適應跟蹤控制

 

14.3.1系統描述

 

14.3.2模擬實例

 

思考題

 

第15章智能優化算法

 

15.1TSP優化

 

15.2遺傳算法

 

15.2.1遺傳算法的基本原理

 

15.2.2遺傳算法的特點

 

15.2.3遺傳算法的應用領域

 

15.2.4遺傳算法的優化設計

 

15.2.5基於遺傳算法的函數優化

 

15.3基於遺傳算法的TSP優化

 

15.3.1TSP的編碼

 

15.3.2TSP的遺傳算法設計

 

15.3.3模擬實例

 

15.4粒子群優化算法

 

15.4.1粒子群算法基本原理

 

15.4.2算法流程

 

15.4.3基於粒子群算法的函數優化

 

15.4.4基於粒子群算法的TSP優化

 

15.5標準差分進化算法

 

15.5.1差分進化算法的基本流程

 

15.5.2差分進化算法的參數設置

 

15.5.3基於差分進化算法的函數優化

 

15.5.4基於差分進化算法的TSP優化

 

15.6基於差分進化最優軌跡規劃的PD控制

 

15.6.1問題的提出

 

15.6.2一個簡單的樣條插值實例

 

15.6.3最優軌跡的設計

 

15.6.4最優軌跡的優化

 

15.6.5模擬實例

 

15.7蟻群算法

 

15.7.1蟻群算法的基本原理

 

15.7.2基於TSP優化的蟻群算法

 

15.7.3模擬實例

 

15.8Hopfield神經網絡

 

15.8.1Hopfield神經網絡原理

 

15.8.2求解TSP的Hopfield神經網絡設計

 

15.8.3模擬實例

 

思考題

 

參考文獻

 

第16章智能優化算法的應用

 

16.1柔性機械手動力學模型參數辨識

 

16.1.1柔性機械手模型描述

 

16.1.2模擬實例

 

16.2飛行器縱向模型參數辨識

 

16.2.1問題描述

 

16.2.2模擬實例

 

16.3VTOL參數辨識

 

16.3.1VTOL參數辨識問題

 

16.3.2基於粒子群算法的參數辨識

 

16.3.3基於差分進化算法的VTOL參數辨識

 

16.4四旋翼飛行器建模與參數辨識

 

16.4.1四旋翼飛行器動力學模型

 

16.4.2動力學模型的變換

 

16.4.3模型測試

 

16.4.4基於粒子群算法的參數辨識

 

16.4.5基於差分進化算法的參數辨識

 

16.5基於粒子群算法的航班著陸調度

 

16.5.1問題描述

 

16.5.2優化問題的設計

 

16.5.3模擬實例

 

16.6基於差分進化算法的產品加工生產調度

 

16.6.1問題描述

 

16.6.2優化問題的設計

 

16.6.3模擬實例

 

16.7基於差分進化算法的無人機三維路徑規劃

 

16.7.1問題描述

 

16.7.2目標函數設計

 

16.7.3基於差分進化算法的路徑規劃

 

16.7.4模擬實例

 

思考題

 

參考文獻

 

第17章神經網絡自適應協調控制

 

17.1主輔電機的協調控制

 

17.1.1系統描述

 

17.1.2控制律設計與分析

 

17.1.3模擬實例

 

17.2基於神經網絡的主輔電機協調控制

 

17.2.1系統描述

 

17.2.2RBF神經網絡的設計

 

17.2.3控制律設計與分析

 

17.2.4模擬實例

 

思考題

 

參考文獻

 

第18章多智能體系統一致性控制的設計與分析

 

18.1多智能體系統介紹

 

18.2多智能體系統的位置一致性跟蹤控制

 

18.2.1系統描述

 

18.2.2控制器的設計

 

18.2.3穩定性分析

 

18.2.4模擬實例

 

18.3二階線性多智能體系統一致性控制

 

18.3.1系統描述

 

18.3.2控制律設計

 

18.3.3模擬實例

 

18.3.4Laplacian矩陣分析

 

18.4基於RBF神經網絡的多智能體系統一致性控制

 

18.4.1系統描述

 

18.4.2基於RBF神經網絡逼近的滑模控制

 

18.4.3控制律設計

 

18.4.4模擬實例

 

18.5基於執行器容錯的多智能體系統控制

 

18.5.1系統描述

 

18.5.2控制律設計

 

18.5.3模擬實例

 

思考題

 

參考文獻