智能控制原理與應用

第一章　智能控制概論
1.1　智能控制的產生與發(fā)展
1.1.1　自動控制的機遇與挑戰(zhàn)
1.1.2　智能控制的發(fā)展和作用
1.2　智能控制的定義、特點、一般結構與分類
　　1.2.1　智能控制的定義、特點與評價準則
　　1.2.2　智能控制系統(tǒng)的分類
　1.3　智能控制和學科結構體系　
　　1.3.1　二元交集結構理論
　　1.3.2　三元交集結構理論
　　1.3.3　四元交集結構理論
1.4 本書概要
　習題
　參考文獻
第2章　遞階控制系統(tǒng)
　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定義
　　2.1.3　IPDI原理解析公式
　2.2　遞階智能控制系統(tǒng)的原理與結構
　　2.2.1　組織級原理與結構
　　2.2.2　協(xié)調級原理與結構
　　2.2.3　執(zhí)行級原理與結構
　2.3　遞階智能控制的控制與決策模型
　　2.3.1　組織級的控制與決策模型
　　2.3.2　協(xié)調級的控制與決策模型
　　2.3.3　執(zhí)行級的控制與決策模型
　2.4　遞階智能控制系統(tǒng)舉例
　　2.4.1　汽車自主駕駛系統(tǒng)的組成
　　2.4.2　汽車自主駕駛系統(tǒng)的遞階結構
　　2.4.3　自主駕駛系統(tǒng)的結構與控制算法
　　2.4.4　自主駕駛系統(tǒng)的試驗結果
　2.5　集散遞階智能控制系統(tǒng)
　　2.5.1　集散遞階智能控制系統(tǒng)的工作原理
　　2.5.2　集散遞階智能控制系統(tǒng)示例
　2.6　小結
　習題
　參考文獻
第3章　專家控制系統(tǒng)
　3.1　專家系統(tǒng)的基本概念
　　3.1.1　專家系統(tǒng)的定義與一般結構
　　3.1.2　專家系統(tǒng)的建造步驟
　3.2　專家系統(tǒng)的主要類型及其結構
　　3.2.1　基于規(guī)則的專家系統(tǒng)
　　3.2.2　基于框架的專家系統(tǒng)
　　3.2.3　基于模型的專家系統(tǒng)
　3.3　專家系統(tǒng)的知識表示與推理
　　3.3.1　知識表示
　　3.3.2　知識獲取
　　3.3.3　知識推理
　　3.3.4　不確定性推理
　　3.3.5　基于規(guī)則的推理系統(tǒng)
　3.4　專家控制系統(tǒng)的結構與類型
　　3.4.1　專家控制系統(tǒng)的控制要求與設計原則
　　3.4.2　專家控制系統(tǒng)的結構
　　3.4.3　專家控制系統(tǒng)的類型
　3.5　專家控制系統(tǒng)的規(guī)模
　　3.5.1　受控對象模型
　　3.5.2　專家控制器的模型
　　3.5.3　專家控制系統(tǒng)模型
　3.6　專家控制器的設計
　3.7　專家控制系統(tǒng)應用舉例
　　3.7.1　實時控制系統(tǒng)的特點與要求
　　3.7.2　高爐監(jiān)控專家系統(tǒng)
　3.8　小結
　習題
　參考文獻
第4章　模糊控制系統(tǒng)
　4.1　模糊數(shù)學基礎
　　4.1.1　模糊集合、模糊邏輯及其運算
　　4.1.2　模糊邏輯推理
　　4.1.3　模糊判決方法
　4.2　模糊控制原理與結構
　　4.2.1　模糊控制原理
　　4.2.2　模糊控制系統(tǒng)的工作原理
　4.3　模糊控制器的設計內容
　　4.3.1　模糊控制器的設計內容與原理
　　4.3.2　模糊控制器的控制規(guī)則形式
　4.4　模糊控制與系統(tǒng)設計的查表法
　　4.4.1　模糊系統(tǒng)設計的查表法
　　4.4.2　模糊系統(tǒng)設計的梯度下降法
　　4.4.3　模糊控制系統(tǒng)設計的遞推最小二乘法
　　4.4.4　模糊系統(tǒng)設計的聚類法
　4.5　模糊控制器的設計實例與實現(xiàn)
　　4.5.1　造紙機模糊控制系統(tǒng)的設計與實現(xiàn)
　　4.5.2　直流調速系統(tǒng)模糊控制器的設計
　4.6　模糊控制系統(tǒng)的特性
　　4.6.1　模糊控制器的靜態(tài)特性
　　4.6.2　模糊控制系統(tǒng)的穩(wěn)定性
　　4.6.3　模糊控制系統(tǒng)的可控性
　　4.6.4　模糊控制系統(tǒng)的魯棒性
　4.7　小結
　習題
　參考文獻
第5章
　5.1　人工神經網絡概述
　　5.1.1　神經元及其特性
　　5.1.2　神經網絡與智能控制　
　　5.1.3　人工神經網絡的基本類型和學習算法
　　5.1.4　人工神經網絡的典型模型
　　5.1.5　基于神經網絡的知識表示與推理
　5.2　神經控制的結構方案
　　5.2.1　NN學習控制
　　5.2.2　NN直接逆?？刂婆c內?？刂?br />　　5.2.3　NN自適應控制
　　5.2.4　NN預測控制
　　5.2.5　基于CAMC的控制
　　5.2.6　多層NN控制和分級NN控制
　5.3　神經控制器的設計與實現(xiàn)
　　5.3.1　石灰窯爐神經內?？刂葡到y(tǒng)的設計
　　5.3.2　神經模糊自適應控制器的設計
　　5.3.3　神經控制系統(tǒng)應用舉例
　5.4　神經控制與系統(tǒng)穩(wěn)定性
　　5.4.1　神經控制器的穩(wěn)定性證明
　　5.4.2　一個穩(wěn)定的神經控制器
　5.5　小結
　習題
　參考文獻
第6章　學習控制概述
　6.1　學習控制概述
　　6.1.1　學習控制的定義與研究意義
　　6.1.2　學習控制的發(fā)展及其與自適應控制的關系
　　6.1.3　控制律映射及對學習控制的要求
　6.2　學習控制方案
　　6.2.1　基于模式識別的學習控制
　　6.2.2　迭代學習控制
　　6.2.3　重復學習控制
　　6.2.4　基于神經網絡的學習控制
　6.3　學習控制系統(tǒng)的建模與特性分析
　　6.3.1　學習控制系統(tǒng)的建模
　　6.3.2　學習控制系統(tǒng)的穩(wěn)定性和收斂性分析
　　6.3.3學習系統(tǒng)的性能反饋
　6.4　學習控制系統(tǒng)應用舉例
　　6.4.1　無縫鋼管張力減徑過程壁厚控制迭代學習控制算法
　　6.4.2　鋼管壁厚迭代學習控制的仿真及應用結果
　6.5　小結
　習題
　參考文獻
第7章　仿人控制基本原理與原型算法
　7.1　仿人控制的基本原理與原型算法
　　7.1.1　仿人控制的基本原理
　　7.1.2　仿人控制的原型算法和智能屬性
　7.2　仿人控制的遞階結構
　　7.2.1　人體運動控制的遞階結構
　　7.2.2　產生式系統(tǒng)的組成與推理
　　7.2.3　仿人智能控制的高階遞階結構
　7.3　仿人控制的特征模型和決策模態(tài)
　……
第8章　基于多真體系統(tǒng)（MAS）的控制
第9章　進化控制與免疫控制、
第10章　基于Web的控制
第11章　智能復合控制
第12章　智能控制的展望