智能控制与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能控制与应用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1章 智能控制概述1

1.1 智能控制的提出和发展1

1.2 智能控制的概念和主要方法2

1.3 智能控制的主要形式5

1.4 智能自主控制7

参考文献9

第2章 专家控制与仿人智能控制10

2.1 专家系统10

2.1.1 专家系统的定义、特点和一般结构10

2.1.2 专家系统中的知识表示15

2.1.3 知识的获取20

2.1.4 不精确推理22

2.1.5 产生式系统26

2.2 专家控制系统29

2.2.1 一般专家控制系统的特点和结构29

2.2.2 一般专家控制器的设计32

2.2.3 专家控制系统的实时控制问题34

2.3 仿人专家控制系统35

2.3.1 仿人智能控制的基本思想35

2.3.2 仿人智能控制行为的特征变量及识别37

2.3.3 仿人智能控制的基本结构和工作原理41

2.3.4 仿人智能控制器的设计与应用42

参考文献47

第3章 学习控制48

3.1 学习控制的基本原理48

3.1.1 学习控制的一般概念48

3.1.2 学习控制的基本结构49

3.1.3 学习控制的数学基础50

3.2 线性定常连续系统的学习控制51

3.3 非线性定常连续系统的学习控制52

3.4 非线性连续时间系统的学习控制54

3.5 线性离散时间系统的学习控制56

3.6 一类线性离散系统的最优学习控制57

3.7 闭环学习控制60

3.8 鲁棒学习控制63

3.9 学习控制在机器人中的应用67

参考文献69

第4章 模糊控制数学基础71

4.1 普通集合理论71

4.1.1 集合的概念以及表示方法71

4.1.2 集合的表示方法71

4.1.3 子集、真子集、空集、全集、幂集的概念72

4.1.4 集合的运算及运算性质73

4.1.5 集合的直积74

4.1.6 映射与关系75

4.2 模糊集合75

4.2.1 模糊子集的定义及表示75

4.2.2 模糊集合的表示方法76

4.2.3 模糊子集的基本运算及其性质78

4.3 λ水平截集79

4.3.1 λ水平截集的定义及性质79

4.3.2 λ水平截集的几个概念80

4.4 分解定理和扩张原理81

4.4.1 分解定理81

4.4.2 扩张原理82

4.5 隶属函数的确定方法83

4.5.1 确定隶属函数的一般原则及方法83

4.5.2 常见的隶属函数84

4.6 模糊关系与模糊矩阵87

4.6.1 模糊关系的定义及表示方法87

4.6.2 模糊矩阵88

4.6.3 模糊矩阵的合成运算及性质89

4.6.4 模糊向量90

4.7 模糊逻辑与模糊推理92

4.7.1 模糊逻辑92

4.7.2 模糊语言94

4.7.3 模糊语言变量99

4.7.4 模糊推理语句100

4.8 模糊推理方法103

4.8.1 似然推理104

4.8.2 几种模糊推理方法104

4.9 综合评判和模糊关系方程113

4.9.1 综合评判的正问题114

4.9.2 综合评判的逆问题和模糊关系方程116

参考文献118

第5章 模糊控制原理119

5.1 模糊控制系统119

5.1.1 模糊控制系统的基本概念119

5.1.2 模糊控制系统的组成120

5.1.3 模糊控制系统的基本原理121

5.2 模糊控制器的设计122

5.2.1 模糊控制器的结构设计122

5.2.2 模糊控制规则的设计123

5.2.3 精确量和模糊量的相互转换129

5.2.4 论域、量化因子、比例因子的选择133

5.2.5 一个简单的模糊控制器的设计135

5.2.6 模糊控制算法的实现和采样周期的选择141

5.3 基于规则修改的模糊控制142

5.4 模糊控制系统的稳定性分析147

5.4.1 描述函数分析法147

5.4.2 相平面法149

5.4.3 模糊控制器的代数模型150

5.5 PID模糊控制器151

5.5.1 PID控制原理151

5.5.2 设计模糊自适应整定PID控制器153

5.6 自组织模糊控制器157

5.6.1 性能测量158

5.6.2 控制量校正159

5.6.3 控制规则的修正161

5.7 模糊控制的应用实例162

5.7.1 机械臂的模糊控制162

5.7.2 麻醉中血压的模糊逻辑控制164

参考文献168

第6章 遗传算法169

6.1 概述169

6.1.1 遗传算法的特点169

6.1.2 遗传算法的发展与应用170

6.2 遗传算法的基本理论171

