智慧型控制——理論基礎、算法設計與套用(第2版)

《智慧型控制——理論基礎、算法設計與套用(第2版)》是2023年清華大學出版社出版的圖書,作者是劉金琨。

基本介紹

  • 書名:智慧型控制——理論基礎、算法設計與套用(第2版)
  • 作者:劉金琨
  • 出版社:清華大學出版社
  • 出版時間:2023年1月1日
  • 定價:59 元
  • ISBN:9787302610700
內容簡介,圖書目錄,

內容簡介

本書較全面地敘述了智慧型控制的基本理論、方法和套用。全書共分18章,主要內容為模糊控制的基 本原理和套用、神經網路控制的基本原理和套用、智慧型最佳化算法及其套用和智慧型 協 調 控 制 基 本 原 理 及 套用。本書系統性強,理論聯繫實際,敘述深入淺出,適合初學者學習。書中給出了一些智慧型控制算法的仿 真實例和 MATLAB仿真程式(見配書資源),並配有一定數量的習題,可作為高等院校工業自動化、計算機 套用、電子信息等專業的高年級本科生和碩士研究生的教材,也適合從事自動化領域工作的工程技術人員 閱讀和參考。

圖書目錄

第1章緒論
1.1智慧型控制的發展過程
1.1.1智慧型控制的提出
1.1.2智慧型控制的概念
1.1.3智慧型控制的發展
1.1.4智慧型控制的技術基礎
1.2智慧型控制的幾個重要分支
1.2.1模糊控制
1.2.2神經網路控制
1.2.3智慧型搜尋算法
1.3智慧型控制的特點、工具及套用
1.3.1智慧型控制的特點
1.3.2智慧型控制的研究工具
1.3.3智慧型控制的套用
思考題
參考文獻
第2章模糊控制的理論基礎
2.1概述
2.2模糊集合
2.2.1模糊集合的表示
2.2.2模糊集合的運算
2.3隸屬函式
2.3.1隸屬函式的特點
2.3.2幾種典型的隸屬函式及其MATLAB表示
2.3.3模糊系統的設計
2.3.4隸屬函式的確定方法
2.4模糊關係及其運算
2.4.1模糊關係矩陣
2.4.2模糊矩陣運算
2.4.3模糊矩陣的合成
2.5模糊語句與模糊推理
2.5.1模糊語句
2.5.2模糊推理
思考題
第3章模糊邏輯控制
3.1模糊控制的基本原理
3.1.1模糊控制原理
3.1.2模糊控制器的組成
3.1.3模糊控制系統的工作原理
3.1.4模糊控制器結構
3.2模糊控制系統分類
3.3模糊控制器的設計
3.3.1模糊控制器的設計步驟
3.3.2模糊控制器的MATLAB仿真
3.4模糊控制套用實例——洗衣機的模糊控制
3.5模糊自適應整定PID控制
3.5.1模糊自適應整定PID控制原理
3.5.2仿真實例
3.6大時變擾動下切換增益模糊調節的滑模控制
3.6.1系統描述
3.6.2滑模控制器設計
3.6.3模糊規則設計
3.6.4仿真實例
思考題
第4章自適應模糊控制
4.1模糊逼近
4.1.1模糊系統的設計
4.1.2模糊系統的逼近精度
4.1.3仿真實例
4.2間接自適應模糊控制
4.2.1問題描述
4.2.2自適應模糊滑模控制器設計
4.2.3仿真實例
4.3直接自適應模糊控制
4.3.1問題描述
4.3.2模糊控制器的設計
4.3.3自適應律的設計
4.3.4仿真實例
思考題
第5章基於TS模糊建模的控制
5.1TS模糊模型
5.1.1TS模糊模型的形式
5.1.2仿真實例
5.1.3一類非線性系統的TS模糊建模
5.2TS模糊控制器的設計
5.3倒立擺系統的TS模糊模型
5.4基於線性矩陣不等式的單級倒立擺TS模糊控制
5.4.1LMI不等式的設計及分析
5.4.2不等式的轉換
5.4.3LMI設計實例
5.4.4仿真實例
附加資料: 新的LMI求解工具箱——YALMIP工具箱
思考題
參考文獻
第6章機械手自適應模糊控制
6.1簡單的自適應模糊滑模控制
6.1.1問題描述
6.1.2模糊逼近原理
6.1.3控制算法設計與分析
6.1.4仿真實例
6.2基於模糊補償的機械手模糊自適應滑模控制
6.2.1系統描述
6.2.2基於傳統模糊補償的控制
6.2.3自適應控制律的設計
6.2.4基於摩擦模糊逼近的模糊補償控制
6.2.5仿真實例
6.3模糊系統逼近的最小參數學習法
6.3.1問題描述
6.3.2模糊系統最小參數逼近
6.3.3基於模糊系統逼近的最小參數自適應控制
6.3.4仿真實例
6.4基於模糊補償的機械手單參數自適應控制
6.4.1系統描述
6.4.2基於模糊系統逼近的最小參數自適應控制
6.4.3仿真實例
附加資料
思考題
參考文獻
第7章神經網路理論基礎
7.1神經網路發展簡史
7.2神經網路原理
7.3神經網路的分類
7.4神經網路學習算法
7.4.1Hebb學習規則
