智能控制基礎(chǔ)

韋巍，1964年生。1983年浙江大學(xué)本科畢業(yè)，1994年獲博士學(xué)位。1993年和1998年分別獲ALCS和DFG資助，赴英國Reading大學(xué)和德國Bochum大學(xué)聯(lián)合研究?，F(xiàn)為浙江大學(xué)電氣學(xué)院副院長，博士生導(dǎo)師。目前主要從事智能控制與智能系統(tǒng)理論及應(yīng)用研究，包括智能機器人。曾獲浙江省科技進步二等獎1項、教育部科技進步三等獎1項和浙江省優(yōu)秀教學(xué)成果獎1項。已發(fā)表學(xué)術(shù)論文近百篇，其中SCI、EI收錄論文50余篇。

何衍，浙江金華人，1973年生。1995年、1998年于浙江工業(yè)大學(xué)獲自動化專業(yè)學(xué)士、碩士學(xué)位，2001年于浙江大學(xué)獲控制理論與控制工程專業(yè)博士學(xué)位?，F(xiàn)為浙江大學(xué)系統(tǒng)科學(xué)與工程學(xué)系副教授、碩士生導(dǎo)師。主要從事信息融合、機器人、知識工程、運籌學(xué)等方面的科研和教學(xué)工作。負責、參加國家自然科學(xué)基金等科研項目多項。

第1章緒論

1.1智能控制的發(fā)展

1.1.1智能控制問題的提出

1.1.2智能控制的發(fā)展

1.2智能控制的幾個主要分支

1.2.1基于知識的專家系統(tǒng)

1.2.2模糊控制

1.2.3神經(jīng)元網(wǎng)絡(luò)控制

1.2.4學(xué)習控制

1.3智能控制系統(tǒng)的構(gòu)成原理

1.3.1智能控制系統(tǒng)結(jié)構(gòu)

1.3.2智能控制系統(tǒng)的特點

1.3.3智能控制系統(tǒng)研究的主要數(shù)學(xué)工具

習題和思考題

第2章模糊控制論

2.1引言

2.2模糊集合論基礎(chǔ)

2.2.1模糊集的概念

2.2.2模糊集合的運算

2.2.3模糊集合運算的基本性質(zhì)

2.2.4隸屬度函數(shù)的建立

2.2.5模糊關(guān)系

2.3模糊邏輯、模糊邏輯推理和合成

2.3.1二值邏輯

2.3.2模糊邏輯的基本運算

2.3.3模糊語言邏輯

2.3.4模糊邏輯推理

2.3.5模糊關(guān)系方程的解

2.4模糊控制系統(tǒng)的組成

2.4.1模糊化過程

2.4.2知識庫

2.4.3決策邏輯

2.4.4精確化過程

2.5模糊控制系統(tǒng)的設(shè)計

2.5.1模糊控制器的結(jié)構(gòu)設(shè)計

2.5.2模糊控制器的基本類型

2.5.3模糊控制器的設(shè)計原則

2.5.4模糊控制器的常規(guī)設(shè)計方法

2.6模糊PID控制器

2.6.1模糊控制器和常規(guī)PID的混合結(jié)構(gòu)

2.6.2常規(guī)PID參數(shù)的模糊自整定技術(shù)

2.7模糊控制器的應(yīng)用

2.7.1流量控制的模糊控制器設(shè)計

2.7.2倒立擺的模糊控制

習題和思考題

第3章人工神經(jīng)元網(wǎng)絡(luò)控制論

3.1引言

3.1.1神經(jīng)元模型

3.1.2神經(jīng)網(wǎng)絡(luò)的模型分類

3.1.3神經(jīng)網(wǎng)絡(luò)的學(xué)習算法

3.1.4神經(jīng)網(wǎng)絡(luò)的泛化能力

3.2前向神經(jīng)網(wǎng)絡(luò)模型

3.2.1多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.2.2多層傳播網(wǎng)絡(luò)的BP學(xué)習算法

3.2.3快速的BP改進算法

3.2.4BP學(xué)習算法的MATLAB例程

3.3動態(tài)神經(jīng)網(wǎng)絡(luò)模型

3.3.1帶時滯的多層感知器網(wǎng)絡(luò)

3.3.2Hopfield神經(jīng)網(wǎng)絡(luò)

3.3.3回歸神經(jīng)網(wǎng)絡(luò)