6.2.1 遗传算法的基本操作171

6.2.2 遗传算法的实现175

6.2.3 遗传算法的改进200

6.2.4 自适应遗传算法206

6.3 遗传算法的数学基础208

6.3.1 遗传算法的模式定理208

6.3.2 遗传算法的收敛性分析211

6.4 遗传算法在控制中的应用214

6.4.1 基于遗传算法的PID控制参数整定214

6.4.2 基于遗传算法的系统参数辨识方法217

参考文献220

第7章 神经网络基本理论221

7.1 神经网络的基本概念221

7.1.1 神经元模型221

7.1.2 人工神经网络225

7.1.3 神经网络结构与工作方式226

7.1.4 神经网络学习方法与规则229

7.2 前馈神经网络232

7.2.1 线性阈值单元232

7.2.2 感知器235

7.2.3 BP网络238

7.2.4 BP网络学习算法的改进242

7.2.5 BP算法应用例子246

7.3 反馈神经网络249

7.3.1 连续Hopfield网络249

7.3.2 离散Hopfield网络252

7.3.3 DHNN学习规则253

7.3.4 Boltzman机255

7.3.5 双向联想记忆258

7.3.6 求TSP问题260

7.4 径向基网络263

7.4.1 径向基网络的结构263

7.4.2 径向基网络的学习方法265

7.4.3 径向基网络应用例子269

7.5 Grossberg网络270

7.5.1 基本非线性模型270

7.5.2 两层竞争网络272

7.6 自组织神经网络275

7.6.1 学习规则与学习算法275

7.6.2 自组织特征映射276

7.6.3 自适应共振理论283

7.7 竞争网络287

7.7.1 Hamming网络287

7.7.2 学习矢量量化289

7.8 支持向量基网络290

7.8.1 工作原理290

7.8.2 支撑向量基求解XOR问题292

参考文献294

第8章 神经网络控制方法与应用297

8.1 模糊神经网络控制297

8.1.1 模糊神经网络结构298

8.1.2 基于T-S模型的模糊神经网络控制308

8.2 增强学习控制316

8.2.1 基于神经网络的增强学习原理317

8.2.2 自适应启发式评判318

8.2.3 Q学习方法及其应用322

8.2.4 增强型学习控制327

8.2.5 基于GA的增强学习控制333

8.3 小脑模型神经网络控制336

8.3.1 小脑模型CMAC网络337

8.3.2 CMAC网络的直接逆运动控制339

8.3.3 CMAC网络的常规控制342

8.4 神经网络非线性控制344

8.4.1 神经网络非线性控制结构345

8.4.2 内模控制与神经网络内模控制348

8.4.3 神经网络非线性预测控制351

8.4.4 非线性系统的神经网络滑模控制354

8.4.5 基于神经网络的非线性H∞控制356

8.4.6 基于神经网络的非线性系统回馈递推控制361

8.5 神经网络自适应控制368

8.5.1 神经网络自校正控制368

8.5.2 神经网络模型参考控制370

8.6 神经网络PID控制371

8.6.1 常规的神经网络PID控制372

8.6.2 基于BP神经网络参数自学习PID控制器375

8.6.3 基于神经网络的自调整PID控制378

8.7 神经网络建模与辨识方法383

8.7.1 正向建模383

8.7.2 逆模型385

8.7.3 基于小波神经网络的辨识方法387

8.8 神经网络在飞行控制系统中的应用395

8.8.1 新一代歼击机超机动飞行的非线性数学模型396

8.8.2 基于在线神经网络的自适应逆飞行控制系统设计402

参考文献410

第9章 神经网络的泛化理论412

9.1 神经网络的泛化理论简介412

9.2 泛化误差的偏差-方差分解413

9.3 结构复杂性和样本复杂性对神经网络泛化能力的影响414

9.3.1 线性阈值神经网络415

9.3.2 函数逼近神经网络416

9.4 正则化方法对泛化能力的影响417

9.5 神经网络集成对泛化能力的影响420

9.6 样本输入中加噪声对泛化能力的影响421

9.7 其他因素对泛化能力的影响422

9.7.1 样本质量423

9.7.2 先验知识423

9.7.3 初始权值423

9.7.4 学习时间424

参考文献425

附录A 用于三分类的BP算法程序429

附录B 用于函数逼近的BP算法程序434

附录C 连续Hopfield网解决TSP的程序437

附录D 基于聚类的RBF网设计算法440

附录E 基于梯度法的RBF网设计算法443

附录F 基于OLS的RBF网设计算法446