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

智能控制技术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

第一章 智能控制概述1

1.1智能控制的基本概念1

1.1.1什么是智能控制1

1.1.2智能控制的研究对象2

1.2智能控制系统的特征和性能2

1.2.1智能控制系统的一般结构2

1.2.2智能控制系统的主要功能特征3

1.2.3智能控制系统的特征模型3

1.3智能控制系统的类型5

1.4智能控制的发展概况9

1.5小结10

习题10

第二章 智能控制的知识工程基础11

2.1知识的基本概念11

2.1.1什么是知识11

2.1.2知识的分类12

2.2知识的表示12

2.2.1一阶谓词表示法13

2.2.2时序逻辑表示法15

2.2.3产生式表示法16

2.2.4语义网络知识表示法16

2.2.5框架知识表示法19

2.2.6 Petri网知识表示法23

2.2.7定性模型知识表示法26

2.2.8可视知识模型29

2.3知识的获取30

2.3.1非自动知识获取30

2.3.2自动知识获取31

2.4知识的处理35

2.4.1推理的方式与分类35

2.4.2推理控制策略37

2.4.3状态空间的搜索策略40

2.5小结49

习题51

第三章 分级递阶智能控制52

3.1递阶控制的一般原理52

3.1.1大系统递阶结构的描述52

3.1.2递阶控制的一般原理53

3.2分级递阶智能控制53

3.2.1分级递阶智能控制系统的结构53

3.2.2分级递阶智能控制原理54

3.3小结59

习题59

第四章 遗传算法60

4.1什么是遗传算法60

4.1.1遗传算法的生物遗传学基础60

4.1.2遗传算法的特点61

4.1.3遗传算法的基本操作62

4.2遗传算法的理论基础66

4.2.1遗传算法的模式理论66

4.2.2遗传算法实现中的一些基本问题72

4.3基于遗传的机器学习系统75

4.3.1分类器系统的结构75

4.3.2规则信息系统77

4.3.3信任分配系统77

4.3.4机器学习中的遗传算法78

4.4遗传算法的计算机实现79

4.5基于遗传算法的系统在线辨识90

4.5.1遗传算法在参数辨识中的应用91

4.5.2遗传算法参数辨识仿真示例92

4.6小结93

习题94

第五章 神经网络控制95

5.1神经网络的基本概念95

5.1.1生物神经元模型95

5.1.2人工神经元模型96

5.1.3人工神经网络模型98

5.1.4神经网络的学习方法99

5.2前向网络及其主要算法102

5.2.1感知器102

5.2.2 BP网络103

5.2.3 RBF网络108

5.3反馈网络108

5.3.1 Hopfield网络108

5.3.2 Boltzmann机网络112

5.3.3自组织特征映射网络（Kohonen网络）114

5.4神经网络模型辨识115

5.4.1正向建模115

5.4.2逆模型118

5.5神经元自适应PID控制120

5.5.1神经控制的基本思想120

5.5.2单神经元自适应PID控制120

5.6神经元自适应PSD控制123

5.6.1自适应PSD控制算法123

5.6.2单神经元自适应PSD控制124

5.7神经网络内模控制126

5.7.1内模控制126

5.7.2神经网络内模控制127

5.8神经网络自适应控制127

5.8.1神经网络自校正控制128

5.8.2神经网络模型参考控制129

5.9神经网络PID控制130

5.9.1基于BP神经网络KP，KI，KD参数自学习PID控制器130

5.9.2改进型BP神经网络KP，KI，KD参数自学习PID控制器133

5.10小结137

习题138

第六章 模糊控制的数学基础139

6.1概述139

6.1.1模糊概念139

6.1.2模糊性与随机性140

6.2模糊集合141

6.2.1普通集合141

6.2.2模糊集合143

6.2.3模糊集合与普通集合的联系148

6.3模糊关系与模糊关系合成150

6.3.1模糊关系的基本概念150

6.3.2模糊关系合成153

6.3.3模糊关系的性质154

6.3.4模糊变换155

6.4模糊推理157

6.4.1模糊语言与语言变量157

6.4.2模糊命题与模糊条件语句159

6.4.3模糊推理163