7.4.2Delta(δ)學習規則
7.5神經網路的特徵及要素
7.5.1神經網路特徵
7.5.2神經網路三要素
7.6神經網路控制的研究領域
思考題
第8章典型神經網路及非線性建模
8.1單神經元網路
8.2BP神經網路
8.2.1BP神經網路特點
8.2.2BP神經網路結構與算法
8.2.3BP神經網路的訓練
8.2.4仿真實例
8.3RBF神經網路
8.3.1網路結構
8.3.2控制系統設計中RBF神經網路的逼近
8.3.3RBF神經網路的訓練
8.3.4仿真實例
8.4模糊RBF神經網路
8.4.1模糊RBF神經網路結構與算法
8.4.2模糊RBF神經網路學習算法
8.4.3仿真實例
8.5PiSigma模糊神經網路
8.5.1高木關野模糊系統
8.5.2混合型PiSigma模糊神經網路
8.5.3PiSigma模糊神經網路學習算法
8.5.4仿真實例
8.6ELM神經網路
8.6.1ELM神經網路的特點
8.6.2ELM神經網路結構與算法
8.6.3ELM神經網路的訓練
8.6.4仿真實例
思考題
參考文獻
第9章自適應RBF神經網路控制
9.1一階系統神經網路自適應控制
9.1.1系統描述
9.1.2滑模控制器設計
9.1.3仿真實例
9.1.4一階系統自適應RBF控制
9.1.5仿真實例
9.2二階系統自適應RBF神經網路控制
9.2.1系統描述
9.2.2基於RBF神經網路逼近f(x)的滑模控制
9.2.3仿真實例
9.3基於RBF神經網路的單參數直接魯棒自適應控制
9.3.1系統描述
9.3.2控制律和自適應律設計
9.3.3仿真實例
思考題
參考文獻
第10章基於RBF神經網路的輸入輸出受限控制
10.1控制系統位置輸出受限控制
10.1.1輸出受限引理
10.1.2系統描述
10.1.3控制器的設計
10.1.4仿真實例
10.2基於RBF神經網路的狀態輸出受限控制
10.2.1系統描述
10.2.2RBF神經網路原理
10.2.3控制器的設計
10.2.4仿真實例
10.3基於RBF神經網路的輸入受限滑模控制
10.3.1系統描述
10.3.2RBF神經網路逼近及雙曲正切函式特點
10.3.3控制器的設計及分析
10.3.4仿真實例
思考題
參考文獻
第11章基於RBF神經網路的執行器自適應容錯控制
11.1執行器容錯控制描述
11.2SISO系統執行器自適應容錯控制
11.2.1控制問題描述
11.2.2控制律的設計與分析
11.2.3仿真實例
11.3基於RBF神經網路的SISO系統執行器自適應容錯控制
11.3.1控制問題描述
11.3.2RBF神經網路設計
11.3.3控制律的設計與分析
11.3.4仿真實例
11.4MISO系統執行器自適應容錯控制
11.4.1控制問題描述
11.4.2控制律的設計與分析
11.4.3仿真實例
11.5MISO系統執行器自適應神經網路容錯控制
11.5.1控制問題描述
11.5.2RBF神經網路設計
11.5.3控制律的設計與分析
11.5.4仿真實例
11.6帶執行器卡死的MISO系統自適應容錯控制
11.6.1控制問題描述
11.6.2控制律的設計與分析
11.6.3仿真實例
11.7帶執行器卡死的MISO系統神經網路自適應容錯控制
11.7.1控制問題描述
11.7.2RBF神經網路設計
11.7.3控制律的設計與分析
11.7.4仿真實例
11.8基於感測器和執行器容錯的自適應控制
11.8.1系統描述
11.8.2控制器設計與分析
11.8.3仿真實例
11.9基於感測器和執行器容錯的神經網路自適應控制
11.9.1系統描述
11.9.2控制器設計與分析
11.9.3神經網路逼近
11.9.4仿真實例
附加資料
思考題
參考文獻
第12章機械系統神經網路自適應控制
12.1一種簡單的RBF神經網路自適應滑模控制
12.1.1問題描述
12.1.2RBF神經網路原理
12.1.3控制算法設計與分析
12.1.4仿真實例
12.2基於RBF神經網路逼近的機械手自適應控制
12.2.1問題的提出
12.2.2基於RBF神經網路逼近的控制器
12.2.3仿真實例
12.3基於RBF神經網路的最小參數自適應控制
12.3.1問題描述
12.3.2基於RBF神經網路逼近的最小參數自適應控制
12.3.3仿真實例
12.4機械手神經網路單參數自適應控制
12.4.1問題的提出
12.4.2神經網路設計
12.4.3控制器設計
12.4.4仿真實例
12.5一類欠驅動機械系統神經網路滑模控制
12.5.1系統描述
12.5.2RBF神經網路原理
12.5.3滑模控制律的設計