3.4CMAC神經(jīng)網(wǎng)絡(luò)

3.4.1小腦網(wǎng)絡(luò)的感知器模型

3.4.2CMAC的映射原理

3.4.3CMAC網(wǎng)絡(luò)的學(xué)習算法

3.5RBF神經(jīng)網(wǎng)絡(luò)模型

3.5.1具有固定中心的RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

3.5.2徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練的隨機梯度逼近法

3.6神經(jīng)網(wǎng)絡(luò)控制基礎(chǔ)

3.6.1引言

3.6.2神經(jīng)網(wǎng)絡(luò)的逼近能力

3.7非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識

3.7.1神經(jīng)網(wǎng)絡(luò)的辨識基礎(chǔ)

3.7.2神經(jīng)網(wǎng)絡(luò)辨識模型的結(jié)構(gòu)

3.7.3非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識

3.8神經(jīng)網(wǎng)絡(luò)控制的學(xué)習機制

3.8.1監(jiān)督式學(xué)習

3.8.2增強式學(xué)習

3.9神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計

3.9.1神經(jīng)網(wǎng)絡(luò)直接逆模型控制法

3.9.2真接網(wǎng)絡(luò)控制法

3.9.3多神經(jīng)網(wǎng)絡(luò)自學(xué)習控制法

3.10單一神經(jīng)元控制

習題和思考題

第4章專家控制

4.1引言

4.2專家控制的基本原理

4.2.1專家控制系統(tǒng)的基本內(nèi)容

4.2.2知識表達

4.2.3知識推理

4.2.4專家控制系統(tǒng)的設(shè)計

4.3專家控制應(yīng)剛舉例

4.3.1PID專家控制系統(tǒng)設(shè)計

4.3.2過程專家控制系統(tǒng)

4.4仿人智能控制

4.4.1仿人智能控制的引入

4.4.2仿人智能控制的基本概念

4.4.3仿人智能控制的實現(xiàn)

4.4.4仿人智能控制的應(yīng)用舉例

習題和思考題

上機實驗題

第5章分層遞階智能控制

5.1引言

5.2遞階智能控制的基本原理

5.3遞階智能控制的組織和協(xié)調(diào)

5.3.1遞階智能控制的組織級

5.3.2遞階智能控制的協(xié)調(diào)級

5.3.3遞階智能控制的執(zhí)行級

5.4分層遞階智能控制的應(yīng)用舉例

5.4.1智能機器人系統(tǒng)的遞階控制

5.4.2集散遞階智能控制系統(tǒng)

習題和思考題

第6章學(xué)習控制

第7章模糊神經(jīng)網(wǎng)絡(luò)控制與自適應(yīng)神經(jīng)網(wǎng)絡(luò)

第8章進貨算法

第9章多智能體系統(tǒng)控制 2100433B

智能控制作為一門新興學(xué)科，它的發(fā)展得益于許多學(xué)科，如人工智能、認知科學(xué)、現(xiàn)代控制理論、模糊數(shù)學(xué)、生物控制論、學(xué)習理論以及網(wǎng)絡(luò)理論等。

《智能控制基礎(chǔ)》總結(jié)近20年來智能控制的研究成果，詳細論述智能控制的基本概念、工作原理和設(shè)計方法。主要內(nèi)容包括：智能控制概論、模糊控制論、人工神經(jīng)網(wǎng)絡(luò)控制論、專家控制、分層遞階智能控制、學(xué)習控制、模糊神經(jīng)網(wǎng)絡(luò)控制與自適應(yīng)神經(jīng)網(wǎng)絡(luò)、進化算法、多智能體系統(tǒng)控制。

《智能控制基礎(chǔ)》在深入系統(tǒng)介紹智能控制設(shè)計理論和應(yīng)用方法的同時，還結(jié)合課堂教學(xué)給出了大量的設(shè)計例子和習題。

《智能控制基礎(chǔ)》選材新穎，系統(tǒng)性強，通俗易懂，突出理論聯(lián)系實際。既適合初學(xué)者學(xué)習智能控制的基本理論和方法，又對智能控制的研究學(xué)者有一定的參考價值。它標注了部分拓展內(nèi)容的章節(jié)，供深入研究者參考。整本教材主要針對控制科學(xué)與工程、電氣工程等學(xué)科碩士研究生和自動化專業(yè)高年級本科生使用，也適合其他專業(yè)的工程師閱讀和參考。

