智能控制原理與應用, 4/e

 

目錄

 

 

 

 

第1章概論

 

1.1智能控制的產生與發展

 

1.1.1自動控制的機遇與挑戰

 

1.1.2智能控制的發展和作用

 

1.2中國智能控制發展簡史

 

1.2.1我國智能控制科技成果

 

1.2.2我國智能控制教育與人才培養

 

1.2.3我國智能控制存在的問題

 

1.3智能控制的定義、特點與一般結構

 

1.3.1智能控制的定義、特點與評價準則

 

1.3.2智能控制器的一般結構

 

1.4智能控制的學科結構理論

 

1.4.1二元交集結構理論

 

1.4.2三元交集結構理論

 

1.4.3四元交集結構理論

 

1.5智能控制的學科體系

 

1.5.1人工智能的學科體系

 

1.5.2智能控制的學科體系

 

1.6本書概要

 

1.7本章小結

 

習題1

 

第一篇基於知識的智能控制

 

第2章遞階控制系統

 

2.1遞階智能機器的一般理論

 

2.1.1遞階智能機器的一般結構

 

2.1.2遞階智能機器的信息論基礎

 

2.1.3IPDI原理的解析公式

 

2.2遞階智能控制系統的原理與結構

 

2.2.1組織級原理與結構

 

2.2.2協調級原理與結構

 

2.2.3執行級原理與結構

 

2.3遞階智能控制系統舉例

 

2.3.1汽車自主駕駛系統的組成

 

2.3.2汽車自主駕駛系統的遞階結構

 

2.3.3自主駕駛系統的軟件結構與控制算法

 

2.3.4自主駕駛系統的試驗結果

 

2.4小結

 

習題2

 

第3章專家控制系統

 

3.1專家系統的基本概念

 

3.1.1專家系統的定義與一般結構

 

3.1.2專家系統的建造步驟

 

3.2專家系統的主要類型與結構

 

3.2.1基於規則的專家系統

 

3.2.2基於框架的專家系統

 

3.2.3基於模型的專家系統

 

3.3專家控制系統的結構與設計

 

3.3.1專家控制系統的結構

 

3.3.2專家控制系統的控制要求與設計原則

 

3.3.3專家控制系統的設計問題

 

3.4專家控制系統應用舉例

 

3.4.1實時控制系統的特點與要求

 

3.4.2高爐監控專家系統

 

3.5小結

 

習題3

 

第4章模糊控制系統

 

4.1模糊數學基礎

 

4.1.1模糊集合及其運算

 

4.1.2模糊關系與模糊變換

 

4.1.3模糊邏輯語言

 

4.2模糊推理與模糊判決

 

4.2.1模糊推理

 

4.2.2模糊判決

 

4.3模糊控制系統原理與結構

 

4.3.1模糊控制原理

 

4.3.2模糊控制系統的原理結構

 

4.4模糊控制器的設計內容

 

4.4.1模糊控制器的設計內容與原則

 

4.4.2模糊控制器的控制規則形式

 

4.5模糊控制系統的設計方法

 

4.5.1模糊系統設計的查表法

 

4.5.2模糊系統設計的梯度下降法

 

4.5.3模糊系統設計的遞推最小二乘法

 

4.5.4模糊系統設計的聚類法

 

4.6模糊控制器的設計實例與實現

 

4.6.1造紙機模糊控制系統的設計與實現

 

4.6.2直流調速系統模糊控制器的設計

 

4.7小結

 

習題4

 

第5章分佈式控制系統

 

5.1分佈式人工智能與真體

 

5.1.1分佈式人工智能

 

5.1.2真體及其特性

 

5.1.3真體的結構

 

5.2多真體系統

 

5.2.1多真體系統的模型和結構

 

5.2.2多真體系統的協作、協商和協調

 

5.2.3多真體系統的學習與規劃

 

5.3多真體控制系統的工作原理

 

5.3.1MAS控制系統的基本原理和結構

 

5.3.2MAS控制系統的信息模型

 

5.4MAS控制系統的設計示例

 

5.5小結

 

習題5

 

