目錄
前言
第1章 緒論
1.1智能控製的基本概念
1.1.1智能控製的研究對象
1.1.2智能控製係統
1.1.3智能控製係統的基本結構
1.1.4智能控製係統的主要功能特點
1.1.5智能控製研究的數學工具
1.2智能控製的發展概況
1.3智能控製理論
參考文獻
第2章 模糊邏輯控製
2.1概述
2.1.1模糊控製與智能控製
2.1.2模糊集閤與模糊數學的概念
2.1.3模糊控製的發展和應用概況
2.2模糊集閤及其運算
2.2.1模糊集閤的定義及錶示方法
2.2.2模糊集閤的基本運算
2.2.3模糊集閤運算的基本性質
2.2.4模糊集閤的其它類型運算
2.3模糊關係
2.3.1模糊關係的定義及錶示
2.3.2模糊關係的閤成
2.4模糊邏輯與近似推理
2.4.1語言變量
2.4.2模糊蘊含關係
2.4.3近似推理
2.4.4模糊蘊含關係運算方法的比較和選擇
2.4.5閤成運算方法的選擇
2.4.6句子連接關係的邏輯運算
2.5基於控製規則庫的模糊推理
2.5.1模糊推理的基本方法
2.5.2模糊推理的性質
2.5.3模糊控製中幾種常見的模糊推理類型
2.6模糊控製的基本原理
2.6.1模糊控製器的基本結構和組成
2.6.2模糊化運算
2.6.3數據庫
2.6.4規則庫
2.6.5模糊推理與清晰化計算
2.6.6論域為離散時模糊控製的離綫計算
2.7模糊控製係統的分析和設計
2.7.1模糊模型錶示
2.7.2模糊係統分析
2.7.3模糊係統設計
2.7.4基於Takagi－Sugeno模型的穩定性分析和設計
2.7.5基於模糊狀態方程模型的係統分析和設計
2.8自適應模糊控製
2.8.1基於性能反饋的直接自適應模糊控製
2.8.2基於模糊模型求逆的間接自適應模糊控製
參考文獻
第3章 神經網絡控製
3.1概述
3.1.1神經元模型
3.1.2人工神經網絡
3.1.3生物神經網絡係統與計算機處理信息的比較
3.1.4神經網絡的發展概況
3.2前饋神經網絡
3.2.1感知器網絡
3.2.2BP網絡
3.2.3BP網絡學習算法的改進
3.2.4神經網絡的訓練
3.3反饋神經網絡
3.3.1離散H0pfield網絡
3.3.2連續Hopfield網絡
3.3.3Boltzmann機
3.4局部逼近神經網絡
3.4.1CMAC神經網絡
3.4.2B樣條神經網絡
3.4.3徑嚮基函數神經網絡
3.5模糊神經網絡
3.5.1基於標準模型的模糊神經網絡
3.5.2基於Takagi－Sugeno模型的模糊神經網絡
3.6基於神經網絡的係統建模與辨識
3.6.1概述
3.6.2逼近理論與網絡建模
3.6.3利用多層靜態網絡的係統辨識
3.6.4利用動態網絡的係統辨識
3.7神經網絡控製
3.7.1概述
3.7.2神經網絡控製結構
3.7.3基於全局逼近神經網絡的控製
3.7.4基於局部逼近神經網絡的控製
3.7.5模糊神經網絡控製
3.7.6有待解決的問題
3.8神經網絡在機器人控製中的應用
3.8.1神經網絡運動學控製
3.8.2神經網絡動力學控製
3.8.3神經網絡路徑規劃
參考文獻
第4章 專傢控製
4.1概述
4.1.1專傢控製的由來
4.1.2專傢係統
4.1.3專傢控製的研究狀況和分類
4.2專傢控製的基本原理
4.2.1專傢控製的功能目標
4.2.2控製作用的實現
4.2.3設計規範和運行機製
4.3專傢控製係統的典型結構
4.3.1係統結構
4.3.2係統實現
4.4專傢控製的例示
4.4.1自動調整過程
4.4.2自動調整過程的實現
4.5專傢控製技術的研究課題
4.5.1實時推理
4.5.2知識獲取
4.5.3專傢控製係統的穩定性分析
4.6一種仿人智能控製
4.6.1概念和定義
4.6.2原理和結構
