《模糊控制·神经控制和智能控制论》求取 ⇩

目 录1

序篇智能控制论1

0.1控制理论的产生及其发展1

0.2智能控制的产生及其发展2

0.3传统控制和智能控制4

0.4智能控制论6

0.5智能控制的基础及学科范畴6

第一篇智能控制的新学科基础10

第1章 思维科学与智能模拟10

1.1信息社会与思维科学10

1.1.1思维与思维科学10

1.1.2思维的类型11

1.2.2思维的神经基础16

1.2.1思维与智能16

1.2思维的神经基础16

1.3智能模拟17

1.3.1智能模拟的科学基础17

1.3.2智能模拟的哲学基础18

1.3.3智能模拟的基本途径18

1.4智能模拟中的科学方法论20

1.4.1结构主义方法20

1.4.2行为主义方法21

1.4.3演绎主义方法21

1.4.4信息科学方法21

第2章 模糊集合与模糊逻辑23

2.1模糊数学的创立及发展23

2.2经典集合及其运算25

2.2.1集合的概念及定义25

2.2.2集合的直积26

2.2.3映射与关系27

2.2.4集合的运算性质27

2.2.5集合的表示及特征函数28

2.3模糊集合及其运算29

2.3.1模糊子集的定义及表示29

2.3.2模糊子集的运算31

2.4模糊集合与经典集合的联系33

2.4.1截集33

2.4.2分解定理34

2.4.3扩张原则35

2.5隶属函数35

2.5.1隶属函数的确定方法36

2.5.2常用的隶属函数39

2.6.1模糊矩阵41

2.6模糊矩阵与模糊关系41

2.6.2模糊关系45

2.6.3模糊关系的合成48

2.7模糊向量50

2.7.1模糊向量50

2.7.2模糊向量的笛卡尔乘积50

2.7.3模糊向量的内积与外积51

2.8模糊逻辑与模糊推理52

2.8.1模糊逻辑52

2.8.2模糊语言60

2.8.3模糊推理66

第3章 神经网络与计算智能72

3.1神经网络研究的概述72

3.1.1神经网络研究简史72

3.2.1脑的宏观结构74

3.1.2神经网络的主要特点74

3.2脑与神经系统74

3.2.2神经细胞的结构与功能75

3.2.3神经元模型77

3.3神经网络的结构和学习规则83

3.3.1神经网络的联接形式83

3.3.2神经网络的学习和训练85

3.3.3神经网络的学习规则86

3.4典型前向网络——BP网络89

3.4.1感知器89

3.4.2前向多层网络的BP学习算法89

3.4.3 BP算法的改进算法92

3.4.4前向网络递推预报误差算法（RPE）97

3.5.1 Hopfield网络模型99

3.5典型反馈网络——Hopfield网络99

3.5.2 Hopfield网络的联想记忆功能100

3.5.3 Hopfield网络的优化计算功能101

3.6小脑模型关联控制器——CMAC网络102

3.6.1 CMAC网络的基本思想102

3.6.2 CMAC网络的工作原理103

3.6.3小脑模型运算机104

3.7大脑自组织特征映射模型——Kohonen网络105

3.7.1 Kohonen网络原理105

3.7.2 Kohonen网络学习规则及算法106

3.8基于概率式学习的Boltzmann机模型107

3.8.1模拟退火107

3.8.2 Boltzmann机模型107

3.8.3 Boltzmann机的训练和学习规则108

4.1.1遗传学的产生与发展109

第4章 进化计算与遗传算法109

4.1遗传学和生物进化论109

4.1.2生物进化论110

4.2进化计算和遗传算法111

4.2.1进化计算111

4.2.2遗传算法112

4.3遗传算法的结构和基本原理113

4.3.1遗传算法的结构113

4.3.2选择、交叉和突然变异的方法114

4.3.3遗传算法的实现步骤116

4.4遗传算法的理论与方法论117

4.4.1模式定理（Schema theorem）117

4.4.2虚拟边界定理118

4.4.3遗传算法中的方法论119

4.5.1遗传算法在模糊推理中的应用120

4.5遗传算法和模糊逻辑、神经网络的融合120

