智能控制, 2/e

李士勇、李研

  • 出版商: 清華大學
  • 出版日期: 2021-10-01
  • 售價: $414
  • 貴賓價: 9.5$393
  • 語言: 簡體中文
  • 頁數: 280
  • 裝訂: 平裝
  • ISBN: 7302581614
  • ISBN-13: 9787302581611
  • 立即出貨

  • 智能控制, 2/e-preview-1
  • 智能控制, 2/e-preview-2
  • 智能控制, 2/e-preview-3
智能控制, 2/e-preview-1

買這商品的人也買了...

商品描述

《智能控制》(第2版)全面論述智能控制的基本概念、原理、方法、技術及工程應用實例。本書立意新穎,取材廣泛,內容豐富,結構嚴謹,自成系統,特色鮮明;由淺入深,深入淺出,論述精闢,邏輯嚴密,辯證分析,啟迪思維。同國內外同類書籍相比,本書在學術上具有以下創新性。

作者簡介

李士勇,哈爾濱工業大學二級教授,控制科學與工程國家一級重點學科博士生導師,哈爾濱工業大學教學名師,黑龍江省優秀專家。
曾受聘國家模糊控制生產力促進中心專家組專家,Journal of Measurement Science and Instrumentation編委。
作為國內非常早編著模糊控制和智能控制教材並開展教學的開拓者之一,在智能控制領域取得的創新性成果主要有三維模糊控制系統的結構及控制算法(1987)、具有仿人智能積分的模糊控制算法(1990)、基於模糊神經控制元直接驅動的智能控制(1995)、智能控制系統的定性和定量綜合集成推理方法(1996)、智能控制的五元交集結構(2011)、智能控制與智能優化融合的智能控制結構(2019)等。
近四十年來一直從事自動控制、模糊控制、智能控制、智能優化、智能製導、複雜適應系統的理論及其在工業過程控制和國防高技術領域的應用研究方面的教學、科研和研究生指導工作。
教學和科研成果共獲***獎2項、省部級獎7項。
在國內外發表學術論文近200篇。
作為首作者出版教材和專著共15部。
其中代表作《模糊控制-神經控制和智能控制論》榮獲1999年“全國優秀科技圖書獎”暨。
科技進步獎(科技著作)”三等獎,至今已被6000餘篇論文引用,躋身於十大領域中國科學論文引用頻次高的前50部專著與譯著排行榜。
該書在國內外頗具影響,深受控制領域專家和廣大讀者的好評,被廣大網友評為智能控制的經典著作。

目錄大綱

章從傳統控製到智能控制
1.1自動控制的基本問題
1.1.1自動控制的概念
1.1.2自動控制的目的及要求
1.1.3自動控制中的矛盾問題
1.2自動控制的基本原理
1.2.1控制論的創立
1.2.2反饋是自動控制的精髓
1.2.3反饋在閉環控制中的作用
1.2.4反饋控制的基本模式
1.3控制理論發展的歷程
1.3.1經典控制理論
1.3.2現代控制理論
1.3.3智能控制理論
1.4智能控制理論的基本內容
1.4.1智能控制的基本概念
1.4.2智能控制的多學科交結構
1.4.3智能控制的基本原理
1.4.4智能控制的基本功能
1.4.5智能控制的基本要素
1.4.6智能控制系統的結構
1.4.7智能控制的類型
啟迪思考題

第2章基於模糊邏輯的智能控制
2.1模糊控制概述
2.1.1模糊控制的創立與發展
2.1.2模糊控制器的分類
2.2模糊邏輯基礎
2.2.1基於二值邏輯的經典集合
2.2.2模糊集合與模糊概念
2.2.3模糊集合及其運算
2.2.4模糊矩陣與模糊向量
2.2.5模糊關係
2.2.6模糊邏輯推理
2.2.7模糊系統的逼近特性
2.3模糊控制的原理
2.3.1模糊控制系統的組成
2.3.2模糊控制的工作原理
2.3.3模糊控制的魯棒性和穩定性
2.4經典模糊控制器的設計方法
2.4.1模糊控制器的結構設計
2.4.2模糊控制規則的設計
2.4.3Mamdani模糊推理法
2.4.4精確量的模糊化及量化因子
2.4.5模糊量的清晰化及比例因子
2.4.6查表式模糊控制器設計
2.4.7解析式模糊規則自調整控制器
2.5T-S型模糊控制器設計
2.5.1T-S模糊模型
2.5.2基於T-S模型的模糊推理
2.5.3T-S型模糊控制系統設計
2.6模糊-PID控制
2.6.1模糊-PID複合控制
2.6.2基於模糊推理優化參數的PID控制
2.7自適應模糊控制
2.7.1模糊系統辨識
2.7.2自適應模糊控制的基本原理
2.7.3模型參考自適應模糊控制
2.8模糊控制的實現技術
2.8.1模糊控制軟件開發工具
2.8.2模糊控制芯片
2.9基於MATLAB的模糊控制系統設計
2.9.1MATLAB模糊邏輯工具箱
2.9.2基於MATLAB的模糊控制系統仿真
啟迪思考題

