智能控制系统及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能控制系统及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1 自动控制系统及其理论的发展历程1

1.2 智能控制系统及其理论6

1.2.1 智能控制理论7

1.2.2 智能控制系统的基本功能特点10

1.2.3 智能控制技术的应用10

1.3 智能控制与传统控制的比较分析11

1.3.1 传统控制的特点与不足11

1.3.2 智能控制与传统控制的关系11

1.4 智能优化算法12

1.5 本书内容14

第2章 前向神经网络17

2.1 感知器网络20

2.1.1 感知器的网络结构及其功能20

2.1.2 感知器权值的学习规则与训练22

2.2 自适应线性元件25

2.2.1 自适应线性神经元模型和结构26

2.2.2 W-H学习规则及其网络的训练27

2.3 反向传播网络28

2.3.1 反向传播法网络模型与结构28

2.3.2 BP算法29

2.3.3 BP网络的设计31

2.3.4 BP网络的限制与不足32

2.4 径向基函数网络33

2.4.1 径向基函数网络结构33

2.4.2 网络训练与设计35

2.4.3 广义径向基函数网络36

第3章 网络训练优化算法及其性能对比37

3.1 基于标准梯度下降的方法38

3.1.1 附加动量法38

3.1.2 自适应学习速率39

3.1.3 弹性BP算法40

3.2 基于数值优化方法的网络训练算法40

3.2.1 拟牛顿法41

3.2.2 共轭梯度法42

3.2.3 Levenberg-Marquardt法42

3.3 前向网络的数值性能对比43

3.3.1 非线性函数的逼近43

3.3.2 逼近非线性直流电机的输入／输出特性45

第4章 递归神经网络47

4.1 各种递归神经网络47

4.1.1 全局反馈型递归神经网络48

4.1.2 前向递归神经网络50

4.1.3 混合型网络57

4.1.4 小结57

4.2 全局反馈递归网络59

4.2.1 海布学习规则61

4.2.2 正交化的权值设计62

4.2.3 离散型反馈网络的稳定点与稳定域65

4.3 连续型霍普菲尔德网络72

4.3.1 对应于电子电路的网络结构73

4.3.2 霍普菲尔德能量函数及其稳定性分析75

4.3.3 能量函数与优化计算77

4.4 自组织竞争网络79

4.4.1 网络结构79

4.4.2 竞争学习规则81

4.4.3 竞争网络的训练过程82

4.5 科荷伦自组织映射网络84

4.5.1 科荷伦网络拓扑结构85

4.5.2 网络的训练过程86

4.5.3 科荷伦网络的应用87

第5章 神经网络在智能控制系统中的应用90

5.1 直接正向模型建立90

5.2 逆模型建立91

5.3 系统中的控制92

5.3.1 监督式控制92

5.3.2 直接逆控制93

5.4 BP网络结构、参数及训练方法的设计与选择93

5.4.1 BP网络的设计94

5.4.2 采用自适应学习速率与固定学习速率的比较98

5.4.3 改进算法的性能比较99

5.5 具有PID特性的神经网络非线性自适应控制100

5.5.1 NLPIDC的结构101

5.5.2 NLPIDC的输入／输出关系101

5.5.3 NLPIDC的权值调整公式102

5.5.4 NLPIDC闭环控制系统的稳定性分析103

5.5.5 NLPIDC的实时在线控制策略步骤105

5.5.6 基于ADAMS和Matlab的三级倒立摆镇定控制仿真平台106

5.6.7 NLPIDC在三级倒立摆镇定控制中的应用108

第6章 模糊理论基础110

6.1 基本概念与术语110

6.2 模糊集合及其隶属函数113

6.2.1 模糊集合的定义113

6.2.2 模糊集合的表示方法114

6.2.3 模糊集合的并、交、补运算115

6.2.4 模糊集合的隶属函数115

6.3 模糊逻辑117

6.3.1 二值逻辑、多值逻辑和模糊逻辑117

6.3.2 模糊逻辑的基本运算117

6.3.3 模糊关系和模糊矩阵119

6.3.4 模糊语言及其算子122

6.4 模糊规则与模糊推理125

6.4.1 模糊“如果-那么”规则125

6.4.2 模糊逻辑推理126

第7章 模糊控制器的设计方法133

7.1 精确与模糊控制的事例133

7.1.1 采用精确的非模糊求解方法133

7.1.2 模糊方法136

7.2 模糊逻辑控制过程137

7.3 输入变量和输出变量的确定138

7.4 论域的确定139

7.5 确定模糊化和解模糊化方法140

7.5.1 模糊化方法141

7.5.2 解模糊判决方法143

7.6 模糊控制规则144

7.7 模糊逻辑推理146