前言

章 智能控制理論基礎(chǔ)

1.1 智能控制的基本概念

1.2 智能控制系統(tǒng)的特征和性能

1.3 智能控制系統(tǒng)的類型

1.4 智通控制的發(fā)展概況

1.5 集合及其運算

1.6 模糊解及其運算規(guī)則

1.7 隸屬函數(shù)

1.8 模糊矩陣與模糊關(guān)系

1.9 模糊向量

1.10 模糊邏輯與模糊推理

小結(jié)

習題

第二章 模糊控制原理

2.1 基本模糊控制器的設(shè)計

2.2 自適應(yīng)模糊控制器

2.3 模糊關(guān)系模型

2.4 基于T-S模型的模糊控制

2.5 改善模糊控制系統(tǒng)穩(wěn)態(tài)性能的方法

小結(jié)

習題

第三章 神經(jīng)網(wǎng)絡(luò)控制

3.1 神經(jīng)元模型

3.2 經(jīng)神網(wǎng)絡(luò)結(jié)構(gòu)分類及其工作方式

3.3 神經(jīng)網(wǎng)絡(luò)的應(yīng)用

3.4 模糊神經(jīng)網(wǎng)絡(luò)

3.5 神經(jīng)元自適應(yīng)PID控制

3.6 神經(jīng)元自適應(yīng)PSD控制

3.7 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?

3.8 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

3.9 神經(jīng)網(wǎng)絡(luò)PID控制

小結(jié)

習題

第四章 混沌控制

4.1 混沌及混沌控制簡介

4.2 混沌的基本理論

4.3 混沌控制的基本理論

4.4 混沌反控制

小結(jié)

習題

第五章 專家控制

5.1 專家系統(tǒng)概述

5.2 專家控制系統(tǒng)

5.3 知識庫的形成和推理機制

5.4 專家控制系統(tǒng)應(yīng)用實例

小結(jié)

習題

參考文獻2100433B

第1章緒論

1.1智能控制的發(fā)展過程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的發(fā)展

1.1.4智能控制的技術(shù)基礎(chǔ)

1.2智能控制的幾個重要分支

1.2.1模糊控制

1.2.2神經(jīng)網(wǎng)絡(luò)控制

1.2.3智能搜索算法

1.3智能控制的特點、工具及應(yīng)用

1.3.1智能控制的特點

1.3.2智能控制的研究工具

1.3.3智能控制的應(yīng)用

思考題

參考文獻

第2章模糊控制的理論基礎(chǔ)

2.1概述

2.2模糊集合

2.2.1模糊集合

2.2.2模糊集合的運算

2.3隸屬函數(shù)

2.3.1隸屬函數(shù)的特點

2.3.2幾種典型的隸屬函數(shù)及其MATLAB表示

2.3.3模糊系統(tǒng)的設(shè)計

2.3.4隸屬函數(shù)的確定方法

2.4模糊關(guān)系及其運算

2.4.1模糊關(guān)系矩陣

2.4.2模糊矩陣運算

2.4.3模糊矩陣的合成

2.5模糊推理

2.5.1模糊語句

2.5.2模糊推理

思考題

第3章模糊邏輯控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的組成

3.1.3模糊控制系統(tǒng)的工作原理

3.1.4模糊控制器結(jié)構(gòu)

3.2模糊控制系統(tǒng)分類

3.3模糊控制器的設(shè)計

3.3.1模糊控制器的設(shè)計步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應(yīng)用實例——洗衣機的模糊控制

