智能控制原理及应用PDF|Epub|txt|kindle电子书版本网盘下载

智能控制原理及应用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

1.1　控制科学发展的历史1

第1章　绪论1

1.2　智能控制产生的背景2

1.3　智能控制的基本概念和研究内容4

1.3.1　智能控制的基本概念4

1.3.2　智能和智能控制的定义6

1.3.4　智能控制的主要研究内容7

本书的主要内容7

1.3.3　智能控制的研究对象7

习题8

第2章　专家控制9

2.1　专家系统9

2.1.1　专家控制的由来9

2.1.2　专家系统的结构及特点10

2.1.3　专家系统的类型13

2.2　知识表示15

2.2.1　传统的知识表示15

2.2.2　基于模糊彩色Petri网的知识表示与获取18

2.3　专家控制系统25

2.3.1　定义及特点26

2.3.2　专家控制的基本原理27

2.3.3　专家控制系统的设计原则29

2.3.4　专家控制系统的结构31

2.4　自学习专家控制系统36

2.4.1 自学习专家控制器的基本组成36

2.4.2　专家控制级36

2.4.3　散转推理法37

2.4.4　控制器参数的自学习修正38

2.5　基于粗糙集的专家控制系统39

2.5.1　基于粗集方法的专家控制系统的基本结构39

2.5.2　基于粗集方法的推理控制学习方法40

2.6　专家控制系统示例42

2.6.1　机车运行系统专家控制器设计42

2.6.2　浮选过程的专家控制44

2.6.3　专家PID控制47

本章小结49

习题50

第3章　模糊控制51

3.1　模糊控制的基本概念51

3.2　模糊集合与模糊关系53

3.2.1 由经典集合到模糊集合53

3.2.2　模糊集合的运算及基本性质58

3.3　模糊关系与模糊推理60

3.3.1　模糊关系60

3.3.2　模糊蕴涵与模糊推理62

3.3.3　模糊推理的方法及算法66

3.4　模糊控制系统的结构71

3.4.1　模糊控制系统的基本结构71

3.4.2　模糊控制系统的两种基本类型74

3.5　模糊控制系统的设计75

3.5.1　模糊控制器的设计内容与原则75

3.5.2　常规模糊控制系统的设计方法79

3.5.3　基于T-S模糊模型的控制系统设计85

3.5.4　自适应模糊控制系统设计91

3.5.5　预测模糊控制系统设计106

3.5.6　模糊PID控制系统设计109

3.6　模糊控制系统的稳定性分析115

3.6.1　相平面分析法115

3.6.2　稳定区间法117

3.6.3　Lyapunov判据分析法118

本章小结120

习题121

4.1.1　神经元结构及原理122

第4章　神经网络控制122

4.1　神经网络的基本概念122

4.1.2　人工神经网络的特点126

4.2　神经网络结构类型及其学习算法127

4.2.1　神经网络的学习方法127

4.2.2　多层前向神经网络128

4.2.3　自适应线性神经元132

4.2.4　小脑模型神经网络133

4.2.5　PID神经网络136

4.2.6　Hopfield网络138

4.3　基于神经网络的系统辨识145

4.3.1　神经网络辨识的结构及特点145

4.3.2　确定性系统的神经网络辨识146

4.3.3　随机系统的神经网络辨识148

4.3.4　非线性动态系统的神经网络辨识150

4.3.5　动态系统的逆模型辨识154

4.4　PID神经网络控制158

4.4.1　PID神经网络单变量控制158

4.4.2　PID神经网络多变量控制160

4.5　神经PID控制165

4.5.1　基于多层前向网络的PID控制165

4.5.2　基于单神经元的直接PID控制168

4.6　小脑模型神经网络控制173

4.6.1　CMAC直接逆模型运动控制173

4.6.2　CMAC前馈控制174

4.7.1 内模控制的基本结构及原理180

4.7　基于神经网络的内模控制180

4.7.2　非线性神经内模控制181

4.8　基于神经网络的模型参考自适应控制183

4.8.1　直接神经网络MRAC183

4.8.2　间接神经网络MRAC184

4.9　基于神经网络的预测控制186

4.9.1　神经预测控制的一般结构186

4.9.2　神经预测控制的算法188

习题190

本章小结190

第5章　遗传算法与智能控制191

5.1　遗传算法的基本原理191

5.1.1　遗传算法发展简介191

5.1.2　遗传算法的特点及应用领域192

5.1.3　遗传算法的基本概念194

5.1.4　遗传算法的基本操作195

5.2　基于遗传算法的系统辨识200

5.2.1　线性系统辨识200

5.2.2　非线性系统辨识206

5.3　基于遗传算法的PID参数优化208

5.3.1　PID控制原理208

5.3.2　PID控制参数寻优过程209

5.4　基于遗传算法的模糊控制器参数优化212

5.4.1　模糊规则的优化213

5.4.2　用遗传算法优化隶属函数216

5.4.3　用遗传算法优化自调整因子219

5.4.4　基于遗传算法的模糊控制器参数综合优化222

5.5　基于遗传算法的神经网络控制器优化226

本章小结228

习题228

第6章　基于多Agent的智能控制229

6.1　Agent及多Agent229

6.1.1　Agent概念230

6.1.2　Agent特性230

6.1.3　Agent的广义结构231

6.1.4　多Agent系统232

6.2　多Agent的通信233

6.3　基于多Agent的变电站故障诊断235

6.3.1　诊断模型235

6.3.2　诊断Agent结构组成236

6.3.3　组件功能237

6.3.4　Agent之间的通信237

6.3.5　协作诊断过程238

6.3.6　仿真238

6.4.1　控制结构240

6.4　基于多Agent的列车运行智能控制240

6.4.2　多Agent系统的功能和特点241

6.4.3　分层递阶结构241

6.4.4　协同机制242

6.5　基于多Agent的水箱液位控制244

6.5.1　控制系统结构244

6.5.2　控制原理244

本章小结245

习题245

参考文献246