4.5.2遗传算法和神经网络的融合121

4.6遗传算法的特点及研究方向122

4.6.1遗传算法的主要特点122

4.6.2遗传算法的研究课题123

第5章 复杂开放系统的自组织理论125

5.1耗散结构论125

5.1.1非平衡热力学系统的基本概念125

5.1.2自组织现象127

5.1.3稳定性与分叉理论128

5.1.4耗散结构形成的条件129

5.2协同学与突变论130

5.2.1协同学130

5.2.2突变论131

5.3混沌学135

5.3.1混沌的基本概念135

5.3.2开放系统的混沌动力学137

5.3.3维数与李雅普诺夫指数139

5.3.4混沌的潜在应用领域140

第6章 物元分析与可拓集合143

6.1物元分析学科的创立与发展143

6.2 物元及其可拓性144

6.2.1物元的概念及其表示144

6.2.2物元的可拓性145

6.3物元变换148

6.3.1物元要素的基本变换149

6.3.2物元的基本变换及其运算149

6.3.3物元基本变换的性质150

6.4可拓集合152

6.4.1可拓集合的概念152

6.4.2可拓集合的关系和运算154

6.4.3物元可拓集155

6.4.4可拓关系及其运算156

6.5关联函数157

6.5.1实域中的距、模及位值157

6.5.2简单关联函数与初等关联函数160

6.5.3质度函数163

6.6物元方程与关联不等式163

6.6.1物元方程和蕴含方程163

6.6.2转换桥的基本概念164

6.6.3问题的物元模型165

第7章 智能控制的知识工程基础166

第二篇智能控制的知识工程和信息科学基础166

6.6.4关联不等式和不相容问题求解166

7.1专家系统基础170

7.1.1什么是专家系统170

7.1.2建立专家系统的目的和意义171

7.2专家系统的结构171

7.2.1一般专家系统的结构171

7.2.2理想化的专家系统的结构174

7.3知识的表示175

7.3.1知识表示的重要性175

7.3.2谓词逻辑表示法176

7.3.3时序逻辑表示法178

7.3.4语义网络表示法178

7.3.6框架表示法180

7.3.5产生式表示法180

7.3.7过程表示法181

7.3.8定性模型知识表示法181

7.3.9神经网络产生规则表示法185

7.3.10 Petri网的知识表示法186

7.3.11知识的综合集成表示188

7.4专家系统中的推理方法190

7.4.1不精确推理的一般描述190

7.4.2不精确推理的方法190

7.5智能控制系统中的推理197

7.5.1基于规则的推理197

7.5.2模糊逻辑推理198

7.5.3基于神经网络的推理200

7.5.4定性推理201

7.5.5基于事例的推理202

7.5.6基于规则、事例和模型的综合推理204

7.6知识的获取205

7.6.1知识获取的途径205

7.6.2知识获取的步骤206

7.7产生式系统208

7.7.1产生式系统的结构及特点208

7.7.2产生式系统的分类209

7.7.3产生式系统的应用209

7.8智能学习系统210

7.8.1学习系统210

7.8.2机器学习211

7.8.3智能学习系统212

7.9人机智能结合系统213

7.9.1人的智能模型214

7.9.2人-机智能结合的必要条件214

7.9.3人-机交互作用215

7.9.4计算机的智能结构216

第8章 智能控制的信息科学基础218

8.1智能控制和信息科学218

8.1.1可能性空间218

8.1.2从可能性空间看信息219

8.2信息论的产生及发展219

8.3信息是知识的内涵220

8.3.1信息的概念221

8.3.2信息是知识的内涵221

8.4信息系统模型222

8.5熵和信息223

8.6负熵与广义信息论224

9.1.1智能控制的定义226

9.1智能控制的基本概念226

第9章 智能反馈控制理论基础226

第三篇智能控制理论与系统设计226

9.1.2智能控制的基本要素228

9.2智能控制系统的结构229

