智能控制工程及其應(yīng)用實例

　　簡介 本書系統(tǒng)介紹了智能控制的理論、方法、系統(tǒng)設(shè)計及其實現(xiàn)技術(shù)，突出反映了智能控制在國內(nèi)外的最新研究成果及其應(yīng)用實例。首先介紹了智能控制的產(chǎn)生、發(fā)展及與傳統(tǒng)控制的區(qū)別；然后闡述了智能控制的知識工程基礎(chǔ)、基于知識的專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、分級遞階智能控制、進化算法與遺傳算法；最后給出了智能控制在工業(yè)控制、機器人及路徑規(guī)劃中的應(yīng)用實例。本書可供自動控制、機械電子工程、系統(tǒng)工程、經(jīng)濟管理、運籌學、計算機等專業(yè)的工程技術(shù)人員使用，也可作為大專院校相關(guān)專業(yè)的教材和參考書。 目錄第1章 緒論111 傳統(tǒng)控制的發(fā)展及其困難1 111 傳統(tǒng)控制的產(chǎn)生及其發(fā)展1 112 傳統(tǒng)控制所面臨的困難212 人工智能的定義與發(fā)展3 121 人工智能的定義3 122 人工智能的產(chǎn)生與發(fā)展313 智能控制的產(chǎn)生、發(fā)展及其特點5 131 智能控制的產(chǎn)生與發(fā)展5 132 智能控制的結(jié)構(gòu)與特點714 智能控制與傳統(tǒng)控制815 智能控制的主要研究內(nèi)容9 第2章 智能控制的知識工程基礎(chǔ)1121 知識表示11 211 一階謂詞邏輯法11 212 產(chǎn)生式表示法13 213 語義網(wǎng)絡(luò)表示法14 214 框架表示法1622 知識利用18 221 搜索19 222 推理2423 知識獲取26 231 機器學習的發(fā)展26 232 機器學習的分類27 233 機械式學習28 234 歸納學習28 235 指導學習29 第3章 基于知識的專家系統(tǒng)及專家控制3131 專家系統(tǒng)與專家控制系統(tǒng)3132 專家系統(tǒng)的產(chǎn)生及其原理31 321 專家系統(tǒng)的產(chǎn)生與發(fā)展31 322 專家系統(tǒng)的原理33 323 專家系統(tǒng)的分類34 324 專家系統(tǒng)的基本結(jié)構(gòu)35 325 黑板模型37 326 知識獲取3833 專家系統(tǒng)的實現(xiàn)41 331 專家系統(tǒng)的設(shè)計原則41 332 專家系統(tǒng)建立的步驟4334 專家控制器的設(shè)計44 341 專家控制系統(tǒng)的產(chǎn)生44 342 專家控制器的組成45 343 直接專家控制系統(tǒng)的設(shè)計46 344 間接專家控制系統(tǒng)的設(shè)計48 第4章 基于模糊推理的智能控制系統(tǒng)5141 模糊控制理論的產(chǎn)生和發(fā)展5142 模糊集合及其基本運算52 421 普通集合52 422 模糊集合53 423 模糊關(guān)系57 424 模糊推理6243 模糊控制原理65 431 模糊控制系統(tǒng)的組成66 432 確定模糊控制器的結(jié)構(gòu)68 433 輸入模糊化68 434 模糊推理決策69 435 逆模糊化7044 自適應(yīng)模糊控制器71 441 性能測量71 442 控制對象的增量模型73 443 控制規(guī)則庫的修正73 444 尺度變換因子的選擇74 445 設(shè)計步驟7445 模糊控制軟件開發(fā)工具75 451 Motorola模糊控制軟件77 452 美國FIDE模糊推理開發(fā)環(huán)境78 453 德國模糊邏輯系統(tǒng)的軟件工具fuzzy TECH7946 模糊控制應(yīng)用實例80 461 電熱爐溫度控制的模糊控制80 462 模糊控制全自動洗衣機86 第5章 基于神經(jīng)網(wǎng)絡(luò)的智能控制9251 概述92 511 人腦神經(jīng)網(wǎng)絡(luò)92 512 人工神經(jīng)網(wǎng)絡(luò)原理93 