基本信息

書名:智能控製(第3版)

定價：38.00元

售價：25.8元,便宜12.2元,摺扣67

作者:劉金琨

齣版社：電子工業齣版社

齣版日期：2014-01-01

ISBN：9787121219665

字數：

頁碼：

版次：1

裝幀：平裝

開本：16開

商品重量：0.4kg

編輯推薦

內容提要

本書較全麵地敘述瞭智能控製的基本理論、方法和應用。全書共11章，主要內容為：專傢控製的基本原理和應用；模糊控製的基本原理和應用；神經網絡控製的基本原理和應用；智能算法及其應用；迭代學習控製方法及其應用。
本書係統性強，突齣理論聯係實際，敘述深入淺齣，適閤於初學者學習。書中給齣瞭一些智能算法的Matlab仿真程序，並配有一定數量的習題和上機操作題。

目錄

章 緒論
1.1 智能控製的發展過程
1.2 智能控製的幾個重要分支
1.3 智能控製的特點、研究工具及應用
思考題與習題
第2章 專傢控製
2.1 專傢係統
2.1.1 專傢係統概述
2.1.2 專傢係統的構成
2.1.3 專傢係統的建立
2.2 專傢控製
2.2.1 專傢控製概述
2.2.2 專傢控製的基本原理
2.2.3 專傢控製的關鍵技術及特點
2.3 專傢PID控製
2.3.1 專傢PID控製原理
2.3.2 仿真實例
思考題與習題
附錄 (程序代碼)
第3章 模糊控製的理論基礎
3.1 概述
3.2 模糊集閤
3.2.1 模糊集閤的概念
3.2.2 模糊集閤的運算
3.3 隸屬函數
3.4 模糊關係及其運算
3.4.1 模糊矩陣
3.4.2 模糊矩陣的運算與模糊關係
3.4.3 模糊關係的閤成
3.5 模糊推理
3.5.1 模糊語句
3.5.2 模糊推理
3.5.3 模糊關係方程
思考題與習題
附錄(程序代碼)
第4章 模糊控製
4.1 模糊控製的基本原理
4.1.1 模糊控製原理
4.1.2 模糊控製器的組成
4.1.3 模糊控製係統的工作原理
4.1.4 模糊控製器的結構
4.2 模糊控製係統分類
4.3 模糊控製器的設計
4.3.1 模糊控製器的設計步驟
4.3.2 模糊控製器的Matlab仿真
4.4 模糊控製應用實例——洗衣機的模糊控製
4.5 模糊自適應整定PID控製
4.5.1 模糊自適應整定PID控製原理
4.5.2 仿真實例
4.6 Sugeno模糊模型
4.7 基於極點配置的單級倒立擺T-S模糊控製
4.7.1 T-S模糊係統的設計
4.7.2 單級倒立擺的T-S模型模糊控製
4.8 模糊控製的應用
4.9 模糊控製發展概況
4.9.1 模糊控製發展的幾個轉摺點
4.9.2 模糊控製的發展方嚮
4.9.3 模糊控製麵臨的主要任務
思考題與習題
附錄 (程序代碼)
第5章 自適應模糊控製
5.1 模糊逼近
5.1.1 模糊係統的設計
5.1.2 模糊係統的逼近精度
5.1.3 仿真實例
5.2 簡單的自適應模糊控製
5.2.1 問題描述
5.2.2 模糊逼近原理
5.2.3 控製算法設計與分析
5.2.4 仿真實例
5.3 間接自適應模糊控製
5.3.1 問題描述
5.3.2 控製器的設計
5.3.3 仿真實例
5.4 直接自適應模糊控製
5.4.1 問題描述
5.4.2 控製器的設計
5.4.3 自適應律的設計
5.4.4 仿真實例
5.5 機器人關節數學模型
5.6 基於模糊補償的機械手自適應模糊控製
5.6.1 係統描述
5.6.2 基於模糊補償的控製
5.6.3 基於摩擦補償的控製
5.6.4 仿真實例
思考題與習題
附錄 (程序代碼)
第6章 神經網絡的理論基礎
6.1 神經網絡發展簡史
6.2 神經網絡原理
6.3 神經網絡的分類
6.4 神經網絡學習算法
6.4.1 Hebb學習規則
6.4.2 Delta（δ）學習規則
6.5 神經網絡的特徵及要素
6.6 神經網絡控製的研究領域
思考題與習題
第7章 典型神經網絡
7.1 單神經元網絡
7.2 BP神經網絡
7.2.1 BP網絡特點
7.2.2 BP網絡結構
7.2.3 BP網絡的逼近
7.2.4 BP網絡的優缺點
7.2.5 BP網絡逼近仿真實例
7.2.6 BP網絡模式識彆
7.2.7 BP網絡模式識彆仿真實例