9.2.1智能控制系统的基本结构229

9.2.2基于信息论的递阶智能控制结构229

9.2.3基于广义信息的智能控制系统结构231

9.3智能控制系统的类型231

第10章 多级递阶智能控制233

10.1复杂系统控制的基本形式233

10.1.1大系统控制的基本形式233

10.1.2大系统递阶结构的描述233

10.2.1协调235

10.2.2协调的基本原则235

10.2递阶控制的一般原理235

10.3多级递阶智能控制236

10.3.1多级递阶智能控制系统的组成236

10.3.2多级递阶智能控制的原理236

10.3.3机器人递阶智能控制系统的结构237

10.4人-机交互的多级递阶智能控制238

第11章 基于知识的专家控制241

11.1专家控制系统241

11.1.1专家控制系统的特点241

11.1.2专家控制系统的结构241

11.1.3专家控制系统的原理242

11.2实时过程控制专家系统243

11.3专家控制器244

11.3.1专家控制器的一般结构244

11.3.2一种工业过程专家控制器245

11.4基于知识的智能过程控制246

11.4.1系统的观测矩阵246

11.4.2基于知识系统的符号模型247

11.4.3基于知识的双容器液位控制248

第12章 模糊控制250

12.1模糊自动控制原理250

12.1.1模糊控制的基本思想250

12.1.2模糊控制系统的组成252

12.1.3模糊控制的基本原理253

12.2模糊控制器设计的基本方法259

12.2.1模糊控制器的结构设计259

12.2.2模糊控制规则的设计261

12.2.3精确量的模糊化方法266

12.2.4模糊推理及其模糊量的非模糊化方法267

12.2.5论域、量化因子、比例因子的选择271

12.2.6模糊控制查询表及算法流程图274

12.2.7采样时间的选择275

12.3模糊控制器的设计举例276

12.3.1确定模糊控制器的结构277

12.3.2建立模糊控制规则277

12.3.3确定模糊变量的赋值表278

12.3.4建立模糊控制表278

12.3.5简单模糊控制器的控制特性280

12.4解析描述控制规则可调整的模糊控制器283

12.4.1控制规则的解析描述283

12.4.2带有调整因子的控制规则284

12.4.3模糊控制规则的自调整与自寻优286

12.4.4带有自调整因子的模糊控制器290

12.4.5带自调整函数的模糊控制规则291

12.5模糊系统辨识与模糊预测294

12.5.1基于模糊关系模型的系统辨识294

12.5.2基于模糊关系模型的建模举例297

12.5.3自适应模糊预测模型301

12.5.4基于T-S模型的模糊系统辨识302

12.5.5基于“模糊控制系统”的模型预报306

12.6自适应·自组织·自学习模糊控制310

12.6.1自适应模糊控制器的结构310

12.6.2自适应模糊控制器的原理311

12.6.3模型参考模糊自适应控制系统317

12.6.4自校正模糊控制器327

12.6.5自适应递阶模糊控制332

12.7提高模糊控制性能的多种方法337

12.7.1提高模糊控制稳态精度的方法337

12.7.2提高模糊控制滞后对象能力的方法342

12.7.3用三维模糊控制提高控制高阶对象的能力345

12.8模糊控制器的模型结构及系统稳定性分析347

12.8.1模糊控制器的多值继电器模型347

12.8.2模糊控制器的代数模型350

12.8.3模糊控制器的语言模型353

12.8.4模糊控制器的颗粒模型、准线性模型和细胞模型358

12.8.5双输入双输出模糊控制器的解析结构364

12.9 模糊控制系统稳定性分析的理论与方法373

12.9.1模糊控制系统稳定性分析理论的研究进展373

12.9.2基于语言模糊状态模型的稳定性分析374

12.10模糊控制软件开发工具与模糊控制芯片380

12.10.1模糊控制软件的开发工具381

12.10.2模糊控制芯片387

13.1.1神经控制的基本思想400

第13章 神经控制400