12.5.4收斂性分析
12.5.5仿真實例
附加資料
思考題
參考文獻
第13章基於RBF神經網路的反演自適應控制
13.1一種三階非線性系統的反演控制
13.1.1系統描述
13.1.2反演控制器設計
13.1.3仿真實例
13.2基於RBF神經網路的三階非線性系統反演控制
13.2.1系統描述
13.2.2RBF神經網路原理
13.2.3神經網路反演控制器設計
13.2.4仿真實例
思考題
參考文獻
第14章基於LMI的神經網路自適應控制
14.1基於LMI的控制
14.1.1系統描述
14.1.2控制器的設計與分析
14.1.3仿真實例
14.2基於LMI的神經網路自適應控制
14.2.1系統描述
14.2.2RBF神經網路設計
14.2.3控制器的設計與分析
14.2.4仿真實例
14.3基於LMI的神經網路自適應跟蹤控制
14.3.1系統描述
14.3.2仿真實例
思考題
第15章智慧型最佳化算法
15.1TSP最佳化
15.2遺傳算法
15.2.1遺傳算法的基本原理
15.2.2遺傳算法的特點
15.2.3遺傳算法的套用領域
15.2.4遺傳算法的最佳化設計
15.2.5基於遺傳算法的函式最佳化
15.3基於遺傳算法的TSP最佳化
15.3.1TSP的編碼
15.3.2TSP的遺傳算法設計
15.3.3仿真實例
15.4粒子群最佳化算法
15.4.1粒子群算法基本原理
15.4.2算法流程
15.4.3基於粒子群算法的函式最佳化
15.4.4基於粒子群算法的TSP最佳化
15.5標準差分進化算法
15.5.1差分進化算法的基本流程
15.5.2差分進化算法的參數設定
15.5.3基於差分進化算法的函式最佳化
15.5.4基於差分進化算法的TSP最佳化
15.6基於差分進化最優軌跡規劃的PD控制
15.6.1問題的提出
15.6.2一個簡單的樣條插值實例
15.6.3最優軌跡的設計
15.6.4最優軌跡的最佳化
15.6.5仿真實例
15.7蟻群算法
15.7.1蟻群算法的基本原理
15.7.2基於TSP最佳化的蟻群算法
15.7.3仿真實例
15.8Hopfield神經網路
15.8.1Hopfield神經網路原理
15.8.2求解TSP的Hopfield神經網路設計
15.8.3仿真實例
思考題
參考文獻
第16章智慧型最佳化算法的套用
16.1柔性機械手動力學模型參數辨識
16.1.1柔性機械手模型描述
16.1.2仿真實例
16.2飛行器縱向模型參數辨識
16.2.1問題描述
16.2.2仿真實例
16.3VTOL參數辨識
16.3.1VTOL參數辨識問題
16.3.2基於粒子群算法的參數辨識
16.3.3基於差分進化算法的VTOL參數辨識
16.4四旋翼飛行器建模與參數辨識
16.4.1四旋翼飛行器動力學模型
16.4.2動力學模型的變換
16.4.3模型測試
16.4.4基於粒子群算法的參數辨識
16.4.5基於差分進化算法的參數辨識
16.5基於粒子群算法的航班著陸調度
16.5.1問題描述
16.5.2最佳化問題的設計
16.5.3仿真實例
16.6基於差分進化算法的產品加工生產調度
16.6.1問題描述
16.6.2最佳化問題的設計
16.6.3仿真實例
16.7基於差分進化算法的無人機三維路徑規劃
16.7.1問題描述
16.7.2目標函式設計
16.7.3基於差分進化算法的路徑規劃
16.7.4仿真實例
思考題
參考文獻
第17章神經網路自適應協調控制
17.1主輔電機的協調控制
17.1.1系統描述
17.1.2控制律設計與分析
17.1.3仿真實例
17.2基於神經網路的主輔電機協調控制
17.2.1系統描述
17.2.2RBF神經網路的設計
17.2.3控制律設計與分析
17.2.4仿真實例
思考題
參考文獻
第18章多智慧型體系統一致性控制的設計與分析
18.1多智慧型體系統介紹
18.2多智慧型體系統的位置一致性跟蹤控制
18.2.1系統描述
18.2.2控制器的設計
18.2.3穩定性分析
18.2.4仿真實例
18.3二階線性多智慧型體系統一致性控制
18.3.1系統描述
18.3.2控制律設計
18.3.3仿真實例
18.3.4Laplacian矩陣分析
18.4基於RBF神經網路的多智慧型體系統一致性控制
18.4.1系統描述
18.4.2基於RBF神經網路逼近的滑模控制
18.4.3控制律設計
18.4.4仿真實例
18.5基於執行器容錯的多智慧型體系統控制
18.5.1系統描述
18.5.2控制律設計
18.5.3仿真實例
思考題
參考文獻

相關詞條

熱門詞條

聯絡我們