智能控制（第3版）

第1章 緒論

1.1 智能控制的發(fā)展過程

1.2 智能控制的幾個(gè)重要分支

1.3 智能控制的特點(diǎn)、研究工具及應(yīng)用

思考題與習(xí)題

第2章 專家控制

2.1 專家系統(tǒng)

2.1.1 專家系統(tǒng)概述

2.1.2 專家系統(tǒng)的構(gòu)成

2.1.3 專家系統(tǒng)的建立

2.2 專家控制

2.2.1 專家控制概述

2.2.2 專家控制的基本原理

2.2.3 專家控制的關(guān)鍵技術(shù)及特點(diǎn)

2.3 專家PID控制

2.3.1 專家PID控制原理

2.3.2 仿真實(shí)例

思考題與習(xí)題

附錄 (程序代碼)

第3章 模糊控制的理論基礎(chǔ)

3.1 概述

3.2 模糊集合

3.2.1 模糊集合的概念

3.2.2 模糊集合的運(yùn)算

3.3 隸屬函數(shù)

3.4 模糊關(guān)系及其運(yùn)算

3.4.1 模糊矩陣

3.4.2 模糊矩陣的運(yùn)算與模糊關(guān)系

3.4.3 模糊關(guān)系的合成

3.5 模糊推理

3.5.1 模糊語句

3.5.2 模糊推理

3.5.3 模糊關(guān)系方程

思考題與習(xí)題

附錄(程序代碼)

第4章 模糊控制

4.1 模糊控制的基本原理

4.1.1 模糊控制原理

4.1.2 模糊控制器的組成

4.1.3 模糊控制系統(tǒng)的工作原理

4.1.4 模糊控制器的結(jié)構(gòu)

4.2 模糊控制系統(tǒng)分類

4.3 模糊控制器的設(shè)計(jì)

4.3.1 模糊控制器的設(shè)計(jì)步驟

4.3.2 模糊控制器的Matlab仿真

4.4 模糊控制應(yīng)用實(shí)例——洗衣機(jī)的模糊控制

4.5 模糊自適應(yīng)整定PID控制

4.5.1 模糊自適應(yīng)整定PID控制原理

4.5.2 仿真實(shí)例

4.6 Sugeno模糊模型

4.7 基于極點(diǎn)配置的單級(jí)倒立擺T-S模糊控制

4.7.1 T-S模糊系統(tǒng)的設(shè)計(jì)

4.7.2 單級(jí)倒立擺的T-S模型模糊控制

4.8 模糊控制的應(yīng)用

4.9 模糊控制發(fā)展概況

4.9.1 模糊控制發(fā)展的幾個(gè)轉(zhuǎn)折點(diǎn)

4.9.2 模糊控制的發(fā)展方向

4.9.3 模糊控制面臨的主要任務(wù)

思考題與習(xí)題

附錄 (程序代碼)

第5章 自適應(yīng)模糊控制

5.1 模糊逼近

5.1.1 模糊系統(tǒng)的設(shè)計(jì)

5.1.2 模糊系統(tǒng)的逼近精度

5.1.3 仿真實(shí)例

5.2 簡單的自適應(yīng)模糊控制

5.2.1 問題描述

5.2.2 模糊逼近原理

5.2.3 控制算法設(shè)計(jì)與分析

5.2.4 仿真實(shí)例

5.3 間接自適應(yīng)模糊控制

5.3.1 問題描述

5.3.2 控制器的設(shè)計(jì)

5.3.3 仿真實(shí)例

5.4 直接自適應(yīng)模糊控制

5.4.1 問題描述

5.4.2 控制器的設(shè)計(jì)

5.4.3 自適應(yīng)律的設(shè)計(jì)

5.4.4 仿真實(shí)例

5.5 機(jī)器人關(guān)節(jié)數(shù)學(xué)模型

5.6 基于模糊補(bǔ)償?shù)臋C(jī)械手自適應(yīng)模糊控制

5.6.1 系統(tǒng)描述

5.6.2 基于模糊補(bǔ)償?shù)目刂?