第3章基於神經網絡的智能控制
3.1神經網絡系統基礎
3.1.1神經網絡研究概述
3.1.2神經細胞結構與功能
3.1.3人工神經元模型
3.1.4神經網絡的特點
3.1.5神經網絡結構模型
3.1.6神經網絡訓練與學習
3.1.7神經網絡的學習規則
3.2控制和識別中的常用神經網絡
3.2.1感知器
3.2.2前饋神經網絡
3.2.3徑向基神經網絡
3.2.4反饋神經網絡
3.2.5小腦模型神經網絡
3.2.6大腦模型自組織神經網絡
3.2.7Boltzmann機
3.2.8深度信念網絡
3.2.9卷積神經網絡
3.2.10循環神經網絡
3.2.11遞歸神經網絡
3.3基於神經網絡的系統辨識
3.3.1神經網絡的逼近能力
3.3.2神經網絡系統辨識的原理
3.3.3基於BP網絡的非線性系統模型辨識
3.4基於神經網絡的智能控制
3.4.1神經控制的基本原理
3.4.2基於神經網絡智能控制的類型
3.4.3基於傳統控制理論的神經控制
3.5神經元PID控制
3.5.1神經元PID控制
3.5.2自適應神經元PID控制
3.6神經自適應控制
3.6.1模型參考神經自適應控制
3.6.2神經自校正控制
3.7基於MATLAB的神經控制系統設計
3.7.1MATLAB神經網絡工具箱
3.7.2基於MATLAB的模型參考神經自適應控制系統仿真
啟迪思考題

第4章專家控制與仿人智能控制
4.1專家系統的基本概念
4.1.1專家與專家系統
4.1.2專家系統的基本結構
4.2專家控制系統的結構與原理
4.2.1專家控制系統的特點
4.2.2專家控制系統的結構
4.2.3專家控制系統的原理
4.2.4實時過程控制專家系統舉例
4.3專家控制器
4.3.1專家控制器的結構
4.3.2一種工業過程專家控制器設計
4.4仿人智能控制原理與結構
4.4.1從常規PID控制談起
4.4.2仿人智能控制的原理
4.4.3系統動態行為識別的特徵變量
4.4.4仿人智能控制器的結構
4.5仿人智能控制的多種模式
4.5.1仿人智能積分控制
4.5.2仿人智能採樣控制
4.5.3仿人極值採樣智能控制
啟迪思考題

第5章遞階智能控制與學習控制
5.1大系統控制的形式與結構
5.1.1大系統控制的基本形式
5.1.2大系統控制的遞階結構
5.2分層遞階控制的基本原理
5.2.1協調的基本概念
5.2.2協調的基本原則
5.3遞階智能控制的結構與原理
5.3.1遞階智能控制的結構
5.3.2遞階智能控制的原理
5.4蒸汽鍋爐的遞階模糊控制
5.4.1模糊變量與規則間的數量關係
5.4.2遞階模糊控制規則
5.4.3蒸汽鍋爐的兩級遞階模糊控制系統
5.5學習控制系統
5.5.1學習控制的基本概念
5.5.2迭代學習控制
5.5.3重複學習控制
5.5.4其他學習控制形式
5.6基於規則的自學習控制系統
5.6.1產生式自學習控制系統
5.6.2基於規則的自學習模糊控制舉例
啟迪思考題

