智能控制简明教程电子书

内容提要

前言

第1章 智能控制概述

1.1 智能控制的提出和发展

1.2 智能控制的基本概念

1.2.1 智能控制的理论框架

1.2.2 智能控制的定义

1.3 智能控制的主要形式

1.4 智能控制系统的研究对象

1.5 智能控制系统的主要功能特点

1.6 智能控制研究的数学工具

1.7 智能控制的应用

习题

第2章 模糊逻辑理论基础

2.1 普通集合理论

2.1.1 集合的概念

2.1.2 集合的表示方法

2.1.3 子集、真子集、空集、全集的概念

2.1.4 集合的运算及运算性质

2.1.5 集合的直积

2.1.6 映射与关系

2.2 模糊集合

2.2.1 模糊子集的定义及表示

2.2.2 模糊集合的表示方法

2.2.3 模糊子集的基本运算及性质

2.3 λ水平截集

2.4 分解定理和扩张原理

2.4.1 分解定理

2.4.2 扩张原理

2.5 隶属度函数的确定方法

2.5.1 确定隶属度函数的方法

2.5.2 常见的隶属度函数

2.6 模糊关系与模糊矩阵

2.6.1 模糊关系的定义及表示方法

2.6.2 模糊矩阵

2.6.3 模糊矩阵的合成运算及性质

2.6.4 模糊向量

2.7 模糊逻辑与模糊推理

2.7.1 模糊逻辑

2.7.2 模糊语言

2.7.3 模糊语言变量

2.7.4 模糊推理语句

2.8 模糊推理方法

2.8.1 似然推理

2.8.2 几种模糊推理方法

2.8.3 多输入多规则模糊推理方法

2.8.4 单点输入模糊推理方法

2.8.5 Tsukamoto模糊推理方法

2.8.6 Sugeno模糊推理方法

习题

第3章 模糊控制

3.1 模糊控制系统

3.1.1 模糊控制系统的组成

3.1.2 模糊控制系统的基本原理

3.2 模糊控制器设计

3.2.1 模糊控制器的结构

3.2.2 模糊控制规则

3.2.3 精确量和模糊量的相互转换

3.2.4 论域、量化因子、比例因子的选择

3.2.5 一个简单的模糊控制器设计

3.3 模糊控制查询表

3.3.1 模糊控制查询表设计方法

3.3.2 模糊控制算法的计算机实现

3.4 PID模糊控制器

3.4.1 PID控制原理

3.4.2 模糊自适应整定PID控制器设计

3.5 模糊控制的应用实例

3.6 模糊控制系统Matlab设计

3.6.1 隶属度函数与模糊控制规则设计

3.6.2 基于Simulink的模糊控制系统设计

习题

第4章 神经网络原理

4.1 引言

4.2 基本概念

4.3 感知器

4.4 BP神经网络

4.4.1 BP神经网络原理

4.4.2 BP神经网络学习算法

4.4.3 BP神经网络的Matlab程序设计

4.5 RBF神经网络

4.6 Hopfield神经网络

4.6.1 离散型Hopfield神经网络

4.6.2 连续型Hopfield神经网络

4.7 支持向量机网络

4.7.1 线性支持向量机

4.7.2 支持向量机的高维映射

4.7.3 支持向量机回归

习题

第5章 神经网络控制

5.1 神经网络控制结构

5.2 神经网络自校正控制

5.3 神经网络PID控制

5.4 神经网络参考模型自适应控制的Matlab仿真

5.5 基于SVM非线性估计的空间机械臂自适应滑模控制

习题

第6章 计算智能

6.1 遗传算法

6.1.1 遗传算法的基本原理

6.1.2 遗传算法的实现过程

6.1.3 遗传算法的实现方法

6.1.4 遗传算法的模式定理

6.1.5 遗传算法的应用

6.2 粒子群算法

6.2.1 粒子群算法

6.2.2 粒子群算法原理

6.2.3 粒子群算法流程

6.2.4 基本粒子群算法的缺点

6.2.5 算例

6.3 量子进化算法

6.3.1 量子进化算法

6.3.2 量子进化算法原理

6.3.3 量子进化算法设计

6.3.4 量子进化算法在苹果糖度漫透射近红外光谱分析中的应用

习题

参考文献