智能控制基礎

韋巍，1964年生。1983年浙江大學本科畢業(yè)，1994年獲博士學位。1993年和1998年分別獲ALCS和DFG資助，赴英國Reading大學和德國Bochum大學聯(lián)合研究?，F(xiàn)為浙江大學電氣學院副院長，博士生導師。目前主要從事智能控制與智能系統(tǒng)理論及應用研究，包括智能機器人。曾獲浙江省科技進步二等獎1項、教育部科技進步三等獎1項和浙江省優(yōu)秀教學成果獎1項。已發(fā)表學術論文近百篇，其中SCI、EI收錄論文50余篇。

何衍，浙江金華人，1973年生。1995年、1998年于浙江工業(yè)大學獲自動化專業(yè)學士、碩士學位，2001年于浙江大學獲控制理論與控制工程專業(yè)博士學位?，F(xiàn)為浙江大學系統(tǒng)科學與工程學系副教授、碩士生導師。主要從事信息融合、機器人、知識工程、運籌學等方面的科研和教學工作。負責、參加國家自然科學基金等科研項目多項。

第1章緒論

1.1智能控制的發(fā)展

1.1.1智能控制問題的提出

1.1.2智能控制的發(fā)展

1.2智能控制的幾個主要分支

1.2.1基于知識的專家系統(tǒng)

1.2.2模糊控制

1.2.3神經元網絡控制

1.2.4學習控制

1.3智能控制系統(tǒng)的構成原理

1.3.1智能控制系統(tǒng)結構

1.3.2智能控制系統(tǒng)的特點

1.3.3智能控制系統(tǒng)研究的主要數(shù)學工具

習題和思考題

第2章模糊控制論

2.1引言

2.2模糊集合論基礎

2.2.1模糊集的概念

2.2.2模糊集合的運算

2.2.3模糊集合運算的基本性質

2.2.4隸屬度函數(shù)的建立

2.2.5模糊關系

2.3模糊邏輯、模糊邏輯推理和合成

2.3.1二值邏輯

2.3.2模糊邏輯的基本運算

2.3.3模糊語言邏輯

2.3.4模糊邏輯推理

2.3.5模糊關系方程的解

2.4模糊控制系統(tǒng)的組成

2.4.1模糊化過程

2.4.2知識庫

2.4.3決策邏輯

2.4.4精確化過程

2.5模糊控制系統(tǒng)的設計

2.5.1模糊控制器的結構設計

2.5.2模糊控制器的基本類型

2.5.3模糊控制器的設計原則

2.5.4模糊控制器的常規(guī)設計方法

2.6模糊PID控制器

2.6.1模糊控制器和常規(guī)PID的混合結構

2.6.2常規(guī)PID參數(shù)的模糊自整定技術

2.7模糊控制器的應用

2.7.1流量控制的模糊控制器設計

2.7.2倒立擺的模糊控制

習題和思考題

第3章人工神經元網絡控制論

3.1引言

3.1.1神經元模型

3.1.2神經網絡的模型分類

3.1.3神經網絡的學習算法

3.1.4神經網絡的泛化能力

3.2前向神經網絡模型

3.2.1多層神經網絡結構

3.2.2多層傳播網絡的BP學習算法

3.2.3快速的BP改進算法

3.2.4BP學習算法的MATLAB例程

3.3動態(tài)神經網絡模型

3.3.1帶時滯的多層感知器網絡

3.3.2Hopfield神經網絡

3.3.3回歸神經網絡

3.4CMAC神經網絡

3.4.1小腦網絡的感知器模型

3.4.2CMAC的映射原理

3.4.3CMAC網絡的學習算法

3.5RBF神經網絡模型

3.5.1具有固定中心的RBF神經網絡的訓練

3.5.2徑向基神經網絡訓練的隨機梯度逼近法

3.6神經網絡控制基礎

3.6.1引言

3.6.2神經網絡的逼近能力

3.7非線性動態(tài)系統(tǒng)的神經網絡辨識

3.7.1神經網絡的辨識基礎

3.7.2神經網絡辨識模型的結構

3.7.3非線性動態(tài)系統(tǒng)的神經網絡辨識

3.8神經網絡控制的學習機制

3.8.1監(jiān)督式學習

3.8.2增強式學習

3.9神經網絡控制器的設計

3.9.1神經網絡直接逆模型控制法

3.9.2真接網絡控制法

3.9.3多神經網絡自學習控制法

3.10單一神經元控制

習題和思考題

第4章專家控制

4.1引言

4.2專家控制的基本原理

4.2.1專家控制系統(tǒng)的基本內容

4.2.2知識表達

4.2.3知識推理

4.2.4專家控制系統(tǒng)的設計

4.3專家控制應剛舉例

4.3.1PID專家控制系統(tǒng)設計

4.3.2過程專家控制系統(tǒng)