13.1神经控制的基本原理400

13.1.2神经网络在控制中的主要作用401

13.2神经网络控制的分类401

13.2.1基于神经网络的智能控制402

13.2.2基于传统控制理论的神经控制404

13.3神经网络学习控制的结构406

13.3.1间接学习神经控制406

13.3.2一般学习神经控制的结构408

13.3.3特殊学习神经控制的结构408

13.3.4一般和特殊相结合的学习结构409

13.4神经网络直接反馈控制409

13.5神经网络模型参考自适应控制412

13.6神经网络自校正控制413

13.7.2神经网络内模控制415

13.7神经网络内模控制415

13.7.1内模控制415

13.8神经元自适应PSD控制416

13.8.1PSD控制416

13.8.2神经元自适应PSD控制算法417

13.9基于模糊神经网络的自组织控制418

13.9.1FNAOC的结构418

13.9.2双向联想记忆网络及其产生模糊规则419

13.9.3应用LVQ法产生If部分隶属函数421

13.9.4FNAOC系统的应用422

13.10多变量系统的模糊神经网络控制425

13.10.1多变量系统的模糊控制模型425

13.10.2模糊神经网络控制模型425

13.11基于神经网络的模糊逻辑控制系统设计427

13.11.1一般模糊控制的基本结构及其描述428

13.11.2基于神经网络的模糊控制和决策429

13.11.3神经网络每层节点的函数功能430

13.11.4混合学习算法431

13.11.5无人小车的神经网络模糊控制435

13.12基于模糊推理和神经网络建造专家系统的一种方法437

13.12.1设计的基本思想和步骤438

13.12.2神经网络的结构438

13.12.3导入算法439

13.12.4隶属函数和模糊规则的修改440

1 3.12.5信念传播与导出算法442

13.1 2.6从训练后的神经网络中提取规则举例442

13.1 3.1神经网络专家系统443

13.13神经网络专家系统与故障诊断443

13.13.2基于神经网络的控制系统故障诊断444

第14章 基于规则的仿人智能控制447

14.1从PID控制看仿人智能控制447

14.1.1常规PID控制447

14.1.2对常规PID控制的剖析448

14.1.3从PID控制得到的启发449

14.2仿人智能控制的原理与结构450

14.2.1仿人智能控制的基本思想450

14.2.2仿人智能控制行为的特征变量451

14.2.3仿人智能控制器的结构453

14.2.4仿人智能控制的多种模式454

14.3仿人智能开关控制器455

14.4仿人比例控制器456

14.5仿人智能积分控制457

14.6仿人智能采样控制460

14.7仿人智能控制周期的自选择462

14.8基于极值采样的仿人智能控制463

14.9 基于过程补余量的仿人智能控制465

第15章 基于模式识别的智能控制468

15.1模式识别与智能控制468

15.1.1模式识别的基本概念468

15.1.2模式识别与形象思维470

15.1.3模式识别与智能控制470

15.2系统动态特性的模式识别471

15.2.1系统瞬态响应特征的模式分类471

15.2.2相平面e-e上特征模式类的划分471

15.2.3误差相空间的特征模式集473

15.3.1特征信息、特征状态与特征模式474

15.3基于模式识别的智能控制474

15.3.2基于模式识别的智能控制器的结构475

15.3.3基于模式识别的智能控制器的设计476

15.3.4基于模式识别的智能控制器的工业应用477

第1 6章 多模变结构智能控制479

16.1变结构控制的基本原理479

16.1.1变结构控制的基本原理479

16.1.2变结构控制的应用480

16.2变结构控制是一种双模控制482

16.2.1 VSC可视为一种规则控制482

16.2.2 VSC是一种双模控制方式482

16.3变结构控制的剖析483

16.3.1变结构控制思想的启迪483

16.3.2变结构控制的不足483

