《智能控制系统及其应用》求取 ⇩

第1章概论1

1.1智能控制系统国内外发展概况1

1.1.1 控制理论应用面临着新的挑战1

1.1.2 智能控制系统的引入2

1.1.3 智能控制系统的定义3

1.1.4 智能控制系统的特点3

1.1.5 智能控制系统国内外进展概况4

1.2智能控制系统的研究课题5

1.2.1 智能控制系统的理论研究5

1.2.2 智能控制系统的应用研究10

第2章智能控制系统的构成原理12

2.1简单的智能控制系统12

2.1.1 一般自动控制系统的构成12

2.1.2 简单的智能控制系统的构成13

2.2 多级递阶智能控制系统14

2.3智能控制系统和神经网络（NN）15

2.3.1 神经网络的基本概念15

2.3.2 神经网络输入输出之间的关系模型16

2.3.3 神经网络在自动控制中的应用19

2.3.4 神经网络控制和智能控制的关系21

第3章智能控制系统的设计理论22

3.1知识表达22

3.1.1 知识的含义22

3.1.2 知识的分类23

3.1.3 产生式知识表示24

3.1.4 框架知识表示29

3.1.5 谓词逻辑知识表示36

3.1.6 状态空间知识表示38

3.1.7 语义网络知识表示41

3.1.8 不精确知识表示43

3.1.9 知识的发展45

3.2知识获取46

3.2.1 知识获取过程46

3.2.2 人工方式知识获取48

3.2.3 半自动知识获取48

3.2.4 自动知识获取48

3.2.5 动态特征辩识和模式识别53

3.3智能控制器一般结构的设计理论56

3.3.1 知识库57

3.3.2 数据库（上下文）57

3.3.3 黑板问题57

3.3.4 自学习环节59

3.3.5 推理和决策机构59

3.4智能决策和控制理论的结合问题68

3.4.1 问题的引入68

3.4.2 智能自适应控制系统69

3.4.3 带知识库的高炉炼铁过程终点铁水含硅量和温度自适应预报69

3.5智能控制系统的鲁棒性74

3.5.1 问题的提出74

3.5.2 自动控制系统的稳定鲁棒性问题75

3.5.3 智能控制系统的鲁棒性问题81

第4章随动系统的智能控制84

4.1旋转变压器式的精粗测随动系统84

4.1.1 概述84

4.1.2 自整角机在变压器工作状态下的随动系统84

4.1.3 旋转变压器式随动系统86

4.1.4 旋转变压器式精粗测随动系统86

4.2用微机控制的旋转变压器式精粗测随动系统89

4.2.1 随动系统计算机控制的特点89

4.2.2 微机化随动系统的硬件结构90

4.2.3 被控对象数学模型的建立91

4.2.4 常用控制算法93

4.2.5 系统软件设计96

4.3随动系统智能控制98

4.3.1 随动系统智能控制框图98

4.3.2 智能控制器的设计98

4.4实时控制结果的分析100

4.4.1 数字全波整流波形101

4.4.2 系统各种指标测试比较101

第5章非晶制带钢水液位智能控制104

5.1 非晶制带生产工艺及对自动控制提出的要求104

5.1.1 非晶态合金薄带生产工艺104

5.1.2 对自动控制提出的要求105

5.1.3 控制方案106

5.2非晶制带生产被控对象的特性分析和数学模型107

5.2.1 电液伺服驱动装置107

5.2.2 差动变压器108

5.3非晶制带钢水液位计算机控制109

5.3.1 硬件结构109

5.3.2 常用控制算法和软件设计109

5.4非晶制带钢水液位智能控制125

5.4.1 智能控制器的设计125

5.4.2 系统软件的设计128

5.5 系统实时控制的结果128

第6章罩式退火炉自适应预测智能控制130

6.1 概述130

6.2 罩式退火炉计算机温控系统的设计与构成131

6.3罩式退火炉数学模型的建立133