4.4仿人智能控制

4.4.1仿人智能控制的引入

4.4.2仿人智能控制的基本概念

4.4.3仿人智能控制的實現(xiàn)

4.4.4仿人智能控制的應用舉例

習題和思考題

上機實驗題

第5章分層遞階智能控制

5.1引言

5.2遞階智能控制的基本原理

5.3遞階智能控制的組織和協(xié)調

5.3.1遞階智能控制的組織級

5.3.2遞階智能控制的協(xié)調級

5.3.3遞階智能控制的執(zhí)行級

5.4分層遞階智能控制的應用舉例

5.4.1智能機器人系統(tǒng)的遞階控制

5.4.2集散遞階智能控制系統(tǒng)

習題和思考題

第6章學習控制

第7章模糊神經網絡控制與自適應神經網絡

第8章進貨算法

第9章多智能體系統(tǒng)控制 2100433B

智能控制作為一門新興學科，它的發(fā)展得益于許多學科，如人工智能、認知科學、現(xiàn)代控制理論、模糊數(shù)學、生物控制論、學習理論以及網絡理論等。

《智能控制基礎》總結近20年來智能控制的研究成果，詳細論述智能控制的基本概念、工作原理和設計方法。主要內容包括：智能控制概論、模糊控制論、人工神經網絡控制論、專家控制、分層遞階智能控制、學習控制、模糊神經網絡控制與自適應神經網絡、進化算法、多智能體系統(tǒng)控制。

《智能控制基礎》在深入系統(tǒng)介紹智能控制設計理論和應用方法的同時，還結合課堂教學給出了大量的設計例子和習題。

《智能控制基礎》選材新穎，系統(tǒng)性強，通俗易懂，突出理論聯(lián)系實際。既適合初學者學習智能控制的基本理論和方法，又對智能控制的研究學者有一定的參考價值。它標注了部分拓展內容的章節(jié)，供深入研究者參考。整本教材主要針對控制科學與工程、電氣工程等學科碩士研究生和自動化專業(yè)高年級本科生使用，也適合其他專業(yè)的工程師閱讀和參考。

前言

章 智能控制理論基礎

1.1 智能控制的基本概念

1.2 智能控制系統(tǒng)的特征和性能

1.3 智能控制系統(tǒng)的類型

1.4 智通控制的發(fā)展概況

1.5 集合及其運算

1.6 模糊解及其運算規(guī)則

1.7 隸屬函數(shù)

1.8 模糊矩陣與模糊關系

1.9 模糊向量

1.10 模糊邏輯與模糊推理

小結

習題

第二章 模糊控制原理

2.1 基本模糊控制器的設計

2.2 自適應模糊控制器

2.3 模糊關系模型

2.4 基于T-S模型的模糊控制

2.5 改善模糊控制系統(tǒng)穩(wěn)態(tài)性能的方法

小結

習題

第三章 神經網絡控制

3.1 神經元模型

3.2 經神網絡結構分類及其工作方式

3.3 神經網絡的應用

3.4 模糊神經網絡

3.5 神經元自適應PID控制

3.6 神經元自適應PSD控制

3.7 神經網絡內?？刂?

3.8 神經網絡自適應控制

3.9 神經網絡PID控制

小結

習題

第四章 混沌控制

4.1 混沌及混沌控制簡介

4.2 混沌的基本理論

4.3 混沌控制的基本理論

4.4 混沌反控制

小結

習題

第五章 專家控制

5.1 專家系統(tǒng)概述

5.2 專家控制系統(tǒng)

5.3 知識庫的形成和推理機制

5.4 專家控制系統(tǒng)應用實例

小結

習題

參考文獻2100433B

第1章緒論

1.1智能控制的發(fā)展過程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的發(fā)展

1.1.4智能控制的技術基礎

1.2智能控制的幾個重要分支

1.2.1模糊控制

1.2.2神經網絡控制

1.2.3智能搜索算法

1.3智能控制的特點、工具及應用

1.3.1智能控制的特點

1.3.2智能控制的研究工具

1.3.3智能控制的應用

思考題

參考文獻

第2章模糊控制的理論基礎

2.1概述

2.2模糊集合

2.2.1模糊集合

2.2.2模糊集合的運算

2.3隸屬函數(shù)