513 人工神經(jīng)網(wǎng)絡(luò)發(fā)展簡史9652 人工神經(jīng)網(wǎng)絡(luò)的學習方法98 521 人工神經(jīng)網(wǎng)絡(luò)的學習方式98 522 人工神經(jīng)網(wǎng)絡(luò)的學習規(guī)則9853 人工神經(jīng)網(wǎng)絡(luò)的模型與算法99 531 單層感知器99 532 BP學習算法100 533 Hopfield神經(jīng)網(wǎng)絡(luò)103 534 腦模型控制器10854 基于神經(jīng)網(wǎng)絡(luò)的智能控制110 541 內(nèi)模控制110 542 直接自校正控制111 543 間接自校正控制111 544 模型參考自適應(yīng)控制111 545 預(yù)測控制112 546 神經(jīng)網(wǎng)絡(luò)與常規(guī)控制方法的結(jié)合112 547 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)控制113 548 神經(jīng)網(wǎng)絡(luò)模糊控制11355 神經(jīng)網(wǎng)絡(luò)控制實例113 第6章 分級遞階智能控制11761 分級遞階智能控制的產(chǎn)生11762 一般結(jié)構(gòu)原理11763 組織級119 631 組織級的功能119 632 組織級的功能的實現(xiàn)方法11964 協(xié)調(diào)級和執(zhí)行級121 641 協(xié)調(diào)級和執(zhí)行級的結(jié)構(gòu)121 642 執(zhí)行級控制性能的熵函數(shù)表示12265 分級遞階智能控制應(yīng)用實例123 651 PUMA機械臂的分級遞階智能控制123 652 PLC的分級遞階智能控制125 653 仿人智能控制的分級遞階結(jié)構(gòu)127 第7章 進化計算與遺傳算法13071 進化計算130 711 進化計算概述130 712 進化策略130 713 進化規(guī)劃131 714 遺傳算法131 715 進化策略、進化規(guī)劃和遺傳算法的比較13372 標準遺傳算法的基本原理134 721 編碼方法135 722 適應(yīng)度函數(shù)137 723 選擇運算139 724 交換142 725 變異14473 模式與模式定理145 731 模式146 732 模式定理14674 遺傳算法和模糊邏輯、神經(jīng)網(wǎng)絡(luò)的融合148 741 遺傳算法在模糊推理中的應(yīng)用148 742 遺傳算法和神經(jīng)網(wǎng)絡(luò)的融合150 第8章 智能控制工程的應(yīng)用實例15181 專家控制系統(tǒng)在復雜工業(yè)過程中的應(yīng)用151 811 系統(tǒng)的結(jié)構(gòu)與功能152 812 系統(tǒng)的開發(fā)過程152 813 知識的表示與知識庫結(jié)構(gòu)153 814 傳感器數(shù)據(jù)的預(yù)處理和不確定性的表示15482 模糊專家控制在啤酒發(fā)酵過程中的應(yīng)用155 821 啤酒發(fā)酵工藝155 822 啤酒生產(chǎn)發(fā)酵工藝微機控制系統(tǒng)結(jié)構(gòu)157 823 模糊專家控制器設(shè)計157 824 系統(tǒng)的實現(xiàn)及控制效果15983 神經(jīng)網(wǎng)絡(luò)在工業(yè)機器人高精度控制中的應(yīng)用160 831 基于模型的誤差補償方式160 832 應(yīng)用神經(jīng)網(wǎng)絡(luò)補償誤差方式160 833 實驗結(jié)果16184 遺傳算法在機器人路徑規(guī)劃中的應(yīng)用實例163 841 基于柵格劃分機器人工作空間的路徑規(guī)劃163 842 基于C空間的非完整輪式移動機器人的路徑規(guī)劃16685 模糊-神經(jīng)網(wǎng)絡(luò)智能控制在糧食干燥過程中的應(yīng)用實例171 參考文獻180

暫缺《智能控制工程及其應(yīng)用實例》作者簡介