第6章智能優化原理與算法
6.1智能優化算法概述
6.1.1從人工智能到計算智能
6.1.2智能優化算法的產生、種類及特點
6.1.3仿人智能優化算法
6.1.4進化算法
6.1.5群智能優化算法
6.1.6仿自然優化算法
6.1.7仿植物生長算法
6.2智能優化算法的理論基礎
6.2.1系統科學
6.2.2複雜適應系統理論
6.2.3複雜適應系統的運行機制
6.2.4複雜適應系統理論的特點
6.2.5智能優化算法的原理
6.3遺傳算法
6.3.1生物的進化與遺傳
6.3.2遺傳算法的基本概念
6.3.3遺傳算法的基本操作
6.3.4遺傳算法實現步驟
6.3.5遺傳算法用於函數優化
6.3.6遺傳算法和模糊邏輯及神經網絡的融合
RBF神經網絡優化算法
.1RBF神經網絡
.2RBF網絡學習算法
.3RBF神經網絡在控制中的應用
6.5粒子群優化算法
6.5.1粒子群優化的基本思想
6.5.2粒子群優化算法原理
6.5.3PSO算法步驟
6.5.4PSO算法的改進及應用
6.6免疫優化算法
6.6.1免疫學的基本概念
6.6.2免疫系統的組織結構
6.6.3免疫機制與克隆選擇理論
6.人工免疫模型與免疫算法
6.6.5免疫應答中的學習與優化
6.6.6免疫克隆選擇算法
6.6.7免疫優化算法的應用
6.7教學優化算法
6.7.1教學優化算法的原理
6.7.2教學優化算法的數學描述
6.7.3教學優化算法的實現步驟
6.8正弦餘弦算法
6.8.1正弦餘弦算法的原理
6.8.2正弦餘弦算法的數學描述
6.8.3正弦餘弦算法的實現步驟
6.9渦流搜索算法
6.9.1渦流搜索算法的原理
6.9.2渦流搜索算法的數學描述
6.9.3渦流搜索算法的實現流程
6.10陰-陽對優化算法
6.10.1陰-陽對優化的哲學原理
6.10.2陰-陽對優化算法的描述
6.10.3陰-陽對優化算法實現步驟
啟迪思考題

第7章智能控制原理與設計
7.1智能控制的原理與結構
7.1.1智能控制的原理
7.1.2智能控制的結構
7.2智能控制中的快速智能優化算法
7.3基於粒子群算法的模糊控制器優化設計
7.3.1PSO算法
7.3.2模糊控制器的設計原理
7.3.3PSO優化的模糊控制器在主汽溫控制中的應用
7.4基於RBF神經網絡優化PID控制參數
7.4.1RBF神經網絡對被控對象的辨識
7.4.2RBF網絡優化PID控制參數的算法實現
7.5基於免疫克隆優化的模糊神經控制器
7.5.1免疫克隆選擇算法的優化機理
7.5.2改進的免疫克隆選擇算法
7.5.3基於免疫克隆選擇算法的模糊神經控制器優化設計
7.5.4仿真結果及結論
啟迪思考題

第8章智能控制的工程應用實例
8.1基於神經網絡推理的加熱爐溫度模糊控制
8.1.1基於神經網絡推理的模糊控制
8.1.2模糊控制器的神經網絡實現
8.1.3現場運行效果
8.2神經網絡在車底爐燃燒控制中的應用
8.2.1燃燒控制系統的設計
8.2.2神經網絡模型的建立
8.2.3神經網絡的訓練過程
8.2.4神經網絡在車底爐燃燒控制中的應用實例
8.3專家控制在靜電除塵器電源控制系統中的應用
8.3.1高壓直流靜電除塵電源控制系統
8.3.2專家控制系統控制器設計
8.3.3控制結果及其分析
8.4學習控制在數控凸輪軸磨床上的應用
8.4.1FANUC數控系統學習控制功能
8.4.2學習控制的實現
8.4.3學習控制效果
8.5仿人智能溫度控制器在加熱爐中的應用
8.5.1仿人智能控溫系統的組成
8.5.2仿人智能溫度控制算法
8.5.3實際應用結果及性能對比
8.6深度神經網絡及強化學習在計算機圍棋AlphaGo Zero中的應用
8.6.1AlphaGo Zero的深度神經網絡結構
8.6.2異步優勢強化算法A3C
8.6.3AlphaGo Zero的蒙特卡羅樹搜索
8.AlphaGo Zero的訓練流程
8.6.5AlphaGo Zero 的啟示
啟迪思考題
參考文獻