智能控制2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能控制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 智能控制引论1

1.1自动控制的基本问题1

1.1.1什么是自动控制1

1.1.2为什么需要自动控制2

1.1.3对自动控制的基本要求2

1.1.4为什么控制难以实现快稳准2

1.2自动控制的基本原理3

1.2.1维纳控制论的创立3

1.2.2自动控制的精髓——反馈3

1.2.3反馈在闭环控制中的作用4

1.2.4反馈控制的基本模式4

1.3控制理论发展的三阶段论5

13.1经典控制理论5

1.3.2现代控制理论6

1.3.3智能控制理论7

1.3.4控制理论发展的三个阶段8

1.4智能控制理论引论10

1.4.1智能控制的基本概念10

1.4.2智能控制的学科交叉12

1.4.3智能控制的基本原理13

1.4.4智能控制的基本功能13

1.4.5智能控制的基本要素14

1.4.6智能控制系统的结构14

1.4.7智能控制的基本类型16

第2章 模糊控制19

2.1模糊控制概述19

2.1.1模糊控制的基本概念19

2.1.2模糊控制的创立与发展20

2.1.3模糊控制器的基本形式20

2.2模糊逻辑推理基础21

2.2.1经典集合与二值逻辑21

2.2.2模糊集合与模糊概念22

2.2.3模糊集合的表示及其运算23

2.2.4模糊矩阵28

2.2.5模糊关系31

2.2.6模糊逻辑推理33

2.2.7模糊系统的万能逼近理论37

2.3模糊控制的基本原理38

2.3.1模糊控制系统的组成39

2.3.2模糊控制的工作原理39

2.4经典模糊控制器的设计46

2.4.1模糊控制器的结构设计46

2.4.2模糊控制规则的设计46

2.4.3 Mamdani模糊推理方法50

2.4.4精确量的模糊化及量化因子51

2.4.5模糊量的清晰化及比例因子52

2.5查表式模糊控制器的设计53

2.5.1二维模糊控制器的推理方法53

2.5.2查表式模糊控制器设计举例53

2.6解析式模糊控制器及其规则自调整58

2.7 T-S型模糊控制器的设计59

2.7.1 T-S模糊模型59

2.7.2基于T-S模型的模糊推理59

2.7.3 T-S型模糊控制器的设计61

2.8模糊系统辨识63

2.8.1基于模糊关系模型的系统描述63

2.8.2基于模糊关系模型的系统辨识方法64

2.8.3基于模糊关系模型的自适应模糊建模66

2.8.4基于T-S模型的模糊系统辨识68

2.9自适应模糊控制72

2.9.1自适应控制的基本概念72

2.9.2自适应模糊控制的基本原理73

2.9.3模型参考自适应模糊控制74

2.9.4自校正模糊控制75

第3章 神经控制77

3.1神经网络系统基础77

3.1.1神经网络研究概述77

3.1.2神经细胞结构与功能78

3.1.3人工神经元模型80

3.1.4神经网络的特点80

3.1.5神经网络结构与模型82

3.1.6神经网络训练与学习84

3.1.7神经网络的学习规则85

3.2控制中常用的神经网络模型88

3.2.1感知器88

3.2.2前向神经网络88

3.2.3径向基神经网络91

3.2.4反馈神经网络93

3.2.5 Elman神经网络95

3.2.6小脑模型神经网络96

3.2.7大脑模型神经网络98

3.2.8 Boltzmann神经网络101

3.2.9模糊神经网络102

3.2.10其他类型神经网络103

3.3基于神经网络的系统辨识104

3.3.1神经网络的逼近能力104

3.3.2神经网络系统辨识的原理105

3.3.3基于BP网络的非线性系统模型辨识108

3.4基于神经网络的智能控制110

3.4.1神经控制的基本原理110

3.4.2基于神经网络的智能控制111

3.4.3基于传统控制理论的神经控制113

3.4.4神经网络直接反馈控制115

3.4.5神经网络模型参考自适应控制119

3.4.6神经网络自校正控制120

3.4.7神经网络内模控制121

3.4.8神经元自适应PID控制123

3.4.9神经元自适应PSD控制127

3.4.10基于神经网络的模糊逻辑控制129

3.4.11基于模糊神经网络的自组织控制139

第4章 专家控制与仿人智能控制146

4.1专家系统基础146

4.1.1专家系统概述146