3.5模糊自適應(yīng)整定PID控制

3.5.1模糊自適應(yīng)整定PID控制原理

3.5.2仿真實例

3.6大時變擾動下切換增益模糊調(diào)節(jié)的滑模控制

3.6.1系統(tǒng)描述

3.6.2滑?？刂破髟O(shè)計

3.6.3模糊規(guī)則設(shè)計

3.6.4仿真實例

思考題

第4章自適應(yīng)模糊控制

4.1模糊逼近

4.1.1模糊系統(tǒng)的設(shè)計

4.1.2模糊系統(tǒng)的逼近精度

4.1.3仿真實例

4.2間接自適應(yīng)模糊控制

4.2.1問題描述

4.2.2自適應(yīng)模糊滑?？刂破髟O(shè)計

4.2.3仿真實例

4.3直接自適應(yīng)模糊控制

4.3.1問題描述

4.3.2模糊控制器的設(shè)計

4.3.3自適應(yīng)律的設(shè)計

4.3.4仿真實例

思考題

第5章基于TS模糊建模的控制

5.1TS模糊模型

5.1.1TS模糊模型的形式

5.1.2仿真實例

5.1.3一類非線性系統(tǒng)的TS模糊建模

5.2TS型模糊控制器的設(shè)計

5.3倒立擺系統(tǒng)的TS模糊模型

5.4基于線性矩陣不等式的單級倒立擺TS模糊控制

5.4.1LMI不等式的設(shè)計及分析

5.4.2不等式的轉(zhuǎn)換

5.4.3LMI設(shè)計實例

5.4.4基于LMI的倒立擺TS模糊控制

5.5基于極點配置的單級倒立擺TS模糊控制

附加資料： 新的LMI求解工具箱——YALMIP工具箱

思考題

參考文獻

第6章機械手自適應(yīng)模糊控制

6.1簡單的自適應(yīng)模糊滑?？刂?

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設(shè)計與分析

6.1.4仿真實例

6.2基于模糊補償?shù)臋C械手模糊自適應(yīng)滑?？刂?

6.2.1系統(tǒng)描述

6.2.2基于傳統(tǒng)模糊補償?shù)目刂?

6.2.3自適應(yīng)控制律的設(shè)計

6.2.4基于摩擦模糊逼近的模糊補償控制

6.2.5仿真實例

6.3模糊系統(tǒng)逼近的最小參數(shù)學(xué)習法

6.3.1問題描述

6.3.2模糊系統(tǒng)最小參數(shù)逼近

6.3.3基于模糊系統(tǒng)逼近的最小參數(shù)自適應(yīng)控制

6.3.4仿真實例

6.4基于模糊補償?shù)臋C械手單參數(shù)自適應(yīng)控制

6.4.1系統(tǒng)描述

6.4.2基于模糊系統(tǒng)逼近的最小參數(shù)自適應(yīng)控制

6.4.3仿真實例

附加資料

思考題

參考文獻

第7章神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

7.1神經(jīng)網(wǎng)絡(luò)發(fā)展簡史

7.2神經(jīng)網(wǎng)絡(luò)原理

7.3神經(jīng)網(wǎng)絡(luò)的分類

7.4神經(jīng)網(wǎng)絡(luò)學(xué)習算法

7.4.1Hebb學(xué)習規(guī)則

7.4.2Delta(δ)學(xué)習規(guī)則

7.5神經(jīng)網(wǎng)絡(luò)的特征及要素

7.5.1神經(jīng)網(wǎng)絡(luò)特征

7.5.2神經(jīng)網(wǎng)絡(luò)三要素

7.6神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域

思考題

第8章典型神經(jīng)網(wǎng)絡(luò)

8.1單神經(jīng)元網(wǎng)絡(luò)

8.2BP神經(jīng)網(wǎng)絡(luò)

8.3RBF神經(jīng)網(wǎng)絡(luò)

8.3.1網(wǎng)絡(luò)結(jié)構(gòu)

8.3.2控制系統(tǒng)設(shè)計中RBF網(wǎng)絡(luò)的逼近

8.4Hopfield神經(jīng)網(wǎng)絡(luò)

思考題

參考文獻

第9章自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制

9.1一階系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

9.1.1系統(tǒng)描述

9.1.2滑模控制器設(shè)計

9.1.3仿真實例

9.1.4一階系統(tǒng)自適應(yīng)RBF控制

9.1.5仿真實例

9.2二階系統(tǒng)自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制

9.2.1系統(tǒng)描述

9.2.2基于RBF網(wǎng)絡(luò)逼近f(x)的滑?？刂?

