智能控制PDF|Epub|txt|kindle电子书版本网盘下载

智能控制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智能控制的发展过程1

第1章 绪论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6

第2章 专家控制7

2.1专家系统7

2.1.1专家系统概述7

2.1.2专家系统的构成8

2.1.3专家系统的建立8

2.2.2专家控制的基本原理9

2.2专家控制9

2.2.1专家控制概述9

2.2.3专家控制的关键技术及特点12

2.3专家PID控制12

2.3.1专家PID控制原理12

2.3.2仿真实例13

思考题与习题14

附录（程序代码）15

3.2.1模糊集合的概念18

3.2模糊集合18

3.1概述18

第3章 模糊控制的理论基础18

3.2.2模糊集合的运算20

3.3隶属函数22

3.4模糊关系及其运算26

3.4.1模糊矩阵27

3.4.2模糊矩阵的运算27

3.4.3模糊矩阵的合成28

3.5.1模糊语句29

3.5.2模糊推理29

3.5模糊推理29

3.5.3模糊关系方程30

思考题与习题31

附录（程序代码）32

第4章 模糊控制36

4.1模糊控制的基本原理36

4.1.1模糊控制原理36

4.1.2模糊控制器的组成37

4.1.3模糊控制系统的工作原理38

4.1.4模糊控制器的结构42

4.2模糊控制系统分类43

4.3模糊控制器的设计44

4.3.1模糊控制器的设计步骤44

4.3.2模糊控制器的Matlab仿真46

4.4模糊控制应用实例——洗衣机的模糊控制48

4.5模糊自适应整定PID控制54

4.5.1模糊自适应整定PID控制原理54

4.5.2仿真实例57

4.6Sugeno模糊模型62

4.7.1倒立摆模型的局部线性化63

4.7基于Sugeno模糊模型的倒立摆模糊控制63

4.7.2仿真实例64

4.8模糊控制的应用66

4.9模糊控制发展概况67

4.9.1模糊控制发展的几个转折点67

4.9.2模糊控制的发展方向67

4.9.3模糊控制面临的主要任务68

思考题与习题68

附录（程序代码）69

5.1.2模糊系统的逼近精度86

5.1.1模糊系统的设计86

5.1模糊逼近86

第5章 自适应模糊控制86

5.1.3仿真实例87

5.2间接自适应模糊控制90

5.2.1问题描述90

5.2.2控制器的设计91

5.2.3仿真实例94

5.3直接自适应模糊控制96

5.3.1问题描述96

5.3.2控制器的设计97

5.3.3自适应律的设计98

5.3.4仿真实例100

思考题与习题101

附录（程序代码）102

第6章 神经网络的理论基础117

6.1神经网络发展简史117

6.2神经网络原理118

6.3神经网络的分类119

6.4神经网络学习算法120

6.4.1Hebb学习规则121

6.4.2 Delta（δ）学习规则121

6.6神经网络控制的研究领域122

6.5神经网络的特征及要素122

思考题与习题123

第7章 典型神经网络124

7.1单神经元网络124

7.2 BP神经网络125

7.2.1 BP网络特点125

7.2.2 BP网络结构126

7.2.3 BP网络的逼近126

7.2.5 BP网络逼近仿真实例128

7.2.6 BP网络模式识别128

7.2.4 BP网络的优缺点128

7.2.7 BP网络模式识别仿真实例131

7.3RBF神经网络132

7.3.1 RBF网络结构132

7.3.2 RBF网络的逼近133

7.3.3 RBF网络逼近仿真实例134

7.4回归神经网络135

7.4.1 DRNN网络结构135

7.4.2DRNN网络的逼近136

7.4.3 DRNN网络逼近仿真实例137

思考题与习题138

附录（程序代码）139

第8章 高级神经网络148

8.1模糊RBF网络148

8.1.1网络结构149

8.1.2基于模糊RBF网络的逼近算法150

8.1.3仿真实例150

8.2 pi-sigma神经网络151

8.2.1高木－关野模糊系统151

8.2.2混合型pi-sigma神经网络152

8.2.3仿真实例154

8.3.1 CMAC概述155

8.3小脑模型神经网络155

8.3.2一种典型CMAC算法156

8.3.3仿真实例157

8.4 Hopfield网络158

8.4.1Hopfield网络原理158

8.4.2基于Hopfield网络的自适应控制160

思考题与习题164

附录（程序代码）165

第9章 神经网络控制176

9.1概述176

9.2.2神经网络直接逆控制177

9.2神经网络控制的结构177

9.2.1神经网络监督控制177

9.2.3神经网络自适应控制178

9.2.4神经网络内模控制179

9.2.5神经网络预测控制180

9.2.6神经网络自适应评判控制180

9.2.7神经网络混合控制180

9.3单神经元自适应控制181

9.3.1单神经元自适应控制算法181

9.3.2仿真实例181

9.4.1 RBF网络监督控制算法183

9.4 RBF网络监督控制183

9.4.2仿真实例184

9.5 RBF网络自校正控制185

9.5.1神经网络自校正控制原理185

9.5.2自校正控制算法185

9.5.3 RBF网络自校正控制算法185

9.5.4仿真实例187

9.6基于RBF网络直接模型参考自适应控制188

9.6.1基于RBF网络的控制器设计188

9.6.2仿真实例189

思考题与习题190

附录（程序代码）191

第10章 遗传算法及其应用200

10.1遗传算法的基本原理200

10.2遗传算法的特点201

10.3遗传算法的发展及应用202

10.3.1遗传算法的发展202

10.3.2遗传算法的应用202

10.4.2遗传算法的应用步骤204

10.4.1遗传算法的构成要素204

10.4遗传算法的优化设计204

10.5遗传算法求函数极大值205

10.5.1二进制编码遗传算法求函数极大值205

10.5.2实数编码遗传算法求函数极大值207

10.6基于遗传算法优化的RBF网络逼近208

10.6.1遗传算法优化原理208

10.6.2仿真实例209

思考题与习题210

附录（程序代码）211

参考文献224