6.5小结174

习题174

第七章 模糊控制177

7.1模糊控制系统原理177

7.1.1传统控制系统的特点177

7.1.2模糊控制系统的工作原理179

7.1.3模糊控制的系统结构181

7.1.4模糊控制器的结构与组成187

7.2模糊控制器设计192

7.2.1模糊控制器设计要求192

7.2.2清晰量的模糊化194

7.2.3模糊量的清晰化198

7.2.4模糊控制规则及控制算法200

7.3自调整模糊控制技术214

7.3.1带有自调整因子的模糊控制器215

7.3.2带有自调整函数的模糊控制器216

7.4神经网络实现的模糊控制218

7.4.1常规模糊系统的等价神经网络218

7.4.2模糊神经网络技术在温度控制过程中的应用224

7.4.3基于T-S模型的模糊神经网络229

7.5基于遗传算法优化的模糊控制230

7.5.1遗传算法和模糊逻辑、神经网络的融合230

7.5.2基于遗传算法优化的模糊控制器233

7.5.3基于遗传算法的模糊温度控制实验234

7.6小结235

习题236

第八章 专家控制238

8.1专家系统概述238

8.1.1什么是专家系统238

8.1.2专家系统的基本组成239

8.1.3专家系统的特征及类型240

8.2专家控制系统241

8.2.1专家控制系统的特点241

8.2.2专家控制系统的工作原理242

8.2.3专家控制器246

8.3模糊专家系统247

8.3.1模糊专家系统的基本结构247

8.3.2可能性分布与模糊测度248

8.3.3模糊性知识的规则表示251

8.3.4不确定性推理模型254

8.4逻辑程序设计语言255

8.4.1 Prolog语言的特点255

8.4.2 Prolog语言的语法与数据结构255

8.4.3 Prolog程序的执行与控制257

8.5小结261

习题262

第九章 基于粗糙集和含糊集理论的智能信息处理方法263

9.1粗糙集理论的基本概念263

9.1.1粗糙集理论的数值分析263

9.1.2基于粗糙集理论的规则知识获取265

9.1.3粗糙集知识获取策略在心电图波形识别中的应用271

9.2基于粗糙集理论的模糊神经网络276

9.2.1建立基于输入输出数据的知识表达系统276

9.2.2基于粗糙集理论的模糊神经网络278

9.2.3二维非线性函数图像拟合应用280

9.3含糊集理论的基本概念284

9.3.1基本概念284

9.3.2含糊集的改进性质287

9.3.3实例分析288

9.4基于含糊集的近似推理方法288

9.4.1含糊集的合成推理288

9.4.2含糊集插值推理289

9.4.3几种含糊集近似推理方法的比较289

9.5一种含糊-粗糙集模型292

9.6含糊集知识获取策略292

9.6.1含糊集决策表知识表达系统293

9.6.2含糊集知识获取策略294

9.7小结301

习题302

第十章 智能控制应用示例307

10.1电加热炉炉温智能控制307

10.1.1电加热炉模型分析307

10.1.2电加热炉炉温智能控制310

10.2集装箱吊车的模糊控制320

10.2.1吊车模糊控制规则的建立320

10.2.2模糊逻辑吊车控制器的结构321

10.2.3模糊控制的可编程控制器实现324

10.3模糊控制技术的微机实现327

10.3.1 MC68HC11E9数字单片机的特性327

10.3.2温度模糊控制器的实现333

10.4模糊控制的洗衣机337

10.4.1模糊控制洗衣机系统电路结构337

10.4.2洗衣机的模糊推理340

10.4.3洗衣机物理量检测方法342

10.4.4布质、布量的模糊推理344

10.5倒立摆的模糊神经网络控制348

10.5.1再励学习的模糊神经网络348

10.5.2倒立摆的模糊神经网络自适应控制353

附录1 改进的BP神经网络及其MATLAB仿真356

附1.1 提高BP神经网络收敛速度的方法356

附1.2 提高神经网络收敛速度的一种赋初值算法357

附1.3 BP网络训练技巧362

附1.4 感知器分类的MATLAB仿真363

附1.5 具有噪声二阶系统辨识的MATLAB程序仿真364

附1.6 多维非线性辨识的MATLAB程序剖析368

附录2 模糊控制MATLAB程序仿真示例372

附录3 基于粗糙集可辨识矩阵属性简约算法软件377

附录4 基于Vague集可辨识矩阵知识获取算法软件384

参考文献391