5.6.3 基于摩擦補(bǔ)償?shù)目刂?

5.6.4 仿真實(shí)例

思考題與習(xí)題

附錄 (程序代碼)

第6章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)

6.1 神經(jīng)網(wǎng)絡(luò)發(fā)展簡史

6.2 神經(jīng)網(wǎng)絡(luò)原理

6.3 神經(jīng)網(wǎng)絡(luò)的分類

6.4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

6.4.1 Hebb學(xué)習(xí)規(guī)則

6.4.2 Delta（δ）學(xué)習(xí)規(guī)則

6.5 神經(jīng)網(wǎng)絡(luò)的特征及要素

6.6 神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域

思考題與習(xí)題

第7章 典型神經(jīng)網(wǎng)絡(luò)

7.1 單神經(jīng)元網(wǎng)絡(luò)

7.2 BP神經(jīng)網(wǎng)絡(luò)

7.2.1 BP網(wǎng)絡(luò)特點(diǎn)

7.2.2 BP網(wǎng)絡(luò)結(jié)構(gòu)

7.2.3 BP網(wǎng)絡(luò)的逼近

7.2.4 BP網(wǎng)絡(luò)的優(yōu)缺點(diǎn)

7.2.5 BP網(wǎng)絡(luò)逼近仿真實(shí)例

7.2.6 BP網(wǎng)絡(luò)模式識(shí)別

7.2.7 BP網(wǎng)絡(luò)模式識(shí)別仿真實(shí)例

7.3 RBF神經(jīng)網(wǎng)絡(luò)

7.3.1 RBF網(wǎng)絡(luò)結(jié)構(gòu)與算法

7.3.2 RBF網(wǎng)絡(luò)設(shè)計(jì)實(shí)例

7.3.3 RBF網(wǎng)絡(luò)的逼近

7.3.4 高斯基函數(shù)的參數(shù)對(duì)RBF網(wǎng)絡(luò)逼近的影響

7.3.5 隱含層節(jié)點(diǎn)數(shù)對(duì)RBF網(wǎng)絡(luò)逼近的影響

7.3.6 控制系統(tǒng)設(shè)計(jì)中RBF網(wǎng)絡(luò)的逼近

思考題與習(xí)題

附錄(程序代碼)

第8章 高級(jí)神經(jīng)網(wǎng)絡(luò)

8.1 模糊RBF網(wǎng)絡(luò)

8.1.1 網(wǎng)絡(luò)結(jié)構(gòu)

8.1.2 基于模糊RBF網(wǎng)絡(luò)的逼近算法

8.1.3 仿真實(shí)例

8.2 pi-sigma神經(jīng)網(wǎng)絡(luò)

8.2.1 高木-關(guān)野模糊系統(tǒng)

8.2.2 混合型pi-sigma神經(jīng)網(wǎng)絡(luò)

8.2.3 仿真實(shí)例

8.3 小腦模型神經(jīng)網(wǎng)絡(luò)

8.3.1 CMAC概述

8.3.2 一種典型CMAC算法

8.3.3 仿真實(shí)例

8.4 Hopfield網(wǎng)絡(luò)

8.4.1 Hopfield網(wǎng)絡(luò)原理

8.4.2 基于Hopfield網(wǎng)絡(luò)的路徑優(yōu)化

思考題與習(xí)題

附錄 (程序代碼)

第9章 神經(jīng)網(wǎng)絡(luò)控制

9.1 概述

9.2 神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu)

9.2.1 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制

9.2.2 神經(jīng)網(wǎng)絡(luò)直接逆控制

9.2.3 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

9.2.4 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?