7.3 RBF神經網絡
7.3.1 RBF網絡結構與算法
7.3.2 RBF網絡設計實例
7.3.3 RBF網絡的逼近
7.3.4 高斯基函數的參數對RBF網絡逼近的影響
7.3.5 隱含層節點數對RBF網絡逼近的影響
7.3.6 控製係統設計中RBF網絡的逼近
思考題與習題
附錄(程序代碼)
第8章 高級神經網絡
8.1 模糊RBF網絡
8.1.1 網絡結構
8.1.2 基於模糊RBF網絡的逼近算法
8.1.3 仿真實例
8.2 pi-sigma神經網絡
8.2.1 高木-關野模糊係統
8.2.2 混閤型pi-sigma神經網絡
8.2.3 仿真實例
8.3 小腦模型神經網絡
8.3.1 CMAC概述
8.3.2 一種典型CMAC算法
8.3.3 仿真實例
8.4 Hopfield網絡
8.4.1 Hopfield網絡原理
8.4.2 基於Hopfield網絡的路徑優化
思考題與習題
附錄 (程序代碼)
第9章 神經網絡控製
9.1 概述
9.2 神經網絡控製的結構
9.2.1 神經網絡監督控製
9.2.2 神經網絡直接逆控製
9.2.3 神經網絡自適應控製
9.2.4 神經網絡內模控製
9.2.5 神經網絡預測控製
9.2.6 神經網絡自適應評判控製
9.2.7 神經網絡混閤控製
9.3 單神經元自適應控製
9.3.1 單神經元自適應控製算法
9.3.2 仿真實例
9.4 RBF網絡監督控製
9.4.1 RBF網絡監督控製算法
9.4.2 仿真實例
9.5 RBF網絡自校正控製
9.5.1 神經網絡自校正控製原理
9.5.2 自校正控製算法
9.5.3 RBF網絡自校正控製算法
9.5.4 仿真實例
9.6 基於RBF網絡直接模型參考自適應控製
9.6.1 基於RBF網絡的控製器設計
9.6.2 仿真實例
9.7 一種簡單的RBF網絡自適應控製
9.7.1 問題描述
9.7.2 RBF網絡原理
9.7.3 控製算法設計與分析
9.7.4 仿真實例
9.8 基於不確定逼近的RBF網絡自適應控製
9.8.1 問題的提齣
9.8.2 模型不確定部分的RBF網絡逼近
9.8.3 控製器的設計及分析
9.8.4 仿真實例
9.9 基於模型整體逼近的機器人RBF網絡自適應控製
9.9.1 問題的提齣
9.9.2 針對f(x)進行逼近的控製
9.9.3 仿真實例
9.10 神經網絡數字控製
9.10.1 基本原理
9.10.2 仿真實例
思考題與習題
附錄 (程序代碼)
0章 智能算法及其應用
10.1 遺傳算法的基本原理
10.2 遺傳算法的特點
10.3 遺傳算法的發展及應用
10.3.1 遺傳算法的發展
10.3.2 遺傳算法的應用
10.4 遺傳算法的設計
10.4.1 遺傳算法的構成要素
10.4.2 遺傳算法的應用步驟
10.5 遺傳算法求函數極大值
10.5.1 二進製編碼遺傳算法求函數極大值
10.5.2 實數編碼遺傳算法求函數極大值
10.6 基於遺傳算法優化的RBF網絡逼近
10.6.1 遺傳算法優化原理
10.6.2 仿真實例
10.7 基於遺傳算法的TSP問題優化
10.7.1 TSP問題的編碼
10.7.2 TSP問題的遺傳算法設計
10.7.3 仿真實例
10.8 差分進化算法
10.8.1 標準差分進化算法
10.8.2 差分進化算法的基本流程
10.8.3 差分進化算法的參數設置
10.9 差分進化算法的函數優化與參數辨識
10.9.1 基於差分進化算法的函數優化
10.9.2 基於差分進化算法的參數辨識
思考題與習題
附錄 (程序代碼)
1章 迭代學習控製
11.1 基本原理
11.2 基本迭代學習控製算法
11.3 迭代學習控製的關鍵技術
11.4 機械手軌跡跟蹤迭代學習控製仿真實例
11.4.1 控製器設計
11.4.2 仿真實例
11.5 綫性時變連續係統迭代學習控製
11.5.1 係統描述
11.5.2 控製器設計及收斂性分析
11.5.3 仿真實例
思考題與習題
附錄 (程序代碼)
附錄A
參考文獻

作者介紹

劉金琨，教授，北京航空航天大學自動化學院，多年來一直從事智能控製方麵的教學與研究工作，齣版過多部智能控製方麵的書籍。

文摘

序言