2.3.1隸屬函數(shù)的特點

2.3.2幾種典型的隸屬函數(shù)及其MATLAB表示

2.3.3模糊系統(tǒng)的設計

2.3.4隸屬函數(shù)的確定方法

2.4模糊關系及其運算

2.4.1模糊關系矩陣

2.4.2模糊矩陣運算

2.4.3模糊矩陣的合成

2.5模糊推理

2.5.1模糊語句

2.5.2模糊推理

思考題

第3章模糊邏輯控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的組成

3.1.3模糊控制系統(tǒng)的工作原理

3.1.4模糊控制器結構

3.2模糊控制系統(tǒng)分類

3.3模糊控制器的設計

3.3.1模糊控制器的設計步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應用實例——洗衣機的模糊控制

3.5模糊自適應整定PID控制

3.5.1模糊自適應整定PID控制原理

3.5.2仿真實例

3.6大時變擾動下切換增益模糊調節(jié)的滑模控制

3.6.1系統(tǒng)描述

3.6.2滑?？刂破髟O計

3.6.3模糊規(guī)則設計

3.6.4仿真實例

思考題

第4章自適應模糊控制

4.1模糊逼近

4.1.1模糊系統(tǒng)的設計

4.1.2模糊系統(tǒng)的逼近精度

4.1.3仿真實例

4.2間接自適應模糊控制

4.2.1問題描述

4.2.2自適應模糊滑模控制器設計

4.2.3仿真實例

4.3直接自適應模糊控制

4.3.1問題描述

4.3.2模糊控制器的設計

4.3.3自適應律的設計

4.3.4仿真實例

思考題

第5章基于TS模糊建模的控制

5.1TS模糊模型

5.1.1TS模糊模型的形式

5.1.2仿真實例

5.1.3一類非線性系統(tǒng)的TS模糊建模

5.2TS型模糊控制器的設計

5.3倒立擺系統(tǒng)的TS模糊模型

5.4基于線性矩陣不等式的單級倒立擺TS模糊控制

5.4.1LMI不等式的設計及分析

5.4.2不等式的轉換

5.4.3LMI設計實例

5.4.4基于LMI的倒立擺TS模糊控制

5.5基于極點配置的單級倒立擺TS模糊控制

附加資料： 新的LMI求解工具箱——YALMIP工具箱

思考題

參考文獻

第6章機械手自適應模糊控制

6.1簡單的自適應模糊滑?？刂?

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設計與分析

6.1.4仿真實例

6.2基于模糊補償?shù)臋C械手模糊自適應滑?？刂?

6.2.1系統(tǒng)描述

6.2.2基于傳統(tǒng)模糊補償?shù)目刂?