第二篇基於數據的智能控制

 

第6章神經控制系統

 

6.1人工神經網絡概述

 

6.1.1神經元及其特性

 

6.1.2人工神經網絡的基本類型和學習算法

 

6.1.3人工神經網絡的典型模型

 

6.1.4基於神經網絡的知識表示與推理

 

6.2深層神經網絡與深度學習

 

6.2.1深層神經網絡

 

6.2.2深度學習的定義與特點

 

6.2.3深度學習的常用模型

 

6.2.4深度學習應用舉例

 

6.3神經控制的結構方案

 

6.3.1NN學習控制

 

6.3.2NN直接逆模控制與內模控制

 

6.3.3NN自適應控制

 

6.3.4NN預測控制

 

6.3.5基於CMAC的控制

 

6.3.6多層NN控制和深度控制

 

6.3.7分級NN控制

 

6.4神經控制系統的設計與應用示例

 

6.4.1石灰窯爐神經內模控制系統的設計

 

6.4.2神經模糊自適應控制器的設計

 

6.4.3神經控制系統應用舉例

 

6.5小結

 

習題6

 

第7章進化控制系統

 

7.1遺傳算法簡介

 

7.1.1遺傳算法的基本原理

 

7.1.2遺傳算法的求解步驟

 

7.2進化控制基本原理

 

7.2.1進化控制原理與系統結構

 

7.2.2進化控制的形式化描述

 

7.3進化控制系統示例

 

7.3.1一種在線混合進化伺服控制器

 

7.3.2一個移動機器人進化控制系統

 

7.4小結

 

習題7

 

第8章免疫控制系統

 

8.1免疫算法和人工免疫系統原理

 

8.1.1免疫算法的提出和定義

 

8.1.2免疫算法的步驟和框圖

 

8.1.3人工免疫系統的結構

 

8.1.4免疫算法的設計方法和參數選擇

 

8.2免疫控制基本原理

 

8.2.1免疫控制的系統結構

 

8.2.2免疫控制的自然計算體系和系統計算框圖

 

8.3免疫控制系統示例

 

8.3.1擾動抑制和最優控制器的性能指標

 

8.3.2基於免疫算法的擾動抑制問題

 

8.3.3選擇最優參數的計算步驟

 

8.3.4免疫反饋規則與免疫反饋控制器的設計

 

8.4小結

 

習題8

 

第9章網絡控制系統

 

9.1網絡控制系統的結構與特點

 

9.1.1網絡控制系統的一般原理與結構

 

9.1.2網絡控制系統的特點與影響因素

 

9.2網絡控制系統的建模與性能評價標準

 

9.2.1網絡控制系統的建模

 

9.2.2網絡控制系統的性能評價標準

 

9.3網絡控制系統穩定性與控制器設計方法

 

9.3.1網絡控制系統的穩定性

 

9.3.2網絡控制系統的控制器設計方法

 

9.4網絡控制系統的調度

 

9.4.1網絡控制系統的調度方法

 

9.4.2網絡控制系統調度的時間參數

 

9.5網絡控制系統的模擬與工程實現

 

9.5.1網絡控制系統的模擬平臺

 

9.5.2網絡控制系統的工程實現

 

9.6網絡控制系統的應用舉例

 

9.6.1煙草包裝的網絡測控系統

 

9.6.2熱電廠集散控制系統

 

9.7小結

 

習題9

 

第三篇知識與數據復合智能控制

 

 

第10章學習控制系統

 

10.1學習控制概述

 

10.1.1學習控制的定義與研究意義

 

10.1.2學習控制的發展及其與自適應控制的關系

 

10.1.3控制律映射及對學習控制的要求

 

10.2學習控制方案

 

10.2.1基於模式識別的學習控制

 

10.2.2迭代學習控制

 

10.2.3重復學習控制

 

10.2.4增強學習控制

 

10.2.5基於神經網絡的學習控制

 

10.3學習控制系統應用舉例

 

10.3.1無縫鋼管張力減徑過程壁厚控制迭代學習控制算法

 

10.3.2鋼管壁厚迭代學習控制的模擬及應用結果

 