16.4.2多模变结构智能控制器设计484

16.4.1多模变结构智能控制的基本思想484

16.4多模变结构智能控制的原理484

16.4.3多模变结构智能控制规则485

16.5模糊滑动模态控制485

16.5.1滑动模态控制的系统描述485

16.5.2模糊滑动模态控制487

16.5.3基于模糊逻辑的连续滑模控制488

第17章 学习控制与自学习控制491

17.1学习控制系统491

17.1.1学习控制的基本概念491

17.1.2学习控制律491

1 7.1.3学习控制的收敛性493

17.2伺服系统的学习控制497

17.2.1位置伺服系统的学习控制497

17.2.2位置伺服系统的模糊学习控制502

17.3 自学习控制系统506

17.3.1自学习控制系统的结构506

17.3.2基于规则的自学习控制系统507

17.4基于规则的自学习模糊控制508

17.4.1建立模糊控制规则508

17.4.2自学习模糊控制算法510

17.4.3自学习控制算法举例511

第18章 混沌控制与混沌预测513

18.1混沌与控制系统513

18.1.1由输入γ所引起的混沌513

18.1.2由采样周期所引起的混沌515

18.1.3混沌和周期解的共存515

18.2混沌预测516

18.2.1混沌的短期预测功能516

18.2.2混沌短期预测的方法517

18.3混沌模糊控制器518

18.3.1混沌芯片518

18.3.2混沌模糊控制器519

第19章 基于可拓逻辑的智能控制521

19.1可拓控制的基本概念521

19.2可拓控制的基本结构和原理522

19.3可拓控制器的设计方法524

19.3.1可拓控制器的结构524

19.3.2特征量的选取和特征模式的确定524

19.3.3特征状态关联度的计算525

19.3.4测度模式的划分526

19.3.5确定控制模式和计算控制器输出526

19.4.2可拓知识库528

19.4.1可拓专家系统的结构528

19.4可拓专家系统的结构及原理528

19.4.3评价机构与组织机构原理529

第20章 智能控制系统的稳定性分析531

20.1李雅普诺夫稳定性理论531

20.1.1李雅普诺夫意义下的稳定性531

20.1.2李雅普诺夫稳定性理论532

20.2绝对稳定性理论534

20.2.1大范围稳定与绝对稳定的概念534

20.2.2波波夫的稳定性分析方法536

20.2.3圆判据537

20.3智能控制系统的智能性与能控性538

20.3.1智能控制系统的智能性538

20.3.2智能控制系统的能控性540

20.4.2智能控制规律的统一描述形式541

20.4.1智能控制系统稳定性的定性分析541

20.4智能控制系统的稳定性分析541

20.4.3基于Lyapunov函数智能控制闭环系统稳定性分析542

第21章 智能控制在工业过程控制中的应用542

第四篇智能控制的工程应用545

21.1蒸汽发动机的模糊控制系统545

21.2模糊控制在退火炉燃烧过程控制中的应用549

21.3气炼机的自适应模糊控制系统554

21.4电弧冶炼炉的模糊控制562

21.5智能控制在造纸过程中的应用566

21.6仿人智能温度控制器574

21.7神经网络自组织模糊控制器及其在电力系统中的应用578

21.8轧钢机钢板厚度的非线性神经控制585

第22章 智能控制在运载工具控制中的应用585

22.1高技术机翼的倾斜和力矩的模糊逻辑控制592

22.2预测模糊控制在列车自动驾驶系统中的应用598

22.3汽车喷油系统的神经网络控制603

第23章 智能控制在机器人控制中的应用603

23.1机器人的模糊控制610

23.2基于神经网络的机器人控制616

23.3工业机器人的神经网络高精度控制619

23.4应用学习控制抑制机器人的振动622

第24章 智能控制在家电产品中的应用622

24.1模糊全自动洗衣机627

24.2模糊控制吸尘器632

24.3模糊控制摄像机635

24.4基于神经网络的冰柜温度智能控制系统637

24.5混沌控制煤油暖风器640

参考文献644