智能控制 第3版PDF|Epub|txt|kindle电子书版本网盘下载

智能控制 第3版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 智能控制的发展过程1

1.2 智能控制的几个重要分支3

1.3 智能控制的特点、研究工具及应用4

思考题与习题5

第2章 专家控制6

2.1 专家系统6

2.1.1 专家系统概述6

2.1.2 专家系统的构成6

2.1.3 专家系统的建立7

2.2 专家控制8

2.2.1 专家控制概述8

2.2.2 专家控制的基本原理8

2.2.3 专家控制的关键技术及特点10

2.3 专家PID控制10

2.3.1 专家PID控制原理10

2.3.2 仿真实例12

思考题与习题12

附录（程序代码）13

第3章 模糊控制的理论基础15

3.1 概述15

3.2 模糊集合15

3.2.1 模糊集合的概念15

3.2.2 模糊集合的运算17

3.3 隶属函数19

3.4 模糊关系及其运算22

3.4.1 模糊矩阵22

3.4.2 模糊矩阵的运算与模糊关系23

3.4.3 模糊关系的合成23

3.5 模糊推理25

3.5.1 模糊语句25

3.5.2 模糊推理25

3.5.3 模糊关系方程26

思考题与习题27

附录（程序代码）28

第4章 模糊控制31

4.1 模糊控制的基本原理31

4.1.1 模糊控制原理31

4.1.2 模糊控制器的组成31

4.1.3 模糊控制系统的工作原理33

4.1.4 模糊控制器的结构37

4.2 模糊控制系统分类38

4.3 模糊控制器的设计38

4.3.1 模糊控制器的设计步骤38

4.3.2 模糊控制器的Matlab仿真40

4.4 模糊控制应用实例——洗衣机的模糊控制42

4.5 模糊自适应整定PID控制47

4.5.1 模糊自适应整定PID控制原理47

4.5.2 仿真实例49

4.6 Sugeno模糊模型52

4.7 基于极点配置的单级倒立摆T-S模糊控制53

4.7.1 T-S模糊系统的设计53

4.7.2 单级倒立摆的T-S模型模糊控制54

4.8 模糊控制的应用57

4.9 模糊控制发展概况58

4.9.1 模糊控制发展的几个转折点58

4.9.2 模糊控制的发展方向59

4.9.3 模糊控制面临的主要任务59

思考题与习题60

附录（程序代码）61

第5章 自适应模糊控制76

5.1 模糊逼近76

5.1.1 模糊系统的设计76

5.1.2 模糊系统的逼近精度77

5.1.3 仿真实例77

5.2 简单的自适应模糊控制80

5.2.1 问题描述80

5.2.2 模糊逼近原理80

5.2.3 控制算法设计与分析81

5.2.4 仿真实例82

5.3 间接自适应模糊控制83

5.3.1 问题描述83

5.3.2 控制器的设计83

5.3.3 仿真实例86

5.4 直接自适应模糊控制88

5.4.1 问题描述88

5.4.2 控制器的设计88

5.4.3 自适应律的设计89

5.4.4 仿真实例91

5.5 机器人关节数学模型92

5.6 基于模糊补偿的机械手自适应模糊控制93

5.6.1 系统描述93

5.6.2 基于模糊补偿的控制93

5.6.3 基于摩擦补偿的控制95

5.6.4 仿真实例95

思考题与习题96

附录（程序代码）98

第6章 神经网络的理论基础120

6.1 神经网络发展简史120

6.2 神经网络原理121

6.3 神经网络的分类122

6.4 神经网络学习算法123

6.4.1 Hebb学习规则123

6.4.2 Delta（δ）学习规则123

6.5 神经网络的特征及要素124

6.6 神经网络控制的研究领域124

思考题与习题125

第7章 典型神经网络126

7.1 单神经元网络126

7.2 BP神经网络127

7.2.1 BP网络特点127

7.2.2 BP网络结构127

7.2.3 BP网络的逼近127

7.2.4 BP网络的优缺点129

7.2.5 BP网络逼近仿真实例129

7.2.6 BP网络模式识别130

7.2.7 BP网络模式识别仿真实例131

7.3 RBF神经网络132

7.3.1 RBF网络结构与算法133

7.3.2 RBF网络设计实例133

7.3.3 RBF网络的逼近135

7.3.4 高斯基函数的参数对RBF网络逼近的影响136

7.3.5 隐含层节点数对RBF网络逼近的影响139

7.3.6 控制系统设计中RBF网络的逼近140