10.4小結

 

習題10

 

第11章仿人控制

 

11.1仿人控制基本原理與原型算法

 

11.1.1仿人控制的基本原理

 

11.1.2仿人控制的原型算法和智能屬性

 

11.2仿人控制的特徵模型和決策模態

 

11.2.1仿人控制的特徵模式與特徵辨識

 

11.2.2仿人控制的多模態控制

 

11.3仿人控制器的設計與實現

 

11.3.1仿人控制系統的設計依據

 

11.3.2仿人智能控制器設計與實現的一般步驟

 

11.4仿人控制器的設計與實現示例

 

11.4.1小車單擺系統仿人控制器的設計

 

11.4.2小車單擺系統仿人控制器的實現

 

11.5小結

 

習題11

 

第12章自然語言控制

 

12.1自然語言控制的發展和定義

 

12.1.1自然語言處理的發展和文本表示方式

 

12.1.2自然語言控制的定義

 

12.2自然語言控制的步驟及流程框圖

 

12.3自然語言控制系統的設計

 

12.4自然語言控制系統示例

 

12.4.1基於ChatGPT的機器人控制系統

 

12.4.2基於自然語言處理的工業機器人自動編程

 

12.5小結

 

習題12

 

第13章復合智能控制

 

13.1復合智能控制概述

 

13.2模糊神經復合控制原理

 

13.3自學習模糊神經控制系統

 

13.3.1自學習模糊神經控制模型

 

13.3.2自學習模糊神經控制算法

 

13.3.3弧焊過程自學習模糊神經控制系統

 

13.4專家模糊復合控制器

 

13.4.1專家模糊控制系統的結構

 

13.4.2專家模糊控制系統示例

 

13.5進化模糊復合控制器

 

13.5.1控制器設計步驟和參數優化方法

 

13.5.2解釋(編碼)函數的設計

 

13.5.3規則編碼

 

13.5.4初始種群和適應度函數的計算

 

13.5.5直流電動機GA優化模糊速度控制系統

 

13.5.6進化、模糊和神經復合的故障診斷系統設計

 

13.6小結

 

習題13

 

第四篇智能控制的算法與編程

 

 

第14章智能控制算法編程實現與深度學習開源框架

 

14.1智能控制算法的定義、特點與分類

 

14.1.1智能控制算法的定義與特點

 

14.1.2智能控制算法的分類

 

14.2智能控制算法的MATLAB模擬設計與實現

 

14.2.1MATLAB模糊控制工具箱

 

14.2.2基於模糊邏輯工具箱的模糊控制器

 

14.2.3模糊控制系統的Simulink模擬

 

14.2.4MATLAB神經網絡工具箱及其模擬

 

14.2.5神經控制算法的MATLAB模擬程序設計與實現

 

14.2.6模糊控制與神經網絡控制的實驗

 

14.3Python語言

 

14.3.1Python簡介

 

14.3.2Python的基本語法與功能

 

14.4基於Python的深度學習框架設計

 

14.4.1深度學習框架的發展

 

14.4.2深度學習開源框架的比較

 

14.4.3深度學習框架基本功能

 

14.4.4基於Python的深度學習算法應用實例分析

 

14.5小結

 

習題14

 

第五篇智能控制的計算能力

 

第15章智能控制的算力及架構

 

15.1智能算力的定義與分類

 

15.1.1智能算力的定義

 

15.1.2智能算力和芯片的分類

 

15.2智能芯片的發展

 

15.2.1智能芯片的發展簡史

 

15.2.2智能芯片的發展態勢

 

15.3智能控制算力網絡

 

15.3.1智能算力網絡的定義和特徵

 

15.3.2智能算力網絡的基本架構和工作機制

 

15.3.3智能算力網絡的關鍵技術

 

15.3.4智能算力網絡的應用示例

 

15.4普適智能算力網絡

 

15.4.1普適智能算力網絡的基本架構

 

15.4.2普適智能算力網絡的應用示例

 

15.5智能控制算力的研究與應用概況

 

15.6小結

 

習題15

 

參考文獻