4.6.3仿人智能控製的特點
參考文獻
第5章 學習控製
5.1概述
5.1.1學習控製問題的提齣
5.1.2學習控製的錶述
5.1.3學習控製和自適應控製
5.1.4學習控製的研究狀況和分類
5.2基於模式識彆的學習控製
5.2.1學習控製係統的一般形式
5.2.2模式分類
5.2.3可訓練控製器
5.2.4綫性再勵學習控製
5.2.5Bayes學習控製
5.2.6基於模式識彆的其他學習控製方法
5.2.7研究課題
5.3基於迭代和重復的學習控製
5.3.1迭代和重復自學習控製的基本原理
5.3.2異步自學習控製
5.3.3異步自學習控製時域法
5.3.4異步自學習控製頻域法
5.4聯結主義學習控製
5.4.1基本思想
5.4.2聯結主義學習係統的實現原理
5.4.3聯結主義學習控製係統的結構
5.4.4研究課題
參考文獻
第6章 分層遞階智能控製
6.1一般結構原理
6.2組織級
6.3協調級
6.3.1協調級的原理結構
6.3.2Petri網翻譯器
6.3.3協調級的Petri網結構
6.3.4協調級結構的決策和學習
6.4執行級
參考文獻
第7章 遺傳算法
7.1概述
7.2遺傳算法的工作原理及操作步驟
7.2.1遺傳算法的基本操作
7.2.2遺傳算法的模式理論
7.3遺傳算法的實現及改進
7.3.1遺傳算法的實現
7.3.2遺傳算法的改進
7.3.3改進的遺傳算法舉例
7.4遺傳算法應用舉例
7.4.1遺傳算法在模糊邏輯控製中的應用
7.4.2遺傳算法在神經網絡控製中的應用
7.4.3用遺傳算法進行路徑規劃
參考文獻
· · · · · · (收起)
前言
第1章 緒論
1.1智能控製的基本概念
1.1.1智能控製的研究對象
1.1.2智能控製係統
1.1.3智能控製係統的基本結構
1.1.4智能控製係統的主要功能特點
1.1.5智能控製研究的數學工具
1.2智能控製的發展概況
1.3智能控製理論
參考文獻
第2章 模糊邏輯控製
2.1概述
2.1.1模糊控製與智能控製
2.1.2模糊集閤與模糊數學的概念
2.1.3模糊控製的發展和應用概況
2.2模糊集閤及其運算
2.2.1模糊集閤的定義及錶示方法
2.2.2模糊集閤的基本運算
2.2.3模糊集閤運算的基本性質
2.2.4模糊集閤的其它類型運算
2.3模糊關係
2.3.1模糊關係的定義及錶示
2.3.2模糊關係的閤成
2.4模糊邏輯與近似推理
2.4.1語言變量
2.4.2模糊蘊含關係
2.4.3近似推理
2.4.4模糊蘊含關係運算方法的比較和選擇
2.4.5閤成運算方法的選擇
2.4.6句子連接關係的邏輯運算
2.5基於控製規則庫的模糊推理
2.5.1模糊推理的基本方法
2.5.2模糊推理的性質
2.5.3模糊控製中幾種常見的模糊推理類型
2.6模糊控製的基本原理
2.6.1模糊控製器的基本結構和組成
2.6.2模糊化運算
2.6.3數據庫
2.6.4規則庫
2.6.5模糊推理與清晰化計算
2.6.6論域為離散時模糊控製的離綫計算
2.7模糊控製係統的分析和設計
2.7.1模糊模型錶示
2.7.2模糊係統分析
2.7.3模糊係統設計
2.7.4基於Takagi－Sugeno模型的穩定性分析和設計
2.7.5基於模糊狀態方程模型的係統分析和設計
2.8自適應模糊控製
2.8.1基於性能反饋的直接自適應模糊控製
2.8.2基於模糊模型求逆的間接自適應模糊控製
參考文獻
第3章 神經網絡控製
3.1概述
3.1.1神經元模型
3.1.2人工神經網絡
3.1.3生物神經網絡係統與計算機處理信息的比較
3.1.4神經網絡的發展概況
3.2前饋神經網絡
3.2.1感知器網絡
3.2.2BP網絡
3.2.3BP網絡學習算法的改進
3.2.4神經網絡的訓練
3.3反饋神經網絡
