智能控制算法及其應(yīng)用

• 前言

• 第1章緒論

• 第2章專家系統(tǒng)

• 第3章模糊控制

• 第4章神經(jīng)網(wǎng)絡(luò)

• 第5章進(jìn)化計(jì)算

• 第6章基于CSAD_FWA的離散時(shí)間微分平坦自抗擾控制律參數(shù)優(yōu)化

• 第7章遞減步長(zhǎng)果蠅優(yōu)化算法及其在風(fēng)電機(jī)組齒輪箱故障診斷中的應(yīng)用

• 第8章基于云粒子群布谷鳥融合算法的典型熱工過程模型參數(shù)辨識(shí)

《智能控制算法及其應(yīng)用》主要介紹各種典型智能控制算法的基本內(nèi)容、設(shè)計(jì)與實(shí)現(xiàn)方法及其在函數(shù)優(yōu)化、電力系統(tǒng)中的應(yīng)用?！吨悄芸刂扑惴捌鋺?yīng)用》首先闡述智能、智能控制的基本概念，介紹智能控制與傳統(tǒng)的經(jīng)典控制理論、現(xiàn)代控制理論的聯(lián)系和區(qū)別。然后從四種典型智能控制算法（專家系統(tǒng)、模糊控制、神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算）入手分別闡述它們的發(fā)展歷史、基本內(nèi)容、實(shí)現(xiàn)方法及其應(yīng)用。最后介紹混沌模擬退火動(dòng)態(tài)煙花優(yōu)化算法，并將其用于優(yōu)化離散時(shí)間微分平坦自抗擾控制律的參數(shù)，通過計(jì)算機(jī)仿真和基于智能優(yōu)化算法試驗(yàn)平臺(tái)開展試驗(yàn)以驗(yàn)證該算法的有效性；介紹遞減步長(zhǎng)果蠅優(yōu)化算法，并將其應(yīng)用于風(fēng)電機(jī)組齒輪箱的故障診斷；介紹云粒子群布谷鳥融合算法，通過聯(lián)合循環(huán)發(fā)電機(jī)組典型熱工過程模型參數(shù)辨識(shí)實(shí)例驗(yàn)證該算法的有效性。

本書較全面地?cái)⑹隽酥悄芸刂频幕纠碚摗⒎椒ê蛻?yīng)用。全書共分17章，主要內(nèi)容為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、智能優(yōu)化算法及其應(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仿真實(shí)例和MATLAB仿真程序，并配有一定數(shù)量的習(xí)題和上機(jī)操作題，可作為高等院校工業(yè)自動(dòng)化、計(jì)算機(jī)應(yīng)用、電子工程等專業(yè)的高年級(jí)本科生和碩士研究生的教材，也適合從事工業(yè)自動(dòng)化領(lǐng)域的工程技術(shù)人員閱讀和參考。

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(gè)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(diǎn)、工具及應(yīng)用

1.3.1智能控制的特點(diǎn)

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(xiàn)

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(yùn)算

2.3隸屬函數(shù)

2.3.1隸屬函數(shù)的特點(diǎn)

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(jì)

2.3.4隸屬函數(shù)的確定方法

2.4模糊關(guān)系及其運(yùn)算

2.4.1模糊關(guān)系矩陣

2.4.2模糊矩陣運(yùn)算

2.4.3模糊矩陣的合成

2.5模糊推理

2.5.1模糊語(yǔ)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(jì)

3.3.1模糊控制器的設(shè)計(jì)步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應(yīng)用實(shí)例——洗衣機(jī)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(shí)例

3.6大時(shí)變擾動(dòng)下切換增益模糊調(diào)節(jié)的滑?？刂?

3.6.1系統(tǒng)描述

3.6.2滑?？刂破髟O(shè)計(jì)

3.6.3模糊規(guī)則設(shè)計(jì)

3.6.4仿真實(shí)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(jì)

4.1.2模糊系統(tǒng)的逼近精度

4.1.3仿真實(shí)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(jì)

4.2.3仿真實(shí)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(jì)

4.3.3自適應(yīng)律的設(shè)計(jì)

4.3.4仿真實(shí)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(shí)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(jì)

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(jí)倒立擺TS模糊控制

5.4.1LMI不等式的設(shè)計(jì)及分析

5.4.2不等式的轉(zhuǎn)換

5.4.3LMI設(shè)計(jì)實(shí)例

5.4.4基于LMI的倒立擺TS模糊控制

5.5基于極點(diǎn)配置的單級(jí)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(xiàn)

第6章機(jī)械手自適應(yīng)模糊控制

6.1簡(jiǎn)單的自適應(yīng)模糊滑模控制

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(jì)與分析

6.1.4仿真實(shí)例

6.2基于模糊補(bǔ)償?shù)臋C(jī)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(bǔ)償?shù)目刂?