7.7.1 合成模糊推理法146

7.7.2 结论是线性函数的模糊推理方法155

7.8 量化因子及比例因子的选择156

第8章 模糊控制系统的应用158

8.1 速度模糊控制器的设计159

8.2 三种控制器的设计与性能比较162

8.2.1 控制算法的描述163

8.2.2 结果的对比165

8.3 变参数双模糊控制器166

8.3.1 变参数双模糊控制器167

8.3.2 仿真实验验证169

8.3.3 小结170

第9章 模糊神经网络172

9.1 引言172

9.2 模糊系统的关系式173

9.3 采用神经网络直接实现的模糊系统174

9.4 Sugeno模糊推理法175

9.5 B样条模糊神经网络176

9.5.1 B样条函数及其网络176

9.5.2 B样条模糊神经网络控制器的设计179

9.6 径向基函数神经网络180

9.7 小结182

第10章 模糊神经系统的应用183

10.1 基于ANFIS的非线性电机系统的建模183

10.1.1 .ANFIS的结构183

10.1.2 混合学习算法184

10.1.3 基于ANFIS的非线性电机系统建模185

10.1.4 辨识模型的验证186

10.2 神经模糊建模平台的设计与应用189

10.2.1 建模方法的选择189

10.2.2 模型输入变量个数的辨识190

10.2.3 模糊规则个数的辨识191

10.2.4 实际建模中需要考虑的几个问题191

10.2.5 其他功能192

10.2.6 应用实例193

第11章 进化算法197

11.1 标准遗传算法198

11.1.1 遗传算法的基本特点198

11.1.2 遗传算法的基本操作199

11.1.3 遗传算法的设计步骤201

11.1.4 遗传算法的实质203

11.1.5 小结203

11.2 进化算法的分析及其性能对比204

11.2.1 进化算法基本原理204

11.2.2 遗传算法204

11.2.3 遗传编程205

11.2.4 进化策略206

11.2.5 进化规划206

11.3 进化算法的性能对比207

11.3.1 编码策略207

11.3.2 选择方法208

11.3.3 遗传算子209

11.4 遗传编程中一种改进的GROW算法211

11.4.1 改进的GROW方法212

11.4.2 多样性的量度213

11.4.3 回归实验213

11.4.4 实验结果及分析214

第12章 进化算法的应用217

12.1 模糊神经网络和遗传算法相结合的控制策略217

12.2 基于遗传算法和单纯形法的直流电机参数辨识223

12.2.1 直流电机非线性模型及其待辨识参数223

12.2.2 基于遗传算法和单纯形法的非线性系统参数辨识224

12.2.3 系统参数辨识及其结果验证226

12.2.4 小结229

第13章 智能优化算法及其应用230

13.1 基于感知范围的鱼群优化算法230

13.1.1 标准人工鱼群算法230

13.1.2 生物系统中的鱼群模型231

13.1.3 新鱼群算法描述232

13.1.4 新鱼群算法的实施步骤233

13.1.5 测试函数的对比实验及其结果分析233

13.1.6 作用力权重因子的线性变化策略235

13.1.7 小结236

13.2 人工免疫算法237

13.2.1 基于相似性矢量距的选择概率计算方法237

13.2.2 一种改进的抗体相似性及抗体浓度表示方法239

13.2.3 免疫疫苗的引入及算法求解旅行商问题步骤240

13.2.4 改进算法求解TSP问题基本步骤241

13.2.5 对比实验及其结果分析242

13.2.6 小结243

13.3 不同蚁群优化算法在CTSP中的性能对比244

13.3.1 蚁群优化算法的框架244

13.3.2 CTSP关于蚁群优化算法的描述245

13.3.3 蚂蚁系统245

13.3.4 精华蚂蚁系统246

13.3.5 基于排列的蚂蚁系统247

13.3.6 最大-最小蚂蚁系统248

13.3.7 蚁群系统248

13.3.8 5种ACO算法的CTSP实验及其结果分析249

13.3.9 小结252

13.4 基于进化策略与蚁群算法的融合算法求解旅行商问题252

13.4.1 进化策略求解TSP问题252

13.4.2 蚁群算法求解TSP问题的基本描述253

13.4.3 进化策略与最大-最小蚂蚁算法的融合254

13.4.4 中国31个省会城市TSP问题的求解255

13.5 粒子群与模拟退火的混合算法求解TSP问题258

13.5.1 基本粒子群算法258

13.5.2 带有突变的粒子群优化算法260

13.5.3 模拟退火算法261

13.5.4 粒子群与模拟退火混合算法261

13.5.5 混合算法求解中国旅行商问题实验及其结果分析263

13.5.6 小结264

参考文献265