本書較全面地敘述了智慧型控制的基本理論、方法和套用。全書共11章。主要內容為：專家控制的基本原理和套用；模糊控制的基本原理和套用；神經網路控制的基本原理和套用；遺傳算法及其套用和疊代學習控制方法及其套用。本書系統性強，突出理論聯繫實際，敘述深入淺出，適合於初學者學習。書中給出了一些智慧型算法的Matlab仿真程式，並配有一定數量的習題和上機操作題。
基本介紹
- 書名：北京高等教育精品教材:智慧型控制
- 類型：計算機與網際網路
- 出版日期：2012年7月1日
- 語種：簡體中文
- ISBN：9787121091384
- 作者：劉金琨
- 出版社：電子工業出版社
- 頁數：294頁
- 開本：16
- 品牌：電子工業出版社
內容簡介,圖書目錄,
內容簡介
《北京高等教育精品教材:智慧型控制(第2版)》可作為高等院校自動化、計算機套用、電子工程等專業的碩士研究生和高年級本科生的教材，也可供從事自動化領域的工程技術人員閱讀和參考。
圖書目錄
第1章結論
1.1智慧型控制的發展過程
1.2智慧型控制的幾個重要分支
1.3智慧型控制的特點、研究工具
思考題與習題
第2章專家控制
2.1專家系統
2.2專家控制
2.3專家pid控制
思考題與習題
附錄（程式代碼）
第3章模糊控制的理論基礎
3.1概述
3.2模糊集合
3.3隸屬函式
3.4模糊關係及其運算
3.5模糊推理
思考題與習題
附錄（程式代碼）
第4章模糊控制
4.1模糊控制的基本原理
4.2模糊控制系統分類
4.3模糊控制器的設計
4.4模糊控制套用實例——洗衣機的模糊控制
4.5模糊自適應整定pid控制
4.6sugeno模糊模型
4.7基於sugeno模糊模型的倒立擺模糊控制
4.8模糊控制的套用
4.9模糊控制發展概況
思考題與習題
附錄（程式代碼）
第5章自適應模糊控制
5.1模糊逼近
5.2間接自適應模糊控制
5.3直接自適應模糊控制
5.4機器人關節數學模型
思考題與習題
附錄（程式代碼）
第6章神經網路的理論基礎
6.1神經網路發展簡史
6.2神經網路原理
6.3神經網路的分類
6.4神經網路學習算法
6.5神經網路的特徵及要素
6.6神經網路控制的研究領域
思考題與習題
第7章典型神經網路
7.1單神經元網路
7.2bp神經網路
7.3rbf神經網路
7.4回歸神經網路
思考題與習題
附錄（程式代碼）
第8章高級神經網路
8.1模糊rbf網路
8.2pi—sigma神經網路
8.3小腦模型神經網路
8.4hopfield網路
8.5基於hopfield網路的路徑最佳化
思考題與習題
附錄（程式代碼）
第9章神經網路控制
9.1概述
9.2神經網路控制的結構
9.3單神經元自適應控制
9.4rbf網路監督控制
9.5rbf網路自校正控制
9.6基於rbf網路直接模型參考自適應控制
9.7基於不確定逼近的rbf網路自適應控制
9.8基於模型整體逼近的機器人rbf網路自適應控制
9.9神經網路數字控制
思考題與習題
附錄（程式代碼）
第10章遺傳算法及其套用
10.1遺傳算法的基本原理
10.2遺傳算法的特點
10.3遺傳算法的發展及套用
10.4遺傳算法的設計
10.5遺傳算法求函式極大值
10.6基於遺傳算法最佳化的rbf網路逼近
10.7基於遺傳算法的伺服系統靜態摩擦參數辨識
思考題與習題
附錄（程式代碼）
第11章疊代學習控制
11.1基本原理
11.2基本疊代學習控制算法
11.3疊代學習控制的關鍵技術
11.4機械手軌跡跟蹤疊代學習控制仿真實例
11.5線性時變連續系統疊代學習控制
11.6移動機器人軌跡跟蹤疊代學習控制
思考題與習題
附錄（程式代碼）
附錄a
參考文獻
1.1智慧型控制的發展過程
1.2智慧型控制的幾個重要分支
1.3智慧型控制的特點、研究工具
思考題與習題
第2章專家控制
2.1專家系統
2.2專家控制
2.3專家pid控制
思考題與習題
附錄（程式代碼）
第3章模糊控制的理論基礎
3.1概述
3.2模糊集合
3.3隸屬函式
3.4模糊關係及其運算
3.5模糊推理
思考題與習題
附錄（程式代碼）
第4章模糊控制
4.1模糊控制的基本原理
4.2模糊控制系統分類
4.3模糊控制器的設計
4.4模糊控制套用實例——洗衣機的模糊控制
4.5模糊自適應整定pid控制
4.6sugeno模糊模型
4.7基於sugeno模糊模型的倒立擺模糊控制
4.8模糊控制的套用
4.9模糊控制發展概況
思考題與習題
附錄（程式代碼）
第5章自適應模糊控制
5.1模糊逼近
5.2間接自適應模糊控制
5.3直接自適應模糊控制
5.4機器人關節數學模型
思考題與習題
附錄（程式代碼）
第6章神經網路的理論基礎
6.1神經網路發展簡史
6.2神經網路原理
6.3神經網路的分類
6.4神經網路學習算法
6.5神經網路的特徵及要素
6.6神經網路控制的研究領域
思考題與習題
第7章典型神經網路
7.1單神經元網路
7.2bp神經網路
7.3rbf神經網路
7.4回歸神經網路
思考題與習題
附錄（程式代碼）
第8章高級神經網路
8.1模糊rbf網路
8.2pi—sigma神經網路
8.3小腦模型神經網路
8.4hopfield網路
8.5基於hopfield網路的路徑最佳化
思考題與習題
附錄（程式代碼）
第9章神經網路控制
9.1概述
9.2神經網路控制的結構
9.3單神經元自適應控制
9.4rbf網路監督控制
9.5rbf網路自校正控制
9.6基於rbf網路直接模型參考自適應控制
9.7基於不確定逼近的rbf網路自適應控制
9.8基於模型整體逼近的機器人rbf網路自適應控制
9.9神經網路數字控制
思考題與習題
附錄（程式代碼）
第10章遺傳算法及其套用
10.1遺傳算法的基本原理
10.2遺傳算法的特點
10.3遺傳算法的發展及套用
10.4遺傳算法的設計
10.5遺傳算法求函式極大值
10.6基於遺傳算法最佳化的rbf網路逼近
10.7基於遺傳算法的伺服系統靜態摩擦參數辨識
思考題與習題
附錄（程式代碼）
第11章疊代學習控制
11.1基本原理
11.2基本疊代學習控制算法
11.3疊代學習控制的關鍵技術
11.4機械手軌跡跟蹤疊代學習控制仿真實例
11.5線性時變連續系統疊代學習控制
11.6移動機器人軌跡跟蹤疊代學習控制
思考題與習題
附錄（程式代碼）
附錄a
參考文獻