9.2.3仿真實例

9.3基于RBF網(wǎng)絡(luò)的單參數(shù)直接魯棒自適應(yīng)控制

9.3.1系統(tǒng)描述

9.3.2控制律和自適應(yīng)律設(shè)計

9.3.3仿真實例

思考題

參考文獻

第10章基于RBF網(wǎng)絡(luò)的輸入輸出受限控制

10.1控制系統(tǒng)位置輸出受限控制

10.1.1輸出受限引理

10.1.2系統(tǒng)描述

10.1.3控制器的設(shè)計

10.1.4仿真實例

10.2基于RBF網(wǎng)絡(luò)的狀態(tài)輸出受限控制

10.2.1系統(tǒng)描述

10.2.2RBF網(wǎng)絡(luò)原理

10.2.3控制器的設(shè)計

10.2.4仿真實例

10.3基于雙曲正切的輸入受限控制

10.3.1雙曲函數(shù)及性質(zhì)

10.3.2定理及分析

10.3.3基于雙曲正切的輸入受限控制

10.3.4仿真實例

10.4基于RBF網(wǎng)絡(luò)逼近的輸入受限控制

10.4.1系統(tǒng)描述

10.4.2RBF神經(jīng)網(wǎng)絡(luò)逼近

10.4.3控制器的設(shè)計及分析

10.4.4仿真實例

思考題

參考文獻

第11章基于RBF神經(jīng)網(wǎng)絡(luò)的執(zhí)行器自適應(yīng)容錯控制

11.1執(zhí)行器容錯控制描述

11.2SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯控制

11.2.1控制問題描述

11.2.2控制律的設(shè)計與分析

11.2.3仿真實例

11.3基于RBF網(wǎng)絡(luò)的SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯控制

11.3.1控制問題描述

11.3.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計

11.3.3控制律的設(shè)計與分析

11.3.4仿真實例

11.4MISO系統(tǒng)執(zhí)行器自適應(yīng)容錯控制

11.4.1控制問題描述

11.4.2控制律的設(shè)計與分析

11.4.3仿真實例

11.5MISO系統(tǒng)執(zhí)行器自適應(yīng)神經(jīng)網(wǎng)絡(luò)容錯控制

11.5.1控制問題描述

11.5.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計

11.5.3控制律的設(shè)計與分析

11.5.4仿真實例

11.6帶執(zhí)行器卡死的MISO系統(tǒng)自適應(yīng)容錯控制

11.6.1控制問題描述

11.6.2控制律的設(shè)計與分析

11.6.3仿真實例

11.7帶執(zhí)行器卡死的MISO系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)容錯控制

11.7.1控制問題描述

11.7.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計

11.7.3控制律的設(shè)計與分析

11.7.4仿真實例

附加資料

思考題

參考文獻

第12章機械系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

12.1一種簡單的RBF網(wǎng)絡(luò)自適應(yīng)滑?？刂?

12.1.1問題描述

12.1.2RBF網(wǎng)絡(luò)原理

12.1.3控制算法設(shè)計與分析

12.1.4仿真實例

12.2基于RBF網(wǎng)絡(luò)逼近的機械手自適應(yīng)控制

12.2.1問題的提出

12.2.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的控制器

12.2.3仿真實例

12.3基于RBF網(wǎng)絡(luò)的最小參數(shù)自適應(yīng)控制

12.3.1問題描述

12.3.2基于RBF網(wǎng)絡(luò)逼近的最小參數(shù)自適應(yīng)控制

12.3.3仿真實例

12.4機械手神經(jīng)網(wǎng)絡(luò)單參數(shù)自適應(yīng)控制

12.4.1問題的提出

12.4.2神經(jīng)網(wǎng)絡(luò)設(shè)計

12.4.3控制器設(shè)計

12.4.4仿真實例

12.5一類欠驅(qū)動機械系統(tǒng)神經(jīng)網(wǎng)絡(luò)滑?？刂?

