智慧型控制理論與技術（第2版）

《智慧型控制理論與技術（第2版）》是2011年出版的圖書，作者是孫增圻。

基本介紹

• 書名：智慧型控制理論與技術（第2版）
• 作者：孫增圻等
• ISBN：9787302243939
• 定價：45元
• 出版時間：2011-8-29
• 裝幀：平裝

圖書簡介：

本書系統地介紹了模糊控制、神經網路控制、專家控制、學習控制、分層遞階控制及智慧型最佳化方法等內容,每部分既自成體系，又互相聯繫,它們共同構成了智慧型控制理論和技術的主要內容。本書取材新穎，內容豐富，彌補了當前智慧型控制缺乏系統性資料的不足。

本書可作為信息、自動化及計算機套用等專業的本科生及研究生的教材及參考書，也可供有關教師和科技工作者學習參考。

目錄

第1章 緒論1

1.1 智慧型控制的基本概念1

1.1.1 智慧型控制的研究對象1

1.1.2 智慧型控制系統2

1.1.3 智慧型控制系統的基本結構2

1.1.4 智慧型控制系統的主要功能特點3

1.1.5 智慧型控制研究的數學工具4

1.2 智慧型控制的發展概況4

1.3 智慧型控制理論10

第2章 模糊邏輯控制15

2.1 概述15

2.1.1 模糊控制與智慧型控制15

2.1.2 模糊集合與模糊數學的概念15

2.1.3 模糊控制的發展和套用概況16

2.2 模糊集合及其運算18

2.2.1 模糊集合的定義及表示方法18

2.2.2 模糊集合的基本運算21

2.2.3 模糊集合運算的基本性質22

2.2.4 模糊集合的其他類型運算23

2.3 模糊關係24

2.3.1 模糊關係的定義及表示24

2.3.2 模糊關係的合成25

2.4 模糊邏輯與近似推理27

2.4.1 語言變數27

2.4.2 模糊蘊含關係28

2.4.3 近似推理29

2.4.4 句子連線關係的邏輯運算32

2.5 基於規則庫的模糊推理33

2.5.1MIMO模糊規則庫的化簡33

2.5.2 模糊推理的一般步驟33

2.5.3 論域為離散時模糊推理計算舉例34

2.5.4 模糊推理的性質36

2.5.5 模糊控制中常見的兩種模糊推理模型41

2.6 基於Mamdani模型的模糊控制42

2.6.1 模糊控制器的基本結構和組成42

2.6.2 模糊控制的離線計算50

2.6.3 模糊控制的線上計算54

2.6.4 模糊控制系統的分析和設計55

2.7 基於T-S模型的模糊控制67

2.7.1T-S模糊模型的表示68

2.7.2T-S模糊模型的建模71

2.7.3 基於模糊狀態方程模型的系統穩定性分析75

2.7.4 基於模糊狀態方程模型的平滑控制器設計79

2.7.5 基於模糊狀態方程模型的切換控制器設計92

2.8 自適應模糊控制107

2.8.1 基於性能反饋的直接自適應模糊控制108

2.8.2 基於模糊模型求逆的間接自適應模糊控制113

目錄智慧型控制理論與技術(第2版)第3章 神經網路控制123

3.1 概述123

3.1.1 神經元模型123

3.1.2 人工神經網路131

3.1.3 生物神經網路系統與計算機處理信息的比較132

3.1.4 神經網路的發展概況133

3.2 前饋神經網路134

3.2.1 感知器網路134

3.2.2BP網路137

3.2.3BP網路學習算法的改進139

3.2.4 神經網路的訓練140

3.3 反饋神經網路144

3.3.1 離散Hopfield網路144

3.3.2 連續Hopfield網路153

3.3.3Boltzmann機157

3.4 局部逼近神經網路160

3.4.1CMAC神經網路161

3.4.2B樣條神經網路166

3.4.3 徑向基函式神經網路170

3.5 模糊神經網路171

3.5.1 基於Mamdani模型的模糊神經網路171

3.5.2 基於T-S模型的模糊神經網路177

3.6 遞歸神經網路182

3.6.1 引言182

3.6.2Elman網路183

3.6.3ESN網路187

3.6.4SHESN網路190

3.7 基於神經網路的系統建模與辨識201

3.7.1 概述201

3.7.2 逼近理論與網路建模202

