《智能控制基础》求取 ⇩

第一章　智能控制基础1

1.1　人的认知过程与人工智能1

1.1.1　人脑的基本机能1

1.1.2　人工智能的研究对象2

1.1.3　人工智能的学科范畴2

1.1.4　人类智能的计算机模拟3

1.2　智能控制的发展和定义4

1.2.1　智能控制的产生4

1.2.2　智能控制的定义5

1.3　智能控制的结构理论与特点5

1.3.1　智能控制的结构理论5

1.3.2　智能控制器的结构7

1.3.3　智能控制的特点7

1.4　智能控制的发展概况9

1.4.1　智能控制系统进展概况9

1.4.2　智能控制系统的应用研究9

第二章　知识表达技术11

2.1　知识表达技术的基本概念11

2.1.1　知识类型：叙述型、过程型、控制型11

2.1.2　知识模型变换：同构、同态11

2.2　状态空间表达法13

2.2.1　状态空间表达法的描述13

2.2.2　状态空间表达法示例13

2.3　问题归约法16

2.3.1　问题归约描述16

2.3.2　与或图表达法18

2.4　逻辑表达法20

2.4.1　命题逻辑20

2.4.2　谓词逻辑22

2.4.3　一阶谓词的逻辑表达方法23

2.4.4　谓词逻辑表达法的性能和应用25

2.5　语义网络表示法25

2.5.1　语义网络的概念和特性25

2.5.2　语义网络的几种表示26

2.6　框架表示法28

2.6.1　框架表示的概念和性能28

2.6.2　框架表示法的示例29

2.7　产生式规则表达法31

2.7.1　产生式系统的基本结构和性能31

2.7.2　产生式系统与问题求解32

2.7.3　产生式系统的分析设计与应用34

2.8　过程表示法和直接表示法35

2.8.1　过程表示法35

2.8.2　直接表示法36

第三章　知识推理技术37

3.1　知识推理的概念和类型37

3.1.1　知识推理的概念37

3.1.2　图搜索与逻辑论证37

3.1.3　推理算法与推理步骤38

3.1.4　启发推理与非启发推理38

3.2　图搜索策略39

3.2.1　显式图与隐式图39

3.2.2　隐式图搜索法及过程39

3.3　宽度优先搜索法40

3.3.1　宽度优先搜索法的概念40

3.3.2　宽度优先搜索法的流程41

3.3.3　宽度优先搜索法的示例42

3.4　深度优先搜索法43

3.4.1　深度优先搜索法的概念43

3.4.2　深度优先搜索法的流程43

3.4.3　深度优先搜索法的示例44

3.5　代价驱动搜索法45

3.5.1　代价驱动搜索法的概念45

3.5.2　代价驱动宽度优先搜索法47

3.5.3　代价驱动深度优先搜索法49

3.6　启发式搜索50

3.6.1　启发式搜索策略50

3.6.2　估计函数50

3.6.3　瞎子爬山法51

3.6.4　有序搜索法53

3.7　专家系统54

3.7.1　专家系统的特点54

3.7.2　专家系统的结构54

3.7.3　建立专家系统的步骤56

3.7.4　专家控制系统57

3.7.5　产生式专家控制系统59

3.7.6　多级专家控制系统61

第四章　模糊控制的数学基础64

4.1　普通集合64

4.1.1　集合概念及其表示方法64

4.1.2　集合的运算65

4.1.3　关系和关系图67

4.2　模糊集合69

4.2.1　特征函数和隶属函数69

4.2.2　模糊子集及其表示方法70

4.2.3　模糊子集运算72

4.2.4　模糊集合转化为普通集合74

4.3　隶属函数的确定方法75

4.3.1　模糊统计法75

4.3.2　择优比较法78

4.3.3　专家经验法79

4.4　模糊关系80

4.4.1　模糊关系定义及模糊矩阵80

4.4.2　模糊矩阵运算81

4.4.3　模糊矩阵的合成81

第五章　模糊控制的理论基础83

5.1　模糊逻辑83

5.1.1　清晰命题与二值逻辑83

5.1.2　模糊命题与模糊逻辑85

5.2　模糊控制的知识表述86

5.2.1　模糊语言86

5.2.2　语气算子87

5.2.3　模糊语句89

5.3　模糊推理90

5.3.1　模糊条件推理90

5.3.2　复杂型模糊条件推理93

5.4　模糊关系方程及其解94

5.4.1　模糊关系方程概念94

5.4.2　模糊关系方程的解95

第六章　模糊控制系统96

6.1　模糊控制系统概述96

6.1.1　模糊自动控制基本概念96

6.1.2　模糊控制系统工作原理99

6.1.3　模糊控制系统分类102

6.2　模糊控制器103

6.2.1　模糊控制器基本结构103

6.2.2　精确量的模糊化处理104

6.2.3　模糊控制器知识库及推理106

6.2.4　模糊量的清晰化处理108

6.3　模糊控制器设计与分析109

6.3.1　模糊控制器基本设计原则和途径109

6.3.2　模糊控制器稳定性判断114

6.3.3　模糊控制器静态特性分析118

6.3.4　模糊控制器动态特性分析120

6.4　模糊控制应用实例125

6.4.1　聚合反应釜的模糊控制125

6.4.2　模糊控制在船舶自动驾驶中的应用129

第七章　神经网络基本理论135

7.1　概述135

7.2　神经网络的基本模型135

7.2.1　感知机135

7.2.2　BP模型137

7.2.3　Hopfield模型139

7.2.4　Boltzmann模型141

7.3　神经网络学习规则142

7.3.1　Hebb规则143

7.3.2　Delta规则143

7.3.3　ART规则144

7.3.4Kohonen规则145

7.3.5 Boltzmann规则145

第八章　神经网络控制系统147

8.1　神经网络系统辨识147

8.1.1　系统辨识基本理论147

8.1.2　基于神经网络的非线性系统辨识149

8.1.3　神经网络非线性系统辨识示例150

8.2　神经网络学习控制151

8.2.1　学习控制151

8.2.2　神经网络学习控制系统151

8.2.3　神经网络学习控制系统示例153

8.3　神经网络自适应控制156

8.3.1　自适应控制156

8.3.2　神经网络模型参考自适应控制157

8.3.3　神经网络自校正控制158

8.3.4　单神经元自适应PID控制示例159

8.4　神经网络机器人控制系统161

8.4.1　机器人及其控制161

8.4.2　神经网络机器人控制系统162

8.5　模糊神经网络控制系统164

8.5.1　模糊神经网络164

8.5.2　模糊神经网络控制器165

第九章　智能控制系统168

9.1　分级递阶智能控制系统168

9.1.1　大系统基本概念168

9.1.2　分级递阶智能控制的基本原理168

9.1.3　机器人分级递阶智能控制系统170

9.2　专家控制系统172

9.2.1　专家控制系统与专家控制器172

9.2.2　过程控制专家系统174

9.2.3　模糊专家控制系统175

9.3　学习控制系统179

9.3.1　学习控制的基本原理179

9.3.2自学习控制系统181

参考文献183