智能控制理論與應用

內容概要

本書從智能控制的基本概念、工作原理、控制與優(yōu)化的本質出發(fā)，系統(tǒng)地介紹模糊推理、神經(jīng)網(wǎng)絡、遺傳算法和專家系統(tǒng)等智能控制技術。作為控制理論和方法的進一步發(fā)展，本書在復雜系統(tǒng)的基礎上，利用數(shù)據(jù)融合技術和現(xiàn)代智能控制手段，建立遞階智能控制系統(tǒng)；同時介紹智能控制理論在復雜控制系統(tǒng)中的應用實例。全書共分7章，前6章系統(tǒng)地論述了人工智能控制的基本原理和方法，包括人工智能的基本概念及其發(fā)展狀況、信息融合及遞階控制方式、模糊理論的基礎知識及模糊控制方式的實現(xiàn)、神經(jīng)網(wǎng)絡的概念、類型和算法、遺傳算法的輔助優(yōu)化以及專家系統(tǒng)的基本原理和建立步驟。第7章注重實例，詳細介紹了人工智能技術在復雜工業(yè)過程中的應用。    本書可作為高等院校碩士研究生和高年級本科生的課程教材，也可供控制科學與工程、計算機控制、系統(tǒng)工程、電氣工程及相關專業(yè)的工程技術人員參考。

書籍目錄

第1章 緒論  1.1 傳統(tǒng)控制所面臨的問題  1.2 智能控制的定義  1.3 智能控制的發(fā)展歷史  1.4 智能控制的特點  1.5 智能控制的研究內容    1.5.1 模糊邏輯控制    1.5.2 神經(jīng)網(wǎng)絡控制    1.5.3 遺傳算法  1.6 智能控制所面臨的問題第2章 遞階智能系統(tǒng)  2.1 遞階智能系統(tǒng)概述    2.1.1 信息的層次    2.1.2 信息的特征  2.2 遞階智能系統(tǒng)的信息處理    2.2.1 基本概念    2.2.2 基本方法  2.3 遞階智能系統(tǒng)的數(shù)據(jù)融合    2.3.1 分解與綜合    2.3.2 數(shù)據(jù)融合  2.4 遞階智能系統(tǒng)的結構第3章 模糊控制理論  3.1 模糊控制理論概述    3.1.1 模糊控制理論簡介    3.1.2 模糊理論的發(fā)展簡史    3.1.3 模糊控制理論的特點  3.2 模糊集合與隸屬函數(shù)    3.2.1 從經(jīng)典集合到模糊集合    3.2.2 模糊集合及其運算    3.2.3 隸屬函數(shù)  3.3 模糊矩陣與模糊關系    3.3.1 模糊矩陣的定義及其運算    3.3.2 模糊關系    3.3.3 模糊關系的合成  3.4 模糊邏輯與模糊推理    3.4.1 語言變量與蘊涵關系    3.4.2 模糊推理的方式    3.4.3 模糊推理的性質  3.5 模糊控制器    3.5.1 模糊控制結構概述    3.5.2 模糊控制器的設計結構    3.5.3 輸入向量的模糊化    3.5.4 規(guī)則庫和推理機    3.5.5 輸出向量的解模糊  3.6 模糊單點優(yōu)化算法    3.6.1 傳統(tǒng)的模糊查詢表算法    3.6.2 由傳統(tǒng)模糊查詢表算法推導出模糊單點算法    3.6.3 二輸入下的模糊單點算法及編程思路  習題第4章 專家系統(tǒng)  4.1 專家系統(tǒng)概述    4.1.1 專家系統(tǒng)簡介    4.1.2 專家系統(tǒng)發(fā)展簡史    4.1.3 專家系統(tǒng)的特點  4.2 專家系統(tǒng)類型及基本組成    4.2.1 專家系統(tǒng)的類型    4.2.2 專家系統(tǒng)的基本組成  4.3 專家系統(tǒng)的知識表示法    4.3.1 邏輯表示法    4.3.2 產(chǎn)生式表示法    4.3.3 框架表示法    4.3.4 “與或圖”表示法    4.3.5 語義網(wǎng)絡表示法  4.4 專家系統(tǒng)的推理機制    4.4.1 盲目推理    4.4.2 啟發(fā)式推理機制    4.4.3 演繹推理和歸納推理    4.4.4 精確推理和不精確推理  4.5 知識庫    4.5.1 設計初始知識庫    4.5.2 知識庫的建立    4.5.3 知識庫的管理和維護  習題第5章 神經(jīng)網(wǎng)絡  5.1 概述    5.1.1 神經(jīng)網(wǎng)絡簡介    5.1.2 神經(jīng)網(wǎng)絡發(fā)展歷史    5.1.3 神經(jīng)網(wǎng)絡的特點  5.2 神經(jīng)網(wǎng)絡模型及學習方法    5.2.1 神經(jīng)網(wǎng)絡模型    5.2.2 神經(jīng)網(wǎng)絡學習方法  5.3 前向神經(jīng)網(wǎng)絡    5.3.1 前向神經(jīng)網(wǎng)絡的數(shù)學基礎    5.3.2 前饋型BP網(wǎng)絡    5.3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡    5.3.4 前饋神經(jīng)網(wǎng)絡的泛化  5.4 反饋神經(jīng)網(wǎng)絡    5.4.1 離散型Hopfield神經(jīng)網(wǎng)絡    5.4.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡    5.4.3 Hopfield網(wǎng)絡的應用領域  5.5 自組織神經(jīng)網(wǎng)絡    5.5.1 網(wǎng)絡的拓撲結構    5.5.2 SOM網(wǎng)絡的原理及其算法  習題第6章 遺傳算法  6.1 遺傳算法概述    6.1.1 遺傳算法簡介    6.1.2 遺傳算法發(fā)展簡史    6.1.3 遺傳算法的特點  6.2 基本遺傳算法    6.2.1 遺傳算法的基本原理    6.2.2 遺傳算法的設計與實現(xiàn)    6.2.3 遺傳算法運行參數(shù)的選擇    6.2.4 函數(shù)尋優(yōu)實例  6.3 遺傳算法的數(shù)學基礎    6.3.1 模式定理    6.3.2 積木塊假設  6.4 遺傳算法的改進    6.4.1 早熟現(xiàn)象    6.4.2 自適應遺傳算法    6.4.3 小生境技術  習題第7章 智能控制系統(tǒng)應用  7.1 LF爐復合智能控制系統(tǒng)設計    7.1.1 工藝介紹    7.1.2 電極升降智能控制系統(tǒng)    7.1.3 成分自適應預測推理系統(tǒng)    7.1.4 系統(tǒng)運行結果  7.2 燒透點遞階智能控制系統(tǒng)    7.2.1 工藝描述    7.2.2 研究現(xiàn)狀    7.2.3 遞階系統(tǒng)的優(yōu)化算法    7.2.4 預測模型建立    7.2.5 隸屬函數(shù)對控制性能作用    7.2.6 開發(fā)階段    7.2.7 系統(tǒng)框架設計    7.2.8 燒透點預測系統(tǒng)與模糊控制聯(lián)調參考文獻

圖書封面

評論、評分、閱讀與下載

---

    智能控制理論與應用 PDF格式下載

---