6.2.3自適應控制律的設計

6.2.4基于摩擦模糊逼近的模糊補償控制

6.2.5仿真實例

6.3模糊系統(tǒng)逼近的最小參數(shù)學習法

6.3.1問題描述

6.3.2模糊系統(tǒng)最小參數(shù)逼近

6.3.3基于模糊系統(tǒng)逼近的最小參數(shù)自適應控制

6.3.4仿真實例

6.4基于模糊補償?shù)臋C械手單參數(shù)自適應控制

6.4.1系統(tǒng)描述

6.4.2基于模糊系統(tǒng)逼近的最小參數(shù)自適應控制

6.4.3仿真實例

附加資料

思考題

參考文獻

第7章神經網絡理論基礎

7.1神經網絡發(fā)展簡史

7.2神經網絡原理

7.3神經網絡的分類

7.4神經網絡學習算法

7.4.1Hebb學習規(guī)則

7.4.2Delta(δ)學習規(guī)則

7.5神經網絡的特征及要素

7.5.1神經網絡特征

7.5.2神經網絡三要素

7.6神經網絡控制的研究領域

思考題

第8章典型神經網絡

8.1單神經元網絡

8.2BP神經網絡

8.3RBF神經網絡

8.3.1網絡結構

8.3.2控制系統(tǒng)設計中RBF網絡的逼近

8.4Hopfield神經網絡

思考題

參考文獻

第9章自適應RBF神經網絡控制

9.1一階系統(tǒng)神經網絡自適應控制

9.1.1系統(tǒng)描述

9.1.2滑?？刂破髟O計

9.1.3仿真實例

9.1.4一階系統(tǒng)自適應RBF控制

9.1.5仿真實例

9.2二階系統(tǒng)自適應RBF神經網絡控制

9.2.1系統(tǒng)描述

9.2.2基于RBF網絡逼近f(x)的滑模控制

9.2.3仿真實例

9.3基于RBF網絡的單參數(shù)直接魯棒自適應控制

9.3.1系統(tǒng)描述

9.3.2控制律和自適應律設計

9.3.3仿真實例

思考題

參考文獻

第10章基于RBF網絡的輸入輸出受限控制

10.1控制系統(tǒng)位置輸出受限控制

10.1.1輸出受限引理

10.1.2系統(tǒng)描述

10.1.3控制器的設計

10.1.4仿真實例

10.2基于RBF網絡的狀態(tài)輸出受限控制

10.2.1系統(tǒng)描述

10.2.2RBF網絡原理

10.2.3控制器的設計

10.2.4仿真實例

10.3基于雙曲正切的輸入受限控制

10.3.1雙曲函數(shù)及性質

10.3.2定理及分析

10.3.3基于雙曲正切的輸入受限控制

10.3.4仿真實例

10.4基于RBF網絡逼近的輸入受限控制

10.4.1系統(tǒng)描述

10.4.2RBF神經網絡逼近

10.4.3控制器的設計及分析

10.4.4仿真實例

思考題

參考文獻

第11章基于RBF神經網絡的執(zhí)行器自適應容錯控制

11.1執(zhí)行器容錯控制描述

11.2SISO系統(tǒng)執(zhí)行器自適應容錯控制

11.2.1控制問題描述

11.2.2控制律的設計與分析

11.2.3仿真實例

11.3基于RBF網絡的SISO系統(tǒng)執(zhí)行器自適應容錯控制

11.3.1控制問題描述

11.3.2RBF神經網絡設計

11.3.3控制律的設計與分析

11.3.4仿真實例

11.4MISO系統(tǒng)執(zhí)行器自適應容錯控制

11.4.1控制問題描述

11.4.2控制律的設計與分析

11.4.3仿真實例

11.5MISO系統(tǒng)執(zhí)行器自適應神經網絡容錯控制

11.5.1控制問題描述

11.5.2RBF神經網絡設計

11.5.3控制律的設計與分析

11.5.4仿真實例

11.6帶執(zhí)行器卡死的MISO系統(tǒng)自適應容錯控制

11.6.1控制問題描述

11.6.2控制律的設計與分析

11.6.3仿真實例

11.7帶執(zhí)行器卡死的MISO系統(tǒng)神經網絡自適應容錯控制

11.7.1控制問題描述

11.7.2RBF神經網絡設計

11.7.3控制律的設計與分析

11.7.4仿真實例

附加資料

思考題

參考文獻

第12章機械系統(tǒng)神經網絡自適應控制

12.1一種簡單的RBF網絡自適應滑?？刂?

