《智慧型控制（第3版）》是2014年1月電子工業出版社出版的圖書，作者是劉金琨。
基本介紹
- 中文名：智慧型控制（第3版）
- 作者：劉金琨
- 出版社：電子工業出版社
- 出版時間：2014年1月
- 頁數：304 頁
- 定價：38 元
- 開本：16 開
- ISBN：9787121219665
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；智慧型算法及其套用；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。
圖書目錄
第1章 緒論
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、研究工具及套用
思考題與習題
第2章 專家控制
2.1 專家系統
2.1.1 專家系統概述
2.1.2 專家系統的構成
2.1.3 專家系統的建立
2.2 專家控制
2.2.1 專家控制概述
2.2.2 專家控制的基本原理
2.2.3 專家控制的關鍵技術及特點
2.3 專家PID控制
2.3.1 專家PID控制原理
2.3.2 仿真實例
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
3.2.1 模糊集合的概念
3.2.2 模糊集合的運算
3.3 隸屬函式
3.4 模糊關係及其運算
3.4.1 模糊矩陣
3.4.2 模糊矩陣的運算與模糊關係
3.4.3 模糊關係的合成
3.5 模糊推理
3.5.1 模糊語句
3.5.2 模糊推理
3.5.3 模糊關係方程
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
4.1.1 模糊控制原理
4.1.2 模糊控制器的組成
4.1.3 模糊控制系統的工作原理
4.1.4 模糊控制器的結構
4.2 模糊控制系統分類
4.3 模糊控制器的設計
4.3.1 模糊控制器的設計步驟
4.3.2 模糊控制器的Matlab仿真
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
4.5.1 模糊自適應整定PID控制原理
4.5.2 仿真實例
4.6 Sugeno模糊模型
4.7 基於極點配置的單級倒立擺T-S模糊控制
4.7.1 T-S模糊系統的設計
4.7.2 單級倒立擺的T-S模型模糊控制
4.8 模糊控制的套用
4.9 模糊控制發展概況
4.9.1 模糊控制發展的幾個轉折點
4.9.2 模糊控制的發展方向
4.9.3 模糊控制面臨的主要任務
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
5.1.1 模糊系統的設計
5.1.2 模糊系統的逼近精度
5.1.3 仿真實例
5.2 簡單的自適應模糊控制
5.2.1 問題描述
5.2.2 模糊逼近原理
5.2.3 控制算法設計與分析
5.2.4 仿真實例
5.3 間接自適應模糊控制
5.3.1 問題描述
5.3.2 控制器的設計
5.3.3 仿真實例
5.4 直接自適應模糊控制
5.4.1 問題描述
5.4.2 控制器的設計
5.4.3 自適應律的設計
5.4.4 仿真實例
5.5 機器人關節數學模型
5.6 基於模糊補償的機械手自適應模糊控制
5.6.1 系統描述
5.6.2 基於模糊補償的控制
5.6.3 基於摩擦補償的控制
5.6.4 仿真實例
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
6.4.1 Hebb學習規則
6.4.2 Delta（δ）學習規則
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
7.2 BP神經網路
7.2.1 BP網路特點
7.2.2 BP網路結構
7.2.3 BP網路的逼近
7.2.4 BP網路的優缺點
7.2.5 BP網路逼近仿真實例
7.2.6 BP網路模式識別
7.2.7 BP網路模式識別仿真實例
7.3 RBF神經網路
7.3.1 RBF網路結構與算法
7.3.2 RBF網路設計實例
7.3.3 RBF網路的逼近
7.3.4 高斯基函式的參數對RBF網路逼近的影響
7.3.5 隱含層節點數對RBF網路逼近的影響
7.3.6 控制系統設計中RBF網路的逼近
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
8.1.1 網路結構
8.1.2 基於模糊RBF網路的逼近算法
8.1.3 仿真實例
8.2 pi-sigma神經網路
8.2.1 高木-關野模糊系統
8.2.2 混合型pi-sigma神經網路
8.2.3 仿真實例
8.3 小腦模型神經網路
8.3.1 CMAC概述
8.3.2 一種典型CMAC算法
8.3.3 仿真實例
8.4 Hopfield網路
8.4.1 Hopfield網路原理
8.4.2 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
9.2.1 神經網路監督控制
9.2.2 神經網路直接逆控制
9.2.3 神經網路自適應控制
9.2.4 神經網路內模控制
9.2.5 神經網路預測控制
9.2.6 神經網路自適應評判控制
9.2.7 神經網路混合控制
9.3 單神經元自適應控制
9.3.1 單神經元自適應控制算法
9.3.2 仿真實例
9.4 RBF網路監督控制
9.4.1 RBF網路監督控制算法
9.4.2 仿真實例
9.5 RBF網路自校正控制
9.5.1 神經網路自校正控制原理
9.5.2 自校正控制算法
9.5.3 RBF網路自校正控制算法
9.5.4 仿真實例
9.6 基於RBF網路直接模型參考自適應控制
9.6.1 基於RBF網路的控制器設計
9.6.2 仿真實例
9.7 一種簡單的RBF網路自適應控制
9.7.1 問題描述
9.7.2 RBF網路原理
9.7.3 控制算法設計與分析
9.7.4 仿真實例
9.8 基於不確定逼近的RBF網路自適應控制
9.8.1 問題的提出
9.8.2 模型不確定部分的RBF網路逼近
9.8.3 控制器的設計及分析
9.8.4 仿真實例
9.9 基於模型整體逼近的機器人RBF網路自適應控制
9.9.1 問題的提出
9.9.2 針對f(x)進行逼近的控制
9.9.3 仿真實例
9.10 神經網路數字控制
9.10.1 基本原理
9.10.2 仿真實例
思考題與習題
附錄 (程式代碼)
第10章 智慧型算法及其套用
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
10.3.1 遺傳算法的發展
10.3.2 遺傳算法的套用
10.4 遺傳算法的設計
10.4.1 遺傳算法的構成要素
10.4.2 遺傳算法的套用步驟
10.5 遺傳算法求函式極大值
10.5.1 二進制編碼遺傳算法求函式極大值
10.5.2 實數編碼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
10.6.1 遺傳算法最佳化原理
10.6.2 仿真實例
10.7 基於遺傳算法的TSP問題最佳化
10.7.1 TSP問題的編碼
10.7.2 TSP問題的遺傳算法設計
10.7.3 仿真實例
10.8 差分進化算法
10.8.1 標準差分進化算法
10.8.2 差分進化算法的基本流程
10.8.3 差分進化算法的參數設定
10.9 差分進化算法的函式最佳化與參數辨識
10.9.1 基於差分進化算法的函式最佳化
10.9.2 基於差分進化算法的參數辨識
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
11.4.1 控制器設計
11.4.2 仿真實例
11.5 線性時變連續系統疊代學習控制
11.5.1 系統描述
11.5.2 控制器設計及收斂性分析
11.5.3 仿真實例
思考題與習題
附錄 (程式代碼)
附錄A
參考文獻