6.2.3自適應(yīng)控制律的設(shè)計(jì)

6.2.4基于摩擦模糊逼近的模糊補(bǔ)償控制

6.2.5仿真實(shí)例

6.3模糊系統(tǒng)逼近的最小參數(shù)學(xué)習(xí)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(shí)例

6.4基于模糊補(bǔ)償?shù)臋C(jī)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(shí)例

附加資料

思考題

參考文獻(xiàn)

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(jiǎn)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(xí)算法

7.4.1Hebb學(xué)習(xí)規(guī)則

7.4.2Delta(δ)學(xué)習(xí)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(jì)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(xiàn)

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?？刂破髟O(shè)計(jì)

9.1.3仿真實(shí)例

9.1.4一階系統(tǒng)自適應(yīng)RBF控制

9.1.5仿真實(shí)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(shí)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(jì)

9.3.3仿真實(shí)例

思考題

參考文獻(xiàn)

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(jì)

10.1.4仿真實(shí)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(jì)

10.2.4仿真實(shí)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(shí)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(jì)及分析

10.4.4仿真實(shí)例

思考題

參考文獻(xiàn)

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

11.1執(zhí)行器容錯(cuò)控制描述

11.2SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制

11.2.1控制問題描述

11.2.2控制律的設(shè)計(jì)與分析

11.2.3仿真實(shí)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(cuò)控制

11.3.1控制問題描述

11.3.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.3.3控制律的設(shè)計(jì)與分析

11.3.4仿真實(shí)例

11.4MISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制

11.4.1控制問題描述

11.4.2控制律的設(shè)計(jì)與分析

11.4.3仿真實(shí)例

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

11.5.1控制問題描述

11.5.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.5.3控制律的設(shè)計(jì)與分析

11.5.4仿真實(shí)例

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

11.6.1控制問題描述

11.6.2控制律的設(shè)計(jì)與分析

11.6.3仿真實(shí)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(cuò)控制

11.7.1控制問題描述

11.7.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.7.3控制律的設(shè)計(jì)與分析

11.7.4仿真實(shí)例

附加資料

思考題

參考文獻(xiàn)

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

12.1一種簡(jiǎn)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(jì)與分析

12.1.4仿真實(shí)例

12.2基于RBF網(wǎng)絡(luò)逼近的機(jī)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(shí)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(shí)例

12.4機(jī)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(jì)

12.4.3控制器設(shè)計(jì)

12.4.4仿真實(shí)例

12.5一類欠驅(qū)動(dòng)機(jī)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(jì)

12.5.4收斂性分析

12.5.5仿真實(shí)例

附加資料

思考題

參考文獻(xiàn)

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(jì)

13.1.3仿真實(shí)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(jì)

13.2.4仿真實(shí)例

思考題

參考文獻(xiàn)

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(jì)與分析

14.1.3仿真實(shí)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(jì)

14.2.3控制器的設(shè)計(jì)與分析

14.2.4仿真實(shí)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(shí)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(diǎn)

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(jì)

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(jì)

15.2.3仿真實(shí)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(biāo)準(zhǔn)差分進(jìn)化算法

15.4.1差分進(jìn)化算法的基本流程

15.4.2差分進(jìn)化算法的參數(shù)設(shè)置

15.4.3基于差分進(jìn)化算法的函數(shù)優(yōu)化

15.5基于差分進(jìn)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(gè)簡(jiǎn)單的樣條插值實(shí)例

15.5.3最優(yōu)軌跡的設(shè)計(jì)

15.5.4最優(yōu)軌跡的優(yōu)化

15.5.5仿真實(shí)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(jì)

15.6.3仿真實(shí)例

思考題

參考文獻(xiàn)

第16章智能優(yōu)化算法在參數(shù)辨識(shí)中的應(yīng)用

16.1柔性機(jī)械手動(dòng)力學(xué)模型參數(shù)辨識(shí)

16.1.1柔性機(jī)械手模型描述

16.1.2仿真實(shí)例

16.2飛行器縱向模型參數(shù)辨識(shí)

16.2.1問題描述

16.2.2仿真實(shí)例

16.3VTOL飛行器參數(shù)辨識(shí)

16.3.1VTOL飛行器參數(shù)辨識(shí)問題

16.3.2基于粒子群算法的參數(shù)辨識(shí)

16.3.3基于差分進(jìn)化算法的VTOL飛行器參數(shù)辨識(shí)

16.4四旋翼飛行器建模與參數(shù)辨識(shí)

16.4.1四旋翼飛行器動(dòng)力學(