智能控制 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能控制 第2版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 绪论1

1.1 智能控制的发展过程1

1.2 智能控制的几个重要分支3

1.3 智能控制的特点、研究工具及应用4

思考题与习题5

第2章 专家控制6

2.1 专家系统6

2.1.1 专家系统概述6

2.1.2 专家系统的构成7

2.1.3 专家系统的建立7

2.2 专家控制8

2.2.1 专家控制概述8

2.2.2 专家控制的基本原理8

2.2.3 专家控制的关键技术及特点11

2.3 专家PID控制11

2.3.1 专家PID控制原理11

2.3.2 仿真实例12

思考题与习题13

附录（程序代码）14

第3章 模糊控制的理论基础16

3.1 概述16

3.2 模糊集合16

3.2.1 模糊集合的概念16

3.2.2 模糊集合的运算18

3.3 隶属函数20

3.4 模糊关系及其运算23

3.4.1 模糊矩阵24

3.4.2 模糊矩阵的运算与模糊关系24

3.4.3 模糊矩阵的合成25

3.5 模糊推理25

3.5.1 模糊语句25

3.5.2 模糊推理26

3.5.3 模糊关系方程27

思考题与习题28

附录（程序代码）29

第4章 模糊控制32

4.1 模糊控制的基本原理32

4.1.1 模糊控制原理32

4.1.2 模糊控制器的组成32

4.1.3 模糊控制系统的工作原理34

4.1.4 模糊控制器的结构38

4.2 模糊控制系统分类39

4.3 模糊控制器的设计40

4.3.1 模糊控制器的设计步骤40

4.3.2 模糊控制器的Matlab仿真42

4.4 模糊控制应用实例——洗衣机的模糊控制44

4.5 模糊自适应整定PID控制48

4.5.1 模糊自适应整定PID控制原理48

4.5.2 仿真实例51

4.6 Sugeno模糊模型54

4.7 基于Sugeno模糊模型的倒立摆模糊控制55

4.7.1 倒立摆模型的局部线性化55

4.7.2 仿真实例55

4.8 模糊控制的应用56

4.9 模糊控制发展概况57

4.9.1 模糊控制发展的几个转折点57

4.9.2 模糊控制的发展方向58

4.9.3 模糊控制面临的主要任务59

思考题与习题59

附录（程序代码）60

第5章 自适应模糊控制73

5.1 模糊逼近73

5.1.1 模糊系统的设计73

5.1.2 模糊系统的逼近精度74

5.1.3 仿真实例74

5.2 间接自适应模糊控制77

5.2.1 问题描述77

5.2.2 控制器的设计77

5.2.3 仿真实例80

5.3 直接自适应模糊控制82

5.3.1 问题描述82

5.3.2 控制器的设计82

5.3.3 自适应律的设计83

5.3.4 仿真实例85

5.4 机器人关节数学模型86

5.5 基于模糊补偿的机械手自适应模糊控制87

5.5.1 系统描述87

5.5.2 基于模糊补偿的控制87

5.5.3 基于摩擦补偿的控制89

5.5.4 仿真实例90

思考题与习题91

附录（程序代码）92

第6章 神经网络的理论基础110

6.1 神经网络发展简史110

6.2 神经网络原理111

6.3 神经网络的分类112

6.4 神经网络学习算法113

6.4.1 Hebb学习规则114

6.4.2 Delta（δ）学习规则114

6.5 神经网络的特征及要素115

6.6 神经网络控制的研究领域115

思考题与习题116

第7章 典型神经网络117

7.1 单神经元网络117

7.2 BP神经网络118

7.2.1 BP网络特点118

7.2.2 BP网络结构118

7.2.3 BP网络的逼近118

7.2.4 BP网络的优缺点120

7.2.5 BP网络逼近仿真实例121

7.2.6 BP网络模式识别121

7.2.7 BP网络模式识别仿真实例123

7.3 RBF神经网络124

7.3.1 RBF网络结构124

7.3.2 RBF网络的逼近124

7.3.3 RBF网络逼近仿真实例125

7.3.4 高斯基函数参数对RBF网络逼近效果的影响126

7.4 回归神经网络127

7.4.1 DRNN网络结构127

7.4.2 DRNN网络的逼近127

7.4.3 DRNN网络逼近仿真实例129

思考题与习题129

附录（程序代码）130

第8章 高级神经网络140

8.1 模糊RBF网络140

