目录 Contents第1章 绪论1
1.1 智能控制的起源和发展1
1.1.1 控制科学的起源和发展1
1.1.2 智能控制的起源和发展3
1.1.3 智能控制的多元结构描述4
1.2 智能控制的概念和技术特点5
1.2.1 智能控制的概念5
1.2.2 智能控制技术的特点5
1.2.3 智能控制系统的基本结构6
1.3 智能控制的主要类型7
1.3.1 模糊控制7
1.3.2 神经网络控制8
1.3.3 专家控制系统9
1.3.4 仿生智能控制10
1.3.5 学习控制系统10
1.3.6 递阶智能控制10
1.3.7 综合智能控制系统11
1.4 智能控制技术应用实例11
1.4.1 机器人智能控制系统11
1.4.2 地铁行驶智能控制系统12
1.4.3 智能飞行控制系统12
1.4.4 计算机集成制造系统13
1.5 智能控制技术的实现13
1.5.1 计算机控制技术13
1.5.2 智能控制系统设计14
思考题与习题16◆智能控制技术目 录第2章 模糊控制17
2.1 模糊控制概述17
2.1.1 模糊控制的产生和发展17
2.1.2 模糊控制的概念和特点18
2.2 模糊控制的数学基础20
2.2.1 模糊集的概念20
2.2.2 隶属度函数及其值的确定25
2.2.3 模糊关系32
2.3 模糊推理系统原理及设计36
2.3.1 模糊逻辑37
2.3.2 模糊推理40
2.3.3 模糊推理系统的结构44
2.3.4 模糊推理系统的设计44
2.4 模糊控制原理及系统设计54
2.4.1 模糊控制系统的组成54
2.4.2 模糊控制系统的设计56
2.4.3 模糊控制的快速查表法58
2.4.4 模糊PID控制61
2.5 MATLAB模糊逻辑工具箱的使用66
2.5.1 图形用户界面下建立模糊推理系统66
2.5.2 模糊逻辑工具箱的函数命令70
2.5.3 模糊控制系统的仿真71
2.5.4 模糊控制系统仿真示例75
2.6 模糊控制工程应用实例82
2.6.1 模糊控制全自动洗衣机82
2.6.2 船舶减摇的模糊控制技术86
2.6.3 地铁机车的模糊控制88
2.6.4 蒸汽机模糊控制系统91
2.7 本章小结95
习题95
第3章 神经网络控制99
3.1 神经网络的理论概述99
3.1.1 生物神经元模型99
3.1.2 人工神经元模型100
3.1.3 神经网络模型101
3.1.4 神经网络分类102
3.1.5 神经网络的学习规则103
3.1.6 用于控制的神经网络104
3.1.7 神经网络控制的研究内容105
3.2 前馈网络及其BP学习算法106
3.2.1 感知器106
3.2.2 径向基函数神经网络107
3.2.3 BP网络108
3.2.4 BP学习算法109
3.2.5 改进型BP算法112
3.2.6 BP网络仿真实例115
3.3 反馈网络及其他网络结构116
3.3.1 Hopfield网络116
3.3.2 Boltzmann机网络117
3.3.3 双向联想记忆网络119
3.3.4 Hamming网络120
3.3.5 Kohonen网络121
3.4 神经网络控制器原理及设计122
3.4.1 概述122
3.4.2 神经网络控制的结构122
3.4.3 基于单神经元PID控制126
3.4.4 仿真实例128
3.5 模糊神经网络控制及其应用128
3.5.1 模糊神经元129
3.5.2 模糊神经网络130
3.5.3 模糊神经网络控制器131
3.6 MATLAB神经网络工具箱的使用135
3.6.1 MATLAB工具箱的神经元模型135
3.6.2 MATLAB工具箱中的神经网络结构135
3.6.3 MATLAB工具箱函数138
3.6.4 仿真实例141
3.7 神经网络控制系统应用实例143
3.7.1 神经网络在故障模式识别中的应用143
3.7.2 基于BP网络的电力电子电路故障诊断145
3.7.3 洗衣机的神经网络模糊控制器的设计148
3.8 本章小结152
习题153
第4章 专家控制系统154
4.1 专家系统概述154
4.1.1 专家系统的起源和发展154
4.1.2 专家系统的结构157
4.1.3 专家系统的特点163
4.1.4 专家系统的建立164
4.2 专家控制系统的结构和原理165
4.2.1 专家控制系统概述165
4.2.2 专家控制系统的结构和原理166
4.2.3 专家控制器167
4.3 专家系统与其他智能方法的结合170
4.3.1 模糊专家控制系统170
4.3.2 神经网络专家系统173
4.4 混凝土成品料温专家控制系统工程实例174
4.4.1 混凝土成品料温专家控制系统的结构174
4.4.2 成品料温专家控制系统的实现175
4.4.3 实际控制效果177
4.5 本章小结178
习题179
第5章 仿人智能控制180
5.1 仿人智能控制的原理180
5.1.1 仿人智能控制的基本思想180
5.1.2 仿人智能控制的算法原型181
5.1.3 仿人智能控制器算法原型中的智能属性184
5.2 仿人智能控制技术的实现184
5.2.1 仿人智能控制的瞬态性能指标184
5.2.2 仿人智能控制系统的设计方法187
5.3 仿人智能控制系统的设计188
5.4 仿人智能控制实例190
5.4.1 仿人智能开关控制190
5.4.2 仿人智能比例控制192
5.4.3 仿人智能积分控制193
5.4.4 仿人分层递阶智能控制器195
5.5 本章小结196
习题196
第6章 遗传算法197
6.1 遗传算法的原理与特点197
6.1.1 遗传算法的基本原理197
6.1.2 遗传算法的处理过程198
6.1.3 遗传算法的特点199
6.2 遗传算法的基本操作200
6.2.1 个体编码200
6.2.2 遗传算法的参数设定202
6.2.3 选择操作205
6.2.4 交叉操作206
6.2.5 变异操作207
6.3 MATLAB的遗传算法工具箱208
6.3.1 遗传算法工具箱概述208
6.3.2 遗传算法工具箱的使用211
6.4 遗传算法在智能控制中的应用218
6.4.1 遗传算法在模糊控制中的应用219
6.4.2 遗传算法在神经网络中的应用221
6.5 遗传算法的改进223
6.5.1 遗传算法的不足223
6.5.2 改进的遗传算法224
6.6 本章小结227
习题227
附录A 实验指导书229
A.1 实验一 基于MATLAB的模糊控制系统设计229
A.1.1 实验内容229
A.1.2 实验步骤229
A.2 实验二 双容水箱液位模糊控制系统设计231
A.2.1 实验内容231
A.2.2 实验步骤232
A.3 实验三 基于MATLAB的神经网络设计233
A.3.1 实验内容233
A.3.2 实验步骤233
A.4 实验四 水箱液位的仿人智能控制系统设计235
A.4.1 实验内容235
A.4.2 实验步骤235
A.5 实验五 应用遗传算法求解优化问题236
A.5.1 实验内容236
A.5.2 实验步骤236
参考文献238