4.1.2专家系统的结构原理147

4.2专家控制系统148

4.2.1专家控制系统的特点148

4.2.2专家控制系统的结构149

4.2.3专家控制系统的原理150

4.2.4实时过程控制专家系统举例151

4.3专家控制器152

4.3.1专家控制器的结构152

4.3.2一种工业过程专家控制器设计153

4.4仿人智能控制154

4.4.1常规PID控制剖析154

4.4.2仿人智能控制的基本思想155

4.4.3系统动态行为特征识别156

4.4.4仿人智能控制原理159

4.5仿人智能控制的多种模式159

4.5.1仿人智能积分控制160

4.5.2仿人智能采样控制162

4.5.3仿人极值采样智能控制165

第5章 递阶智能控制与学习控制167

5.1大系统控制的递阶结构167

5.1.1大系统控制的基本形式167

5.1.2大系统控制的递阶结构168

5.2递阶控制的基本原理169

5.2.1协调169

5.2.2协调的基本原则170

5.3递阶智能控制的原理170

5.3.1递阶智能控制的结构170

5.3.2递阶智能控制的原理171

5.4蒸汽锅炉的模糊递阶控制173

5.5学习控制系统175

5.5.1学习控制系统175

5.5.2迭代学习控制176

5.5.3重复学习控制178

5.5.4其他学习控制形式179

5.6基于规则的自学习控制系统180

5.6.1产生式自学习控制181

5.6.2基于规则的自学习模糊控制算法182

第6章 基于多智能体的智能控制185

6.1多智能体系统基础185

6.1.1智能体的基本概念185

6.1.2 Agent的分类186

6.1.3多智能体系统188

6.2基于多智能体的控制系统189

6.2.1多智能体控制系统的结构189

6.2.2多智能体控制系统的设计191

6.3多智能体在模糊控制器设计中的应用192

6.3.1多Agent倒立摆模糊控制系统193

6.3.2系统内Agent功能设计193

6.3.3 Agent间的协作策略195

6.3.4仿真结果及结论196

第7章 基于智能优化的智能控制198

7.1智能优化控制系统198

7.2智能优化方法199

7.2.1智能优化算法的主要形式199

7.2.2智能优化的复杂适应系统理论基础201

7.2.3智能优化的快速算法202

7.3基于RBF神经网络优化的模糊制导律203

7.3.1 RBF网络的学习算法203

7.3.2 RBF网络优化α的公式推导204

7.3.3仿真结果205

7.4基于免疫克隆优化的模糊神经控制器205

7.4.1基本的免疫克隆算法205

7.4.2改进的免疫克隆选择算法流程206

7.4.3基于免疫克隆算法优化的模糊神经控制器设计207

7.4.4仿真结果及结论208

7.5控制参数组合优化的模糊控制器209

7.5.1递推调整规则的解析描述规则法209

7.5.2解析描述规则法的性能分析210

7.5.3时变修正函数及控制量的表达式211

7.5.4模糊控制器参数的组合优化212

7.5.5仿真结果及结论213

第8章 智能控制的工程应用实例215

8.1倒立摆的FUZZY-PD复合控制215

8.1.1单级倒立摆的数学模型215

8.1.2 FUZZY-PD复合控制器的设计216

8.1.3两种控制器性能的仿真比较219

8.1.4倒立摆控制的实测曲线219

8.1.5结论220

8.2锅炉过热气温的自适应模糊神经网络控制220

8.2.1自适应神经模糊推理系统220

8.2.2自适应模糊神经控制器设计222

8.2.3现场实际应用结果224

8.3仿人智能温度控制器在加热炉中的应用225

8.3.1概述225

8.3.2仿人智能温度控制算法225

8.3.3实际应用性能对比及结论227

8.4仿生手臂的递阶智能控制228

8.4.1概述228

8.4.2自组织控制级229

8.4.3控制协调级230

8.4.4智能组织级231

8.5位置伺服系统的模糊学习控制231

8.5.1模糊学习控制器的设计231

8.5.2学习控制律对模糊控制规则的修正233

8.5.3双拇指手爪单关节的模糊学习位置伺服控制实验系统234

8.6基于多智能体的交通协调控制234

8.6.1交通流模型235

8.6.2多智能体控制结构237

8.6.3交通流优化控制238

8.6.4实例分析241

8.6.5结论242

参考文献243