智能控制工程

基本信息

出版時間： 2001-01-01

版　次： 1

頁　數(shù)： 202

裝　幀： 平裝

開　本： 16開

所屬分類： 圖書>教材教輔>大學教材

內容簡介

《智能控制工程》從工程應用角度出發(fā)，介紹了智能控制的主要內容，包括知識工程、專家控制系統(tǒng)、模糊控制、人工神經網(wǎng)絡控制以及以智能機器人為背景的多傳感器集成與信息融合、智能控制體系結構及柔性裝配中的控制技術?！吨悄芸刂乒こ獭芳骖櫿n堂教學和自學的特點，盡量采用深入淺出的分析和示例代替較為深奧的數(shù)學描述，以便讀者較容易地掌握《智能控制工程》的主要內容?！　吨悄芸刂乒こ獭房勺鳛榇髮Ｔ盒C械電子工程、工業(yè)自動化、自動控制及計算機應用等專業(yè)的本科生及研究生的教材和參考書，也可供有關教師、科研及工程技術人員參考。2100433B

該書內容包括：智能控制的知識工程基礎、基于知識的專家系統(tǒng)及專家控制、基于模糊推理的智能控制系統(tǒng)、智能控制工程的應用實例等。

智能控制工程及其應用實例

作者：羅均

出版日期：2005

頁數(shù)：181

分類： 工業(yè)技術 >自動控制、自動控制系統(tǒng)

第1章　緒論

1.1 傳統(tǒng)控制的發(fā)展及其困難

1.1.1　傳統(tǒng)控制的產生及其發(fā)展

目錄

1.1.2 傳統(tǒng)控制所面臨的困難

1.2 人工智能的定義與發(fā)展

1.2.1 人工智能的定義

1.2.2 人工智能的產生與發(fā)展

1.3.1 智能控制的產生與發(fā)展

1.3 智能控制的產生、發(fā)展及其特點

1.3.2 智能控制的結構與特點

1.4 智能控制與傳統(tǒng)控制

1.5 智能控制的主要研究內容

第2章　智能控制的知識工程基礎

2.1　知識表示

2.1.1 一階謂詞邏輯法

2.1.2　產生式表示法

2.1.3　語義網(wǎng)絡表示法

2.1.4　框架表示法

2.2 知識利用

2.2.1 搜索

2.2.2 推理

2.3 知識獲取

2.3.1 機器學習的發(fā)展

2.3.2　機器學習的分類

2.3.4 歸納學習

2.3.3　機械式學習

2.3.5 指導學習

第3章　基于知識的專家系統(tǒng)及專家控制

3.1 專家系統(tǒng)與專家控制系統(tǒng)

3.2　專家系統(tǒng)的產生及其原理

3.2.1 專家系統(tǒng)的產生與發(fā)展

3.2.2　專家系統(tǒng)的原理

3.2.3 專家系統(tǒng)的分類

3.2.4 專家系統(tǒng)的基本結構

3.2.5 黑板模型

3.2.6 知識獲取

3.3　專家系統(tǒng)的實現(xiàn)

3.3.1 專家系統(tǒng)的設計原則

3.3.2 專家系統(tǒng)建立的步驟

3.4 專家控制器的設計

3.4.1 專家控制系統(tǒng)的產生

3.4.2 專家控制器的組成

3.4.3 直接專家控制系統(tǒng)的設計

3.4.4 間接專家控制系統(tǒng)的設計

第4章　基于模糊推理的智能控制系統(tǒng)