12.5.1系統(tǒng)描述

12.5.2RBF網(wǎng)絡(luò)原理

12.5.3滑模控制律的設(shè)計

12.5.4收斂性分析

12.5.5仿真實例

附加資料

思考題

參考文獻

第13章基于RBF網(wǎng)絡(luò)的反演自適應(yīng)控制

13.1一種三階非線性系統(tǒng)的反演控制

13.1.1系統(tǒng)描述

13.1.2反演控制器設(shè)計

13.1.3仿真實例

13.2基于RBF網(wǎng)絡(luò)的三階非線性系統(tǒng)反演控制

13.2.1系統(tǒng)描述

13.2.2RBF網(wǎng)絡(luò)原理

13.2.3神經(jīng)網(wǎng)絡(luò)反演控制器設(shè)計

13.2.4仿真實例

思考題

參考文獻

第14章基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

14.1基于LMI的控制

14.1.1系統(tǒng)描述

14.1.2控制器的設(shè)計與分析

14.1.3仿真實例

14.2基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

14.2.1系統(tǒng)描述

14.2.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計

14.2.3控制器的設(shè)計與分析

14.2.4仿真實例

14.3基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)跟蹤控制

14.3.1系統(tǒng)描述

14.3.2仿真實例

思考題

第15章智能優(yōu)化算法

15.1遺傳算法及其應(yīng)用

15.1.1遺傳算法的基本原理

15.1.2遺傳算法的特點

15.1.3遺傳算法的應(yīng)用領(lǐng)域

15.1.4遺傳算法的優(yōu)化設(shè)計

15.1.5基于遺傳算法的函數(shù)優(yōu)化

15.2基于遺傳算法的TSP優(yōu)化

15.2.1TSP的編碼

15.2.2TSP的遺傳算法設(shè)計

15.2.3仿真實例

15.3粒子群優(yōu)化算法

15.3.1粒子群算法基本原理

15.3.2算法流程

15.3.3基于粒子群算法的函數(shù)優(yōu)化

15.4標準差分進化算法

15.4.1差分進化算法的基本流程

15.4.2差分進化算法的參數(shù)設(shè)置

15.4.3基于差分進化算法的函數(shù)優(yōu)化

15.5基于差分進化最優(yōu)軌跡規(guī)劃的PD控制

15.5.1問題的提出

15.5.2一個簡單的樣條插值實例

15.5.3最優(yōu)軌跡的設(shè)計

15.5.4最優(yōu)軌跡的優(yōu)化

15.5.5仿真實例

15.6基于Hopfield網(wǎng)絡(luò)的路徑優(yōu)化

15.6.1TSP問題

15.6.2求解TSP問題的Hopfield神經(jīng)網(wǎng)絡(luò)設(shè)計

15.6.3仿真實例

思考題

參考文獻

第16章智能優(yōu)化算法在參數(shù)辨識中的應(yīng)用

16.1柔性機械手動力學(xué)模型參數(shù)辨識

16.1.1柔性機械手模型描述

16.1.2仿真實例

16.2飛行器縱向模型參數(shù)辨識

16.2.1問題描述

16.2.2仿真實例

16.3VTOL飛行器參數(shù)辨識

16.3.1VTOL飛行器參數(shù)辨識問題

16.3.2基于粒子群算法的參數(shù)辨識

16.3.3基于差分進化算法的VTOL飛行器參數(shù)辨識

16.4四旋翼飛行器建模與參數(shù)辨識

16.4.1四旋翼飛行器動力學(xué)模型

16.4.2動力學(xué)模型的變換

16.4.3參數(shù)的辨識

16.4.4基于粒子群算法參數(shù)辨識

16.4.5基于差分進化算法參數(shù)辨識

思考題

參考文獻

第17章神經(jīng)網(wǎng)絡(luò)自適應(yīng)協(xié)調(diào)控制

17.1主輔電機協(xié)調(diào)魯棒控制

17.1.1系統(tǒng)描述

17.1.2控制律設(shè)計與分析

17.1.3仿真實例

17.2基于神經(jīng)網(wǎng)絡(luò)的主輔電機協(xié)調(diào)控制

17.2.1系統(tǒng)描述

17.2.2RBF網(wǎng)絡(luò)的設(shè)計

17.2.3控制律設(shè)計與分析

17.2.4仿真實例

思考題

參考文獻2100433B

本書結(jié)合作者的研究工作，詳細地介紹了智能控制的基本概念、原理、實現(xiàn)方法及其應(yīng)用。內(nèi)容包括：智能控制理論的數(shù)學(xué)基礎(chǔ)及其基本知識；模糊控制系統(tǒng)的組成、基本原理、設(shè)計方法及其提高控制系統(tǒng)性能的幾種改進方式；神經(jīng)網(wǎng)絡(luò)控制的基本原理工作方式及其幾種典型應(yīng)用；混沌控制的原理及其具有代表性的混沌控制方法；專家控制系統(tǒng)的原理、結(jié)構(gòu)、主要控制方法及應(yīng)用實例。

本書注重理論與工程實際相結(jié)合，在介紹理論的基礎(chǔ)上，還融入了作者及其他研究者的實際應(yīng)用成果，對具體工程應(yīng)用具有較大的參考價值。

本書可作為高等院校自動控制及其相關(guān)專業(yè)大學(xué)本科生及研究生的教材，也可供相關(guān)專業(yè)的科研人員、工程技術(shù)人員自學(xué)和參考。