《智能控制》

1绪论1

1.1 智能控制的产生和发展1

1.1.1 智能控制是自动控制理论发展的必然趋势1

1.1.2 人工智能为智能控制的产生提供机遇4

1.1.3 智能控制是第二次产业革命的重要组成部分6

1.2 智能控制的含义和特点7

1.2.1 智能控制的含义7

1.2.2 智能控制系统的特点9

1.3 智能控制的理论结构9

1.4 智能控制系统的分类12

1.4.1 按系统构成原理分类12

1.4.2 按系统结构分类14

1.4.3 按系统实现功能分类15

2人工智能的基本原理18

2.1 知识表示18

2.1.1 状态空间表示法18

2.1.2 与／或图表示法20

2.1.3 谓词逻辑表示法24

2.1.4 产生式表示法30

2.1.5 语义网络表示法32

2.1.6 框架表示法34

2.2 推理技术36

2.2.1 状态空间的搜索原理37

2.2.2 与／或树的搜索原理43

2.2.3 归结原理47

2.3.1 机器学习的基本知识51

2.3 机器学习51

2.3.2 若干机器学习的算法54

3专家系统与专家系统控制58

3.1 专家系统的一般概念58

3.1.1 专家系统的结构58

3.1.2 专家系统的知识表示和获取59

3.1.3 专家系统的建造步骤62

3.2 过程诊断与监控专家系统63

3.2.1 系统的基本结构63

3.2.2 知识表示与获取64

3.2.3 系统设计66

3.2.4 学习能力与系统维护70

3.2.5 诊断与监控一体化71

3.3 直接专家系统控制72

3.3.1 直接专家控制系统的基本结构72

3.3.2 专家控制器的设计原则73

3.3.3 直接专家控制系统实现75

3.4 间接专家系统控制80

3.4.1 专家整定PID控制系统81

3.4.2 协调型专家监控系统85

4模糊控制90

4.1 模糊控制的数学基础91

4.1.1 模糊集合和隶属函数91

4.1.2 模糊关系和模糊关系矩阵96

4.1.3 模糊语言和模糊推理99

4.2 模糊控制原理104

4.2.1 输入模糊化106

4.2.2 模糊决策107

4.2.3 输出逆模糊化112

4.3 模糊控制器设计113

4.3.1 规则库114

4.3.2 隶属函数库115

4.3.3 模糊关系运算116

4.3.4 模糊控制总表118

4.3.5 自组织模糊控制器设计119

4.4 模糊控制器的实现122

4.4.1 多元逻辑电路直接实现法122

4.4.2 查表法模糊控制器的软件实现127

4.4.3 模糊推理法的软件实现130

5人工神经网络控制135

5.1 人工神经网络的基本概念136

5.1.1 人工神经网络的基本原理136

5.1.2 神经元模型138

5.1.3 人工神经网络的结构143

5.2 用于智能控制的人工神经网络144

5.2.1 静态多层前向网络144

5.2.2 动态反馈网络151

5.3 神经网络控制155

5.3.1 神经网络控制系统的结构156

5.3.2 神经网络系统辨识158

5.3.3 自适应神经网络控制164

5.4 神经网络模糊控制168

5.4.1 基于神经网络的自适应模糊控制169

5.4.2 神经网络模糊控制器169

5.4.3 基于TBP学习的神经网络模糊控制器172

6仿人智能控制177

6.1 人控制器的特性177

6.2 仿人智能控制基本理论180

6.2.1 仿人智能控制的基本思想180

6.2.2 仿人智能控制系统的基本概念和结构180

6.3 仿人智能控制的基本算法184

6.3.1 MC的仿人智能控制算法184

6.3.2 ST的控制周期的自校正方法188

6.3.3 TA的在线参数辨识方法189

6.4 实现仿人智能控制的多微机系统192

7分级递阶智能控制196

7.1 基本理论196

7.1.1 分级递阶智能控制的基本结构196

7.1.2 分级递阶智能控制的语言决策模式198

7.1.3 执行级的自组织控制方法200

7.1.4 分级递阶智能控制的熵准则207

7.2 机械臂的分级递阶智能控制208

7.3 集散递阶智能控制212

7.3.1 集散控制系统组成212

7.3.2 集散控制系统的特点及其智能化215

8 关于智能控制发展趋势的探讨217

参考文献221