6.3.1 系统建模的基本步骤133

6.3.2 罩式退火炉的模型类型与结构134

6.3.3 实验信号的设计与产生135

6.3.4 实验过程、数据滤波及预处理139

6.3.5 参数估计141

6.3.6 模型的校验和确认142

6.4离散系统模型与连续系统模型间的转换145

6.4.1 离散系统模型转换为连续系统模型145

6.4.2 连续系统模型转换为离散系统模型149

6.5罩式退火炉的前馈补偿零极点配置自适应PID预测智能控制151

6.5.1 零极点配置PID预测控制152

6.5.2 前馈补偿零极点配置自适应PID预测控制157

6.5.3 智能控制器的设计162

6.5.4 实时控制结果164

第7章电加热炉炉温智能控制165

7.1电加热炉结构及对自动控制系统提出的要求165

7.1.1 电加热炉结构165

7.1.2 对自动控制提出的要求166

7.2电加热炉对象模型及控制策略的研究166

7.2.1 电加热炉对象模型166

7.2.2 电加热炉控制策略的研究172

7.3电加热炉炉温计算机控制173

7.3.1 硬件结构框图173

7.3.2 常用控制算法173

7.3.3 系统软件设计187

7.4电加热炉炉温智能控制187

7.4.1 智能控制器的设计187

7.4.2 智能控制器的学习环节和修正环节196

7.5电加热炉炉温实时控制结果199

7.5.1 随机最优控制结果200

7.5.2 非线性PID控制结果200

7.5.3 智能控制结果202

第8章电弧炉炼钢过程智能控制205

8.1电弧炉炼钢工艺过程及对自动控制提出的要求205

8.1.1 电弧炉结构205

8.1.2 工艺特点205

8.1.3 对自动控制提出的特殊要求206

8.2电弧炉炼钢过程电极升降智能复合控制系统207

8.2.1 快速最优（Bang-Bang）控制208

8.2.2 模糊控制213

8.2.3 PID控制214

8.2.4 智能复合控制问题214

8.2.5 电极升降控制系统平衡问题214

8.2.6 电极升降控制系统实验结果215

8.3电弧炉炼钢过程的数学模型及终点自适应预报系统216

8.3.1 氧化期数学模型的建立与终点预报方程217

8.3.2 氧化期钢液温度含碳量和含磷量终点预报系统程序流程图227

8.3.3 氧化期预报系统运行结果228

8.3.4 还原期操作229

8.4电弧炉炼钢过程智能自适应预测操作指导系统的设计230

8.4.1 问题的引入230

8.4.2 IPOGS总结构流程图及设计230

8.4.3 系统运行结果242

8.5电弧炉炼钢过程闭环控制研究244

8.5.1 组织级245

8.5.2 协调级246

8.5.3 知识库构成246

8.5.4 电弧炉炼钢过程自动控制程序总流程图246

8.5.5 结束语246

第9章高温力学试验机的神经网络自适应智能控制248

9.1 概述248

9.2 高温力学试验机电加热炉的结构及计算机控制系统构成249

9.3电加热炉神经网络模型的建立250

9.3.1 反向传播学习算法原理251

9.3.2 电加热炉的神经网络模型257

9.4使用单神经元的电加热炉自适应智能控制261

9.4.1 神经网络学习规则261

9.4.2 单神经元自适应PID智能控制器262

9.4.3 单神经元自适应PSD智能控制器276

9.4.4 电加热炉单神经元自适应智能控制281

9.5使用多神经元的电加热炉前馈补偿内模控制283

9.5.1 内模控制器的设计283

9.5.2 神经网络的前馈补偿内模控制288

9.5.3 电加热炉的神经网络前馈补偿内模控制289

附录A随动系统智能控制程序清单291

附录B电弧炉炼钢过程终点含碳量、含磷量及温度的预报结果与实测结果比较表299

参考文献305