4.1 模糊控制理論的產生和發(fā)展

4.2　模糊集合及其基本運算

4.2.1 普通集合

4.2.2　模糊集合

4.2.3　模糊關系

4.2.4　模糊推理

4.3　模糊控制原理

4.3.1 模糊控制系統(tǒng)的組成

4.3.3　輸入模糊化

4.3.2　確定模糊控制器的結構

4.3.4　模糊推理決策

4.3.5 逆模糊化

4.4 自適應模糊控制器

4.4.1 性能測量

4.4.2　控制對象的增量模型

4.4.3　控制規(guī)則庫的修正

4.4.5 設計步驟

4.4.4　尺度變換因子的選擇

4.5　模糊控制軟件開發(fā)工具

4.5.1　Motorola模糊控制軟件

4.5.2 美國FIDE模糊推理開發(fā)環(huán)境

4.5.3 德國模糊邏輯系統(tǒng)的軟件工具fuzzy TECH

4.6　模糊控制應用實例

4.6.1 電熱爐溫度控制的模糊控制

4.6.2　模糊控制全自動洗衣機

5.1.1　人腦神經網(wǎng)絡

5.1 概述

第5章　基于神經網(wǎng)絡的智能控制

5.1.2　人工神經網(wǎng)絡原理

5.1.3 人工神經網(wǎng)絡發(fā)展簡史

5.2 人工神經網(wǎng)絡的學習方法

5.2.1 人工神經網(wǎng)絡的學習方式

5.2.2 人工神經網(wǎng)絡的學習規(guī)則

5.3 人工神經網(wǎng)絡的模型與算法

5.3.1 單層感知器

5.3.2 BP學習算法

5.3.3 Hopfield神經網(wǎng)絡

5.3.4　腦模型控制器

5.4 基于神經網(wǎng)絡的智能控制

5.4.1 內模控制

5.4.2 直接自校正控制

5.4.3 間接自校正控制

5.4.4　模型參考自適應控制

5.4.6 神經網(wǎng)絡與常規(guī)控制方法的結合

5.4.5　預測控制

5.4.7 神經網(wǎng)絡專家系統(tǒng)控制

5.4.8 神經網(wǎng)絡模糊控制

5.5 神經網(wǎng)絡控制實例

第6章　分級遞階智能控制

6.1 分級遞階智能控制的產生

6.2　一般結構原理

6.3.2 組織級的功能的實現(xiàn)方法

6.3.1 組織級的功能

6.3 組織級

6.4 協(xié)調級和執(zhí)行級

6.4.1 協(xié)調級和執(zhí)行級的結構

6.4.2 執(zhí)行級控制性能的熵函數(shù)表示

6.5 分級遞階智能控制應用實例

6.5.1 PUMA機械臂的分級遞階智能控制

6.5.2 PLC的分級遞階智能控制

6.5.3 仿人智能控制的分級遞階結構

7.1.2　進化策略

7.1.1　進化計算概述

7.1 進化計算

第7章　進化計算與遺傳算法

7.1.3 進化規(guī)劃

7.1.4　遺傳算法

7.1.5 進化策略、進化規(guī)劃和遺傳算法的比較

7.2　標準遺傳算法的基本原理

7.2.1 編碼方法

7.2.2　適應度函數(shù)

7.2.3　選擇運算

7.2.4 交換

7.2.5 變異

7.3　模式與模式定理

7.3.1 模式

7.3.2　模式定理

7.4 遺傳算法和模糊邏輯、神經網(wǎng)絡的融合

7.4.1 遺傳算法在模糊推理中的應用

7.4.2 遺傳算法和神經網(wǎng)絡的融合

8.1 專家控制系統(tǒng)在復雜工業(yè)過程中的應用

第8章　智能控制工程的應用實例

8.1.1 系統(tǒng)的結構與功能

8.1.2 系統(tǒng)的開發(fā)過程

8.1.3 知識的表示與知識庫結構

8.1.4 傳感器數(shù)據(jù)的預處理和不確定性的表示

8.2 模糊專家控制在啤酒發(fā)酵過程中的應用

8.2.1 啤酒發(fā)酵工藝

8.2.2 啤酒生產發(fā)酵工藝微機控制系統(tǒng)結構

8.2.3　模糊專家控制器設計

8.2.4 系統(tǒng)的實現(xiàn)及控制效果

8.3 神經網(wǎng)絡在工業(yè)機器人高精度控制中的應用

8.3.1 基于模型的誤差補償方式

8.3.2 應用神經網(wǎng)絡補償誤差方式

8.3.3　實驗結果

8.4 遺傳算法在機器人路徑規(guī)劃中的應用實例

8.4.1 基于柵格劃分機器人工作空間的路徑規(guī)劃

8.4.2 基于C空間的非完整輪式移動機器人的路徑規(guī)劃

8.5 模糊-神經網(wǎng)絡智能控制在糧食干燥過程中的應用實例

參考文獻2100433B