9.2.5 神經(jīng)網(wǎng)絡(luò)預(yù)測控制

9.2.6 神經(jīng)網(wǎng)絡(luò)自適應(yīng)評(píng)判控制

9.2.7 神經(jīng)網(wǎng)絡(luò)混合控制

9.3 單神經(jīng)元自適應(yīng)控制

9.3.1 單神經(jīng)元自適應(yīng)控制算法

9.3.2 仿真實(shí)例

9.4 RBF網(wǎng)絡(luò)監(jiān)督控制

9.4.1 RBF網(wǎng)絡(luò)監(jiān)督控制算法

9.4.2 仿真實(shí)例

9.5 RBF網(wǎng)絡(luò)自校正控制

9.5.1 神經(jīng)網(wǎng)絡(luò)自校正控制原理

9.5.2 自校正控制算法

9.5.3 RBF網(wǎng)絡(luò)自校正控制算法

9.5.4 仿真實(shí)例

9.6 基于RBF網(wǎng)絡(luò)直接模型參考自適應(yīng)控制

9.6.1 基于RBF網(wǎng)絡(luò)的控制器設(shè)計(jì)

9.6.2 仿真實(shí)例

9.7 一種簡單的RBF網(wǎng)絡(luò)自適應(yīng)控制

9.7.1 問題描述

9.7.2 RBF網(wǎng)絡(luò)原理

9.7.3 控制算法設(shè)計(jì)與分析

9.7.4 仿真實(shí)例

9.8 基于不確定逼近的RBF網(wǎng)絡(luò)自適應(yīng)控制

9.8.1 問題的提出

9.8.2 模型不確定部分的RBF網(wǎng)絡(luò)逼近

9.8.3 控制器的設(shè)計(jì)及分析

9.8.4 仿真實(shí)例

9.9 基于模型整體逼近的機(jī)器人RBF網(wǎng)絡(luò)自適應(yīng)控制

9.9.1 問題的提出

9.9.2 針對(duì)f(x)進(jìn)行逼近的控制

9.9.3 仿真實(shí)例

9.10 神經(jīng)網(wǎng)絡(luò)數(shù)字控制

9.10.1 基本原理

9.10.2 仿真實(shí)例

思考題與習(xí)題

附錄 (程序代碼)

第10章 智能算法及其應(yīng)用

10.1 遺傳算法的基本原理

10.2 遺傳算法的特點(diǎn)

10.3 遺傳算法的發(fā)展及應(yīng)用

10.3.1 遺傳算法的發(fā)展

10.3.2 遺傳算法的應(yīng)用

10.4 遺傳算法的設(shè)計(jì)

10.4.1 遺傳算法的構(gòu)成要素

10.4.2 遺傳算法的應(yīng)用步驟

10.5 遺傳算法求函數(shù)極大值

10.5.1 二進(jìn)制編碼遺傳算法求函數(shù)極大值

10.5.2 實(shí)數(shù)編碼遺傳算法求函數(shù)極大值

10.6 基于遺傳算法優(yōu)化的RBF網(wǎng)絡(luò)逼近

10.6.1 遺傳算法優(yōu)化原理

10.6.2 仿真實(shí)例

10.7 基于遺傳算法的TSP問題優(yōu)化

10.7.1 TSP問題的編碼

10.7.2 TSP問題的遺傳算法設(shè)計(jì)

10.7.3 仿真實(shí)例

10.8 差分進(jìn)化算法

10.8.1 標(biāo)準(zhǔn)差分進(jìn)化算法

10.8.2 差分進(jìn)化算法的基本流程

10.8.3 差分進(jìn)化算法的參數(shù)設(shè)置

10.9 差分進(jìn)化算法的函數(shù)優(yōu)化與參數(shù)辨識(shí)

10.9.1 基于差分進(jìn)化算法的函數(shù)優(yōu)化

10.9.2 基于差分進(jìn)化算法的參數(shù)辨識(shí)

思考題與習(xí)題

附錄 (程序代碼)