3.7.3 利用多層靜態網路的系統辨識206

3.7.4 利用動態網路的系統辨識209

3.7.5 利用模糊神經網路的系統辨識209

3.8 神經網路控制212

3.8.1 概述212

3.8.2 神經網路控制結構213

3.8.3 基於全局逼近神經網路的控制219

3.8.4 基於局部逼近神經網路的控制223

3.8.5 模糊神經網路控制226

3.8.6 有待解決的問題233

3.9 神經網路在機器人控制中的套用233

3.9.1 神經網路運動學控制234

3.9.2 神經網路動力學控制238

3.9.3 神經網路路徑規劃242

第4章 專家控制252

4.1 概述252

4.1.1 專家控制的由來252

4.1.2 專家系統252

4.1.3 專家控制的研究狀況和分類255

4.2 專家控制的基本原理257

4.2.1 專家控制的功能目標257

4.2.2 控制作用的實現258

4.2.3 設計規範和運行機制260

4.3 專家控制系統的典型結構262

4.3.1 系統結構262

4.3.2 系統實現267

4.4 專家控制的示例269

4.4.1 自動調整過程269

4.4.2 自動調整過程的實現274

4.5 專家控制技術的研究課題275

4.5.1 實時推理275

4.5.2 知識獲取277

4.5.3 專家控制系統的穩定性分析281

4.6 一種仿人智慧型控制284

4.6.1 概念和定義285

4.6.2 原理和結構286

4.6.3 仿人智慧型控制的特點289

第5章 學習控制290

5.1 概述290

5.1.1 學習控制問題的提出290

5.1.2 學習控制的表述291

5.1.3 學習控制與自適應控制292

5.1.4 學習控制的研究狀況和分類292

5.2 基於模式識別的學習控制294

5.2.1 學習控制系統的一般形式294

5.2.2 模式分類296

5.2.3 可訓練控制器298

5.2.4 線性再勵學習控制299

5.2.5Bayes學習控制300

5.2.6 基於模式識別的其他學習控制方法302

5.2.7 研究課題304

5.3 基於疊代和重複的學習控制305

5.3.1 疊代和重複自學習控制的基本原理305

5.3.2 異步自學習控制308

5.3.3 異步自學習控制時域法311

5.3.4 異步自學習控制頻域法315

5.4 聯結主義學習控制319

5.4.1 基本思想320

5.4.2 聯結主義學習系統的實現原理322

5.4.3 聯結主義學習控制系統的結構328

5.4.4 研究課題330

第6章 分層遞階智慧型控制331

6.1 一般結構原理331

6.2 組織級333

6.3 協調級336

6.3.1 協調級的原理結構336

6.3.2 Petri網轉換器338

6.3.3 協調級的Petri網結構339

6.3.4 協調級結構的決策和學習341

6.4 執行級344

第7章 智慧型最佳化方法346

7.1 概述346

7.2 遺傳算法347

7.2.1 引言347

7.2.2 遺傳算法的工作原理及操作步驟349

7.2.3 遺傳算法的實現及改進355

7.2.4 遺傳算法套用舉例361

7.2.5 遺傳算法中的聯結關係371

7.3 粒子群最佳化算法380

7.3.1 引言380

7.3.2 粒子群最佳化算法簡介380

7.3.3 粒子群最佳化算法套用舉例386

7.4 蟻群最佳化算法387

7.4.1 引言387

7.4.2 蟻群最佳化算法簡介388

7.4.3 蟻群最佳化算法套用舉例398

7.5 人工免疫算法399

7.5.1 引言399

7.5.2 人工免疫系統(AIS)402

7.6 分布估計算法410

7.6.1 引言410

7.6.2 一個簡單的分布估計算法411

7.6.3 基於不同機率圖模型的分布估計算法412

7.6.4 基於聯結關係檢測的分布估計算法415

7.6.5 連續域的分布估計算法417

7.6.6 基於機率模型的其他相關算法422

7.6.7 分布估計算法進一步需要研究的問題422

參考文獻425