3.3.1離散H0pfield網絡
3.3.2連續Hopfield網絡
3.3.3Boltzmann機
3.4局部逼近神經網絡
3.4.1CMAC神經網絡
3.4.2B樣條神經網絡
3.4.3徑嚮基函數神經網絡
3.5模糊神經網絡
3.5.1基於標準模型的模糊神經網絡
3.5.2基於Takagi－Sugeno模型的模糊神經網絡
3.6基於神經網絡的係統建模與辨識
3.6.1概述
3.6.2逼近理論與網絡建模
3.6.3利用多層靜態網絡的係統辨識
3.6.4利用動態網絡的係統辨識
3.7神經網絡控製
3.7.1概述
3.7.2神經網絡控製結構
3.7.3基於全局逼近神經網絡的控製
3.7.4基於局部逼近神經網絡的控製
3.7.5模糊神經網絡控製
3.7.6有待解決的問題
3.8神經網絡在機器人控製中的應用
3.8.1神經網絡運動學控製
3.8.2神經網絡動力學控製
3.8.3神經網絡路徑規劃
參考文獻
第4章 專傢控製
4.1概述
4.1.1專傢控製的由來
4.1.2專傢係統
4.1.3專傢控製的研究狀況和分類
4.2專傢控製的基本原理
4.2.1專傢控製的功能目標
4.2.2控製作用的實現
4.2.3設計規範和運行機製
4.3專傢控製係統的典型結構
4.3.1係統結構
4.3.2係統實現
4.4專傢控製的例示
4.4.1自動調整過程
4.4.2自動調整過程的實現
4.5專傢控製技術的研究課題
4.5.1實時推理
4.5.2知識獲取
4.5.3專傢控製係統的穩定性分析
4.6一種仿人智能控製
4.6.1概念和定義
4.6.2原理和結構
4.6.3仿人智能控製的特點
參考文獻
第5章 學習控製
5.1概述
5.1.1學習控製問題的提齣
5.1.2學習控製的錶述
5.1.3學習控製和自適應控製
5.1.4學習控製的研究狀況和分類
5.2基於模式識彆的學習控製
5.2.1學習控製係統的一般形式
5.2.2模式分類
5.2.3可訓練控製器
5.2.4綫性再勵學習控製
5.2.5Bayes學習控製
5.2.6基於模式識彆的其他學習控製方法
5.2.7研究課題
5.3基於迭代和重復的學習控製
5.3.1迭代和重復自學習控製的基本原理
5.3.2異步自學習控製
5.3.3異步自學習控製時域法
5.3.4異步自學習控製頻域法
5.4聯結主義學習控製
5.4.1基本思想
5.4.2聯結主義學習係統的實現原理
5.4.3聯結主義學習控製係統的結構
5.4.4研究課題
參考文獻
第6章 分層遞階智能控製
6.1一般結構原理
6.2組織級
6.3協調級
6.3.1協調級的原理結構
6.3.2Petri網翻譯器
6.3.3協調級的Petri網結構
6.3.4協調級結構的決策和學習
6.4執行級
參考文獻
第7章 遺傳算法
7.1概述
7.2遺傳算法的工作原理及操作步驟
7.2.1遺傳算法的基本操作
7.2.2遺傳算法的模式理論
7.3遺傳算法的實現及改進
7.3.1遺傳算法的實現
7.3.2遺傳算法的改進
7.3.3改進的遺傳算法舉例
7.4遺傳算法應用舉例
7.4.1遺傳算法在模糊邏輯控製中的應用
7.4.2遺傳算法在神經網絡控製中的應用
7.4.3用遺傳算法進行路徑規劃
參考文獻
· · · · · · (收起)
具體描述
內 容 簡 介
智能控製是一門新興的交叉學科。本書係統地介紹瞭智能控製的理論和主要技術內容，其中包括
模糊邏輯控製、神經網絡控製、專傢控製、學習控製、分層遞階控製及遺傳算法等。每部分自成體係，而又
互相聯係。它們構成瞭智能控製的主要理論和技術的框架。本書取材新穎，內容豐富，彌補瞭當前智能控
製缺乏係統性資料的不足。
本書可作為信息、自動化及計算機應用等專業的本科生及研究生的教材及參考書，也可供有關教師
和科技工作者參考。