第11章 迭代學(xué)習(xí)控制

11.1 基本原理

11.2 基本迭代學(xué)習(xí)控制算法

11.3 迭代學(xué)習(xí)控制的關(guān)鍵技術(shù)

11.4 機(jī)械手軌跡跟蹤迭代學(xué)習(xí)控制仿真實(shí)例

11.4.1 控制器設(shè)計(jì)

11.4.2 仿真實(shí)例

11.5 線性時(shí)變連續(xù)系統(tǒng)迭代學(xué)習(xí)控制

11.5.1 系統(tǒng)描述

11.5.2 控制器設(shè)計(jì)及收斂性分析

11.5.3 仿真實(shí)例

思考題與習(xí)題

附錄 (程序代碼)

附錄A

參考文獻(xiàn)2100433B

本書較全面地?cái)⑹隽酥悄芸刂频幕纠碚?、方法和?yīng)用。全書共11章，主要內(nèi)容為：專家控制的基本原理和應(yīng)用；模糊控制的基本原理和應(yīng)用；神經(jīng)網(wǎng)絡(luò)控制的基本原理和應(yīng)用；智能算法及其應(yīng)用；迭代學(xué)習(xí)控制方法及其應(yīng)用。

本書系統(tǒng)性強(qiáng)，突出理論聯(lián)系實(shí)際，敘述深入淺出，適合于初學(xué)者學(xué)習(xí)。書中給出了一些智能算法的Matlab仿真程序，并配有一定數(shù)量的習(xí)題和上機(jī)操作題。

本書第2版自2008年問世至今已經(jīng)走過6個(gè)年頭，承蒙很多高校材料力學(xué)教學(xué)第一線的老師和同學(xué)以及業(yè)余讀者的關(guān)愛和支持，已經(jīng)連續(xù)印刷了10次。 2012年獲得清華大學(xué)優(yōu)秀教材特等獎(jiǎng)；同年，相應(yīng)的教學(xué)成果獲得北京市高等學(xué)校優(yōu)秀教學(xué)成果一等獎(jiǎng)。2012年本書第3版被列入 “十二五”普通高等教育本科國家級(jí)規(guī)劃教材；2013年被批準(zhǔn)為清華大學(xué)“985”三期名優(yōu)教材建設(shè)項(xiàng)目立項(xiàng)。

最近的6年里，著者秉承不斷提高課程重量、著力培養(yǎng)學(xué)生創(chuàng)新思維能力的教育與教學(xué)理念，先后在清華大學(xué)、南京航空航天大學(xué)、北京工業(yè)大學(xué)以及北京郵電大學(xué)從事“材料力學(xué)”研究型教學(xué)的研究與實(shí)踐，堅(jiān)持全過程講授這門課程，授課對(duì)象每年約200名。在同事和同學(xué)們的支持與幫助下，對(duì)于教育和教學(xué)改革又有了一些新的體會(huì)和收獲。材料力學(xué)（第3版）將著重反映6年來我們在研究型教學(xué)方面所取得的成果。主要有: 怎樣在基于普遍提高教學(xué)質(zhì)量的基礎(chǔ)上，培養(yǎng)學(xué)生的創(chuàng)新思維能力；怎樣提高課程的吸引力，增強(qiáng)課程教學(xué)的學(xué)術(shù)性；怎樣挖掘基本教學(xué)內(nèi)容的深度；怎樣對(duì)傳統(tǒng)內(nèi)容中的某些概念、理論和方法加以改革和更新，突出挑戰(zhàn)性?；诖?，本書第3版修訂的主要內(nèi)容有以下幾方面。

