智能控制理论及应用

目录
前言
第1章概论1
1.1控制理论的发展及智能控制的提出1
1.1.1控制理论的发展1
1.1.2智能控制理论的提出2
1.2智能控制的主要技术3
1.2.1模糊逻辑控制3
1.2.2人工神经网络4
1.2.3智能优化算法6
1.3本书的主要内容6
思考题与习题7第1篇模糊控制篇
第2章控制系统设计引论9
2.1引言：以水箱液位控制为例9
2.2传统控制系统设计10
2.3模糊控制系统设计15
思考题与习题17
第3章模糊控制的数学基础18
3.1模糊集合及运算18
3.1.1经典集合回顾18
3.1.2模糊集合的基本概念及表示
方法20
3.1.3模糊集合的运算24
3.1.4应用：语言变量的模糊集合
划分26
3.2模糊关系35
3.2.1模糊关系的定义及表示35
3.2.2应用：语言规则中蕴涵的模糊
关系37
3.3模糊推理42
3.3.1模糊逻辑推理42
3.3.2模糊关系的合成42
3.3.3应用：基于规则的模糊推理45
思考题与习题51
第4章Mamdani模糊控制系统53
4.1模糊控制系统概述53
4.2模糊控制器的设计方法55
4.2.1模糊控制器的设计步骤55
4.2.2水箱液位模糊控制系统设计56
4.3基于MATLAB的模糊控制系统仿真63
4.4模糊控制查询表72
4.5模糊控制系统设计及仿真案例75
4.5.1两输入单输出水箱液位模糊控制
系统设计75
4.5.2倒立摆模糊控制系统设计79
4.6模糊控制与PID控制的结合算法85
4.6.1模糊控制与PID的混合结构85
4.6.2PID参数模糊自整定算法87
思考题与习题91
第5章TS模糊控制系统92
5.1TS模糊模型92
5.2Mamdani与TS模糊控制器94
5.3TS模糊模型的辨识94
5.4基于TS模糊模型的控制器设计96
思考题与习题96第2篇神经网络篇
第6章单层感知器98
6.1单层感知器的结构98
6.2单层感知器的功能99
6.3单层感知器的学习算法101
6.4单层感知器的局限性102
6.5单层感知器仿真示例103
思考题与习题104
第7章线性神经网络106
7.1线性神经网络的结构106
7.2线性神经网络的功能107
7.3线性神经网络的参数学习算法
LMS108
7.4线性神经网络仿真示例110
思考题与习题112
第8章BP神经网络113
8.1BP神经网络的结构113
8.2BP神经网络的参数学习过程114
8.3BP神经网络设计中的几个问题120
8.4反向传播算法的改进算法123
8.4.1动量BP法123
8.4.2可变学习率BP法123
8.4.3LM算法124
8.5BP神经网络仿真示例124
思考题与习题128
第9章径向基函数神经网络130
9.1径向基函数130
9.2正则化RBF神经网络131
9.2.1正则化RBF神经网络的结构131
9.2.2正则化RBF神经网络的学习
算法132
9.3广义RBF神经网络132
9.3.1广义RBF神经网络的结构132
9.3.2广义RBF神经网络的功能133
9.3.3广义RBF神经网络的学习
算法135
9.4RBF神经网络仿真示例138
思考题与习题139
第10章神经网络的应用及控制141
10.1神经网络应用技巧141
10.2神经网络用于控制146
10.2.1单神经元PID自适应控制器
算法146
10.2.2神经网络前馈学习控制148
思考题与习题150第3篇优化算法篇
第11章智能优化算法152
11.1遗传算法152
11.1.1引言152
11.1.2基本概念153
11.1.3遗传算法的具体实现156
11.1.4遗传算法的运算流程157
11.1.5仿真示例158
11.2粒子群优化算法159
11.2.1引言159
11.2.2基本粒子群优化算法160
11.2.3粒子群优化算法实现流程161
11.2.4仿真示例162
思考题与习题163第4篇综合应用篇
第12章双容水箱液位智能控制系统
设计165
12.1双容水箱对象及模型165
12.2PID控制器的设计及实现166
12.3模糊控制器的设计及实现167
12.3.1Mamdani模糊控制器167
12.3.2PID参数模糊自整定控制器169
12.4神经网络自整定PID控制器的设计及
实现172
思考题与习题173
第13章油轮航向智能控制系统
设计174
13.1油轮航向模型174
13.2神经网络控制器设计及实现176
13.2.1BP神经网络控制器176
13.2.2RBF神经网络控制器176
13.3模糊控制器设计及实现179
思考题与习题181
参考文献182