12.1.1問題描述

12.1.2RBF網絡原理

12.1.3控制算法設計與分析

12.1.4仿真實例

12.2基于RBF網絡逼近的機械手自適應控制

12.2.1問題的提出

12.2.2基于RBF神經網絡逼近的控制器

12.2.3仿真實例

12.3基于RBF網絡的最小參數(shù)自適應控制

12.3.1問題描述

12.3.2基于RBF網絡逼近的最小參數(shù)自適應控制

12.3.3仿真實例

12.4機械手神經網絡單參數(shù)自適應控制

12.4.1問題的提出

12.4.2神經網絡設計

12.4.3控制器設計

12.4.4仿真實例

12.5一類欠驅動機械系統(tǒng)神經網絡滑模控制

12.5.1系統(tǒng)描述

12.5.2RBF網絡原理

12.5.3滑?？刂坡傻脑O計

12.5.4收斂性分析

12.5.5仿真實例

附加資料

思考題

參考文獻

第13章基于RBF網絡的反演自適應控制

13.1一種三階非線性系統(tǒng)的反演控制

13.1.1系統(tǒng)描述

13.1.2反演控制器設計

13.1.3仿真實例

13.2基于RBF網絡的三階非線性系統(tǒng)反演控制

13.2.1系統(tǒng)描述

13.2.2RBF網絡原理

13.2.3神經網絡反演控制器設計

13.2.4仿真實例

思考題

參考文獻

第14章基于LMI的神經網絡自適應控制

14.1基于LMI的控制

14.1.1系統(tǒng)描述

14.1.2控制器的設計與分析

14.1.3仿真實例

14.2基于LMI的神經網絡自適應控制

14.2.1系統(tǒng)描述

14.2.2RBF神經網絡設計

14.2.3控制器的設計與分析

14.2.4仿真實例

14.3基于LMI的神經網絡自適應跟蹤控制

14.3.1系統(tǒng)描述

14.3.2仿真實例

思考題

第15章智能優(yōu)化算法

15.1遺傳算法及其應用

15.1.1遺傳算法的基本原理

15.1.2遺傳算法的特點

15.1.3遺傳算法的應用領域

15.1.4遺傳算法的優(yōu)化設計

15.1.5基于遺傳算法的函數(shù)優(yōu)化

15.2基于遺傳算法的TSP優(yōu)化

15.2.1TSP的編碼

15.2.2TSP的遺傳算法設計

15.2.3仿真實例

15.3粒子群優(yōu)化算法

15.3.1粒子群算法基本原理

15.3.2算法流程

15.3.3基于粒子群算法的函數(shù)優(yōu)化

15.4標準差分進化算法

15.4.1差分進化算法的基本流程

15.4.2差分進化算法的參數(shù)設置

15.4.3基于差分進化算法的函數(shù)優(yōu)化

15.5基于差分進化最優(yōu)軌跡規(guī)劃的PD控制

15.5.1問題的提出

15.5.2一個簡單的樣條插值實例

15.5.3最優(yōu)軌跡的設計

15.5.4最優(yōu)軌跡的優(yōu)化

15.5.5仿真實例

15.6基于Hopfield網絡的路徑優(yōu)化

15.6.1TSP問題

15.6.2求解TSP問題的Hopfield神經網絡設計

15.6.3仿真實例

思考題

參考文獻

第16章智能優(yōu)化算法在參數(shù)辨識中的應用

16.1柔性機械手動力學模型參數(shù)辨識

16.1.1柔性機械手模型描述

16.1.2仿真實例

16.2飛行器縱向模型參數(shù)辨識

16.2.1問題描述

16.2.2仿真實例

16.3VTOL飛行器參數(shù)辨識

16.3.1VTOL飛行器參數(shù)辨識問題

16.3.2基于粒子群算法的參數(shù)辨識

16.3.3基于差分進化算法的VTOL飛行器參數(shù)辨識

16.4四旋翼飛行器建模與參數(shù)辨識

16.4.1四旋翼飛行器動力學模型

16.4.2動力學模型的變換

16.4.3參數(shù)的辨識

16.4.4基于粒子群算法參數(shù)辨識

16.4.5基于差分進化算法參數(shù)辨識

思考題

參考文獻

第17章神經網絡自適應協(xié)調控制

17.1主輔電機協(xié)調魯棒控制

17.1.1系統(tǒng)描述

17.1.2控制律設計與分析

17.1.3仿真實例

17.2基于神經網絡的主輔電機協(xié)調控制

17.2.1系統(tǒng)描述

17.2.2RBF網絡的設計

17.2.3控制律設計與分析

17.2.4仿真實例

思考題

參考文獻2100433B

本書結合作者的研究工作，詳細地介紹了智能控制的基本概念、原理、實現(xiàn)方法及其應用。內容包括：智能控制理論的數(shù)學基礎及其基本知識；模糊控制系統(tǒng)的組成、基本原理、設計方法及其提高控制系統(tǒng)性能的幾種改進方式；神經網絡控制的基本原理工作方式及其幾種典型應用；混沌控制的原理及其具有代表性的混沌控制方法；專家控制系統(tǒng)的原理、結構、主要控制方法及應用實例。

本書注重理論與工程實際相結合，在介紹理論的基礎上，還融入了作者及其他研究者的實際應用成果，對具體工程應用具有較大的參考價值。

本書可作為高等院校自動控制及其相關專業(yè)大學本科生及研究生的教材，也可供相關專業(yè)的科研人員、工程技術人員自學和參考。