第一，調(diào)整了部分章節(jié)，將材料的力學(xué)性能從“第2章 軸向載荷作用下桿件的材料力學(xué)問題”中獨(dú)立出來，形成“第3章 常溫靜載下材料的力學(xué)性能”； 重寫了“剪力圖與彎矩圖”作為第6章；將原來的第6章分為3章: “第7章 平面彎曲正應(yīng)力分析與強(qiáng)度設(shè)計(jì)”和“第8章 彎曲剪應(yīng)力分析與彎曲中心的概念”以及“第9章 斜彎曲、彎曲與拉伸或壓縮同時(shí)作用時(shí)的應(yīng)力計(jì)算與強(qiáng)度設(shè)計(jì)”；將原來的第8章分為: “ 應(yīng)力狀態(tài)與應(yīng)變狀態(tài)分析”和“一般應(yīng)力狀態(tài)下的強(qiáng)度設(shè)計(jì)準(zhǔn)則及其工程應(yīng)用”，分別列為第11章和12章；將原來的12章也分為兩章: “動(dòng)載荷與動(dòng)應(yīng)力概述”和“疲勞強(qiáng)度與構(gòu)件壽命估算概述”，分別列為第16章和第17章。

第二，增加了部分教學(xué)內(nèi)容，主要有: 部分非金屬材料的力學(xué)性能；梁的位移疊加法中的逐段剛化法；應(yīng)變分析；細(xì)長壓桿實(shí)驗(yàn)結(jié)果；線性累積損傷與疲勞壽命估算等。

第三，將力系簡化的方法引入橫截面的內(nèi)力分析，改革傳統(tǒng)剪力圖與彎矩圖的畫法。

第四，正確處理變形與位移概念的聯(lián)系與區(qū)別，將確定梁的轉(zhuǎn)角和撓度的章節(jié)名改為“梁的位移分析與剛度設(shè)計(jì)”。

第五，在部分章節(jié)引入“反問題”: 相對(duì)于正問題，反問題的解答不是唯一的，通過對(duì)于反問題的思考，一方面可以加深對(duì)于正問題的理解；另一方面可以激勵(lì)創(chuàng)新思維。

第六，在部分章節(jié)設(shè)計(jì)了“開放式思維案例”作為學(xué)生課外學(xué)習(xí)和研究的資源。最近幾年的教學(xué)實(shí)踐表明，這對(duì)于刺激思維鼓勵(lì)創(chuàng)新是一種有效的措施。材料力學(xué)（第3版）第七，增加了若干工程案例以及災(zāi)難性工程事故的力學(xué)解析。

第八，增加和改變了部分例題和習(xí)題。

隨著課程研究型教學(xué)在更多高校開展、深入和發(fā)展，材料力學(xué)的課程教學(xué)以及教材建設(shè)還會(huì)遇到一些新問題，我們將一如既往地堅(jiān)持“在教學(xué)中研究，在研究中教學(xué)”，以不斷提高人才培養(yǎng)質(zhì)量為己任，在教學(xué)實(shí)踐的基礎(chǔ)上，不斷提高材料力學(xué)教材的質(zhì)量。

這一版的初稿于2012年下半年—2013年上半年在國內(nèi)完成；2013年7—8月在加拿大多倫多定稿。定稿期間，得到旅加的趙淵先生和范心明女士的大力支持和協(xié)助，在本書出版之際，著者謹(jǐn)表誠摯謝意。

誠摯地感謝廣大讀者對(duì)本書的關(guān)愛，希望大家對(duì)本書的缺點(diǎn)和不足提出寶貴意見。

范欽珊2014.1.11

• 課程資源

《建筑CAD（第3版）》數(shù)字課程的數(shù)字化資源為教材配套圖紙CAD文件、工程案例、拓展模塊等。

《建筑CAD（第3版）》配有二維碼資源。

《Ansys入門（第3版）》是中國電力出版社出版的書籍。

序

第1章 CAE及ANSYS概述

1.1 計(jì)算機(jī)輔助分析概論

1.2 有限元素法簡介

1.3 ANSYS軟件結(jié)構(gòu)

1.4 ANSYS軟件界面說明

1.5 ANSYs0nLineHelp系統(tǒng) 2100433B