思考题与习题141

附录（程序代码）143

第8章 高级神经网络158

8.1 模糊RBF网络158

8.1.1 网络结构158

8.1.2 基于模糊RBF网络的逼近算法159

8.1.3 仿真实例160

8.2 pi-sigma神经网络161

8.2.1 高木－关野模糊系统161

8.2.2 混合型pi-sigma神经网络162

8.2.3 仿真实例164

8.3 小脑模型神经网络165

8.3.1 CMAC概述165

8.3.2 一种典型CMAC算法166

8.3.3 仿真实例167

8.4 Hopfield网络167

8.4.1 Hopfield网络原理167

8.4.2 基于Hopfield网络的路径优化169

思考题与习题172

附录（程序代码）173

第9章 神经网络控制182

9.1 概述182

9.2 神经网络控制的结构183

9.2.1 神经网络监督控制183

9.2.2 神经网络直接逆控制183

9.2.3 神经网络自适应控制184

9.2.4 神经网络内模控制185

9.2.5 神经网络预测控制185

9.2.6 神经网络自适应评判控制186

9.2.7 神经网络混合控制186

9.3 单神经元自适应控制186

9.3.1 单神经元自适应控制算法186

9.3.2 仿真实例187

9.4 RBF网络监督控制188

9.4.1 RBF网络监督控制算法188

9.4.2 仿真实例188

9.5 RBF网络自校正控制189

9.5.1 神经网络自校正控制原理189

9.5.2 自校正控制算法189

9.5.3 RBF网络自校正控制算法190

9.5.4 仿真实例191

9.6 基于RBF网络直接模型参考自适应控制192

9.6.1 基于RBF网络的控制器设计192

9.6.2 仿真实例193

9.7 一种简单的RBF网络自适应控制194

9.7.1 问题描述194

9.7.2 RBF网络原理194

9.7.3 控制算法设计与分析195

9.7.4 仿真实例195

9.8 基于不确定逼近的RBF网络自适应控制196

9.8.1 问题的提出196

9.8.2 模型不确定部分的RBF网络逼近197

9.8.3 控制器的设计及分析198

9.8.4 仿真实例201

9.9 基于模型整体逼近的机器人RBF网络自适应控制202

9.9.1 问题的提出202

9.9.2 针对f（χ）进行逼近的控制203

9.9.3 仿真实例204

9.1 0神经网络数字控制206

9.1 0.1 基本原理206

9.1 0.2 仿真实例207

思考题与习题208

附录（程序代码）210

第10章 智能算法及其应用236

10.1 遗传算法的基本原理236

10.2 遗传算法的特点237

10.3 遗传算法的发展及应用238

10.3.1 遗传算法的发展238

10.3.2 遗传算法的应用238

10.4 遗传算法的设计239

10.4.1 遗传算法的构成要素239

10.4.2 遗传算法的应用步骤240

10.5 遗传算法求函数极大值241

10.5.1 二进制编码遗传算法求函数极大值241

10.5.2 实数编码遗传算法求函数极大值242

10.6 基于遗传算法优化的RBF网络逼近243

10.6.1 遗传算法优化原理243

10.6.2 仿真实例244

10.7 基于遗传算法的TSP问题优化244

10.7.1 TSP问题的编码245

10.7.2 TSP问题的遗传算法设计245

10.7.3 仿真实例247

10.8 差分进化算法248

10.8.1 标准差分进化算法248

10.8.2 差分进化算法的基本流程249

10.8.3 差分进化算法的参数设置250

10.9 差分进化算法的函数优化与参数辨识251

10.9.1 基于差分进化算法的函数优化251

10.9.2 基于差分进化算法的参数辨识252

思考题与习题252

附录（程序代码）254

第11章 迭代学习控制274

11.1 基本原理274

11.2 基本迭代学习控制算法275

11.3 迭代学习控制的关键技术275

11.4 机械手轨迹跟踪迭代学习控制仿真实例276

11.4.1 控制器设计276

11.4.2 仿真实例277

11.5 线性时变连续系统迭代学习控制278

11.5.1 系统描述278

11.5.2 控制器设计及收敛性分析278

11.5.3 仿真实例281

思考题与习题283

附录（程序代码）284

附录A293

参考文献295