8.1.1 网络结构140

8.1.2 基于模糊RBF网络的逼近算法141

8.1.3 仿真实例142

8.2 pi-sigma神经网络143

8.2.1 高木-关野模糊系统143

8.2.2 混合型pi-sigma神经网络143

8.2.3 仿真实例146

8.3 小脑模型神经网络146

8.3.1 CMAC概述146

8.3.2 一种典型CMAC算法147

8.3.3 仿真实例148

8.4 Hopfield网络149

8.4.1 Hopfield网络原理149

8.4.2 Hopfield网络线性系统参数辨识151

8.5 基于Hopfield网络的路径优化156

8.5.1 旅行商问题的描述156

8.5.2 求解TSP问题的Hopfield网络设计156

8.5.3 仿真实例157

思考题与习题159

附录（程序代码）160

第9章 神经网络控制174

9.1 概述174

9.2 神经网络控制的结构175

9.2.1 神经网络监督控制175

9.2.2 神经网络直接逆控制175

9.2.3 神经网络自适应控制176

9.2.4 神经网络内模控制177

9.2.5 神经网络预测控制177

9.2.6 神经网络自适应评判控制178

9.2.7 神经网络混合控制178

9.3 单神经元自适应控制178

9.3.1 单神经元自适应控制算法178

9.3.2 仿真实例179

9.4 RBF网络监督控制180

9.4.1 RBF网络监督控制算法180

9.4.2 仿真实例181

9.5 RBF网络自校正控制181

9.5.1 神经网络自校正控制原理181

9.5.2 自校正控制算法182

9.5.3 RBF网络自校正控制算法182

9.5.4 仿真实例184

9.6 基于RBF网络直接模型参考自适应控制184

9.6.1 基于RBF网络的控制器设计184

9.6.2 仿真实例186

9.7 基于不确定逼近的RBF网络自适应控制186

9.7.1 问题的提出186

9.7.2 模型不确定部分的RBF网络逼近187

9.7.3 控制器的设计及分析188

9.7.4 仿真实例191

9.8 基于模型整体逼近的机器人RBF网络自适应控制192

9.8.1 问题的提出192

9.8.2 针对f（x）进行逼近的控制193

9.8.3 仿真实例194

9.9 神经网络数字控制195

9.9.1 基本原理195

9.9.2 仿真实例197

思考题与习题199

附录（程序代码）200

第10章 遗传算法及其应用224

10.1 遗传算法的基本原理224

10.2 遗传算法的特点225

10.3 遗传算法的发展及应用226

10.3.1 遗传算法的发展226

10.3.2 遗传算法的应用226

10.4 遗传算法的设计228

10.4.1 遗传算法的构成要素228

10.4.2 遗传算法的应用步骤228

10.5 遗传算法求函数极大值229

10.5.1 二进制编码遗传算法求函数极大值229

10.5.2 实数编码遗传算法求函数极大值230

10.6 基于遗传算法优化的RBF网络逼近231

10.6.1 遗传算法优化原理231

10.6.2 仿真实例232

10.7 基于遗传算法的伺服系统静态摩擦参数辨识233

10.7.1 伺服系统的静态摩擦模型233

10.7.2 静摩擦模型Stribeck曲线的获取234

10.7.3 基于遗传算法的静态摩擦参数辨识234

10.7.4 仿真实例235

10.7.5 基于摩擦模型补偿的伺服系统控制236

10.8 基于遗传算法的TSP问题优化237

10.8.1 TSP问题的编码237

10.8.2 TSP问题的遗传算法设计237

10.8.3 仿真实例239

思考题与习题240

附录（程序代码）242

第11章 迭代学习控制264

11.1 基本原理264

11.2 基本迭代学习控制算法265

11.3 迭代学习控制的关键技术265

11.4 机械手轨迹跟踪迭代学习控制仿真实例266

11.4.1 控制器设计266

11.4.2 仿真实例267

11.5 线性时变连续系统迭代学习控制268

11.5.1 系统描述268

11.5.2 控制器设计及收敛性分析268

11.5.3 仿真实例271

11.6 移动机器人轨迹跟踪迭代学习控制273

11.6.1 数学基础273

11.6.2 系统描述273

11.6.3 控制律设计及收敛性分析275

11.6.4 仿真实例278

思考题与习题279

附录（程序代码）280

附录A291

参考文献293