本書系統地介紹智能控制的基本內容,全書共6章,主要包括智能控制概述、模糊邏輯理論基礎、模糊控制、神經網絡原理、神經網絡控制、遺傳算法、粒子群算法、量子進化算法,以及智能控制的Matlab仿真程序設計,并給出了智能控制的應用實例。
1.突出智能控制基本概念和Maltalb仿真應用技術及其實現方法,將實驗融于教學。
2.作者是教育部"自動控制原理"教學團隊主要成員.
3.長期從事智能控制與模式識別的研究與教學工作.
4.《智能控制》課件獲江蘇省第二屆多媒體教學課件競賽二等獎。
王從慶:南京航空航天大學自動化學院教授。長期從事智能控制與模式識別的研究與教學工作,培養碩士研究生50余名,承擔并完成國家自然科學基金、江蘇省科技支撐項目等多項科研項目,分別在科學出版社和哈爾濱工業大學出版社出版“十五”研究生規劃教材《智能控制與應用》(姜長生、王從慶、陳謀、魏海坤編著)和《現代魯棒控制基礎》(姜長生、吳慶憲、陳文華、王從慶編著),發表學術論文60余篇,申請國家專利6項,已授權2項,軟件著作登記3件,獲得省部級獎2項。在科學出版社出版《現代控制控制理論》電子版輔助教材一套,《智能控制》課件獲江蘇省第二屆多媒體教學課件競賽二等獎。 承擔本科生《智能控制》主講教師、碩士研究生和博士研究生《智能控制理論與應用》主講教師,是教育部自動控制原理教學團隊主要成員。
第1章緒論
1.1智能控制的提出和發展
1.2智能控制的基本概念
1.2.1智能控制的理論框架
1.2.2 智能控制的定義
1.3智能控制的主要形式
1.4智能控制系統的研究對象
1.5智能控制系統的主要功能特點
1.6智能控制研究的數學工具
1.7 智能控制的應用
習題
第2章 模糊邏輯理論基礎
2.1普通集合理論
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、全集概念
2.1.4集合的運算及運算性質
2.1.5 集合的直積
2.1.6 映射與關系
2.2 模糊集合
2.2.1模糊子集的定義及表示
2.2.2模糊集合的表示方法
2.2.3模糊子集的基本運算及其性質
2.3 水平截集
2.3.1 水平截集的定義及性質
2.4 分解定理和擴張原理
2.4.1分解定理
2.4.2擴張原理
2.5 隸屬函數的確定方法
2.5.1確定隸屬函數的方法
2.5.2 常見的隸屬函數
2.6 模糊關系與模糊矩陣
2.6.1 模糊關系的定義及表示方法
2.6.2 模糊矩陣
2.6.3 模糊矩陣的合成運算及性質
2.6.4模糊向量
2.7 模糊邏輯與模糊推理
2.7.1 模糊邏輯
2.7.2模糊語言
2.7.3 模糊語言變量
2.7.4 模糊推理語句
2.8 模糊推理方法
2.8.1似然推理
2.8.2幾種模糊推理方法
2.8.3多輸入多規則模糊推理方法
2.8.4單點輸入模糊推理方法
2.8.5 Tsukamoto模糊推理方法
2.8.6 Sugeno模糊推理方法
習題
第3章 模糊控制
3.1 模糊控制系統
3.1.1模糊控制系統的組成
3.1.2模糊控制系統的基本原理
3.2 模糊控制器的設計
3.2.1模糊控制器結構
3.2.2模糊控制規則
3.2.3 精確量和模糊量的相互轉換
3.2.4論域、量化因子、比例因子的選擇
3.2.5一個簡單的模糊控制器的設計
3.3 模糊控制查詢表
3.3.1 模糊控制查詢表設計方法
3.3.2模糊控制算法的計算機實現
3.4 PID模糊控制器
3.4.1 PID控制原理
3.4.2 模糊自適應整定PID控制器設計
3.5模糊控制的應用實例
3.5.1機械臂的模糊控制
3.6模糊控制系統Matlab設計
3.6.1 隸屬函數與模糊控制規則設計
3.6.2 基于Simulink的模糊控制系統設計
習題
第4章 神經網絡原理
4.1引言
4.2基本概念
4.3 感知器
4.4 BP神經網絡
4.4.1 BP神經網絡原理
4.4.2 BP神經網絡學習算法
4.4.3 BP神經網絡的MATLAB程序設計
4.5 RBF神經網絡
4.6 Hopfield 神經網絡
4.6.1離散型Hopfield神經網絡
4.6.2連續型Hopfield神經網絡
4.7 支持向量機網絡
4.7.1線性支持向量機
4.7.2支持向量機的高維映射
4.7.3支持向量機回歸
習題
第5章 神經網絡控制
5.1 神經網絡控制結構
5.2 神經網絡自校正控制
5.3 神經網絡PID控制
5.4 神經網絡參考模型自適應控制的Matlab仿真
5.5 基于SVM非線性估計的空間機械臂自適應滑模控制
習題
第6章 計算智能
6.1遺傳算法
6.1.1遺傳算法的基本原理
6.1.2遺傳算法的實現過程
6.1.3遺傳算法的實現方法
6.1.4遺傳算法的模式定理
6.1.5遺傳算法的應用
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點
6.2.5 算例
6.3 量子進化算法
6.3.1量子進化算法
6.3.2量子進化算法原理
6.3.3量子進化算法設計
6.3.4量子進化算法在蘋果糖度漫透射近紅外光譜分析中的應用
習題
參考文獻