智能控制工程及其应用实例【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

智能控制工程及其应用实例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 传统控制的发展及其困难1

1.1.1　传统控制的产生及其发展1

目录1

1.1.2 传统控制所面临的困难2

1.2 人工智能的定义与发展3

1.2.1 人工智能的定义3

1.2.2 人工智能的产生与发展3

1.3.1 智能控制的产生与发展5

1.3 智能控制的产生、发展及其特点5

1.3.2 智能控制的结构与特点7

1.4 智能控制与传统控制8

1.5 智能控制的主要研究内容9

第2章　智能控制的知识工程基础11

2.1　知识表示11

2.1.1 一阶谓词逻辑法11

2.1.2　产生式表示法13

2.1.3　语义网络表示法14

2.1.4　框架表示法16

2.2 知识利用18

2.2.1 搜索19

2.2.2 推理24

2.3 知识获取26

2.3.1 机器学习的发展26

2.3.2　机器学习的分类27

2.3.4 归纳学习28

2.3.3　机械式学习28

2.3.5 指导学习29

第3章　基于知识的专家系统及专家控制31

3.1 专家系统与专家控制系统31

3.2　专家系统的产生及其原理31

3.2.1 专家系统的产生与发展31

3.2.2　专家系统的原理33

3.2.3 专家系统的分类34

3.2.4 专家系统的基本结构35

3.2.5 黑板模型37

3.2.6 知识获取38

3.3　专家系统的实现41

3.3.1 专家系统的设计原则41

3.3.2 专家系统建立的步骤43

3.4 专家控制器的设计44

3.4.1 专家控制系统的产生44

3.4.2 专家控制器的组成45

3.4.3 直接专家控制系统的设计46

3.4.4 间接专家控制系统的设计48

第4章　基于模糊推理的智能控制系统51

4.1 模糊控制理论的产生和发展51

4.2　模糊集合及其基本运算52

4.2.1 普通集合52

4.2.2　模糊集合53

4.2.3　模糊关系57

4.2.4　模糊推理62

4.3　模糊控制原理65

4.3.1 模糊控制系统的组成66

4.3.3　输入模糊化68

4.3.2　确定模糊控制器的结构68

4.3.4　模糊推理决策69

4.3.5 逆模糊化70

4.4 自适应模糊控制器71

4.4.1 性能测量71

4.4.2　控制对象的增量模型73

4.4.3　控制规则库的修正73

4.4.5 设计步骤74

4.4.4　尺度变换因子的选择74

4.5　模糊控制软件开发工具75

4.5.1　Motorola模糊控制软件77

4.5.2 美国FIDE模糊推理开发环境78

4.5.3 德国模糊逻辑系统的软件工具fuzzy TECH79

4.6　模糊控制应用实例80

4.6.1 电热炉温度控制的模糊控制80

4.6.2　模糊控制全自动洗衣机86

5.1.1　人脑神经网络92

5.1 概述92

第5章　基于神经网络的智能控制92

5.1.2　人工神经网络原理93

5.1.3 人工神经网络发展简史96

5.2 人工神经网络的学习方法98

5.2.1 人工神经网络的学习方式98

5.2.2 人工神经网络的学习规则98

5.3 人工神经网络的模型与算法99

5.3.1 单层感知器99

5.3.2 BP学习算法100

5.3.3 Hopfield神经网络103

5.3.4　脑模型控制器108

5.4 基于神经网络的智能控制110

5.4.1 内模控制110

5.4.2 直接自校正控制111

5.4.3 间接自校正控制111

5.4.4　模型参考自适应控制111

5.4.6 神经网络与常规控制方法的结合112

5.4.5　预测控制112

5.4.7 神经网络专家系统控制113

5.4.8 神经网络模糊控制113

5.5 神经网络控制实例113

第6章　分级递阶智能控制117

6.1 分级递阶智能控制的产生117

6.2　一般结构原理117

6.3.2 组织级的功能的实现方法119

6.3.1 组织级的功能119

6.3 组织级119

6.4 协调级和执行级121

6.4.1 协调级和执行级的结构121

6.4.2 执行级控制性能的熵函数表示122

6.5 分级递阶智能控制应用实例123

6.5.1 PUMA机械臂的分级递阶智能控制123

6.5.2 PLC的分级递阶智能控制125

6.5.3 仿人智能控制的分级递阶结构127

7.1.2　进化策略130

7.1.1　进化计算概述130

7.1 进化计算130

第7章　进化计算与遗传算法130

7.1.3 进化规划131

7.1.4　遗传算法131

7.1.5 进化策略、进化规划和遗传算法的比较133

7.2　标准遗传算法的基本原理134

7.2.1 编码方法135

7.2.2　适应度函数137

7.2.3　选择运算139

7.2.4 交换142

7.2.5 变异144

7.3　模式与模式定理145

7.3.1 模式146

7.3.2　模式定理146

7.4 遗传算法和模糊逻辑、神经网络的融合148

7.4.1 遗传算法在模糊推理中的应用148

7.4.2 遗传算法和神经网络的融合150

8.1 专家控制系统在复杂工业过程中的应用151

第8章　智能控制工程的应用实例151

8.1.1 系统的结构与功能152

8.1.2 系统的开发过程152

8.1.3 知识的表示与知识库结构153

8.1.4 传感器数据的预处理和不确定性的表示154

8.2 模糊专家控制在啤酒发酵过程中的应用155

8.2.1 啤酒发酵工艺155

8.2.2 啤酒生产发酵工艺微机控制系统结构157

8.2.3　模糊专家控制器设计157

8.2.4 系统的实现及控制效果159

8.3 神经网络在工业机器人高精度控制中的应用160

8.3.1 基于模型的误差补偿方式160

8.3.2 应用神经网络补偿误差方式160

8.3.3　实验结果161

8.4 遗传算法在机器人路径规划中的应用实例163

8.4.1 基于栅格划分机器人工作空间的路径规划163

8.4.2 基于C空间的非完整轮式移动机器人的路径规划166

8.5 模糊-神经网络智能控制在粮食干燥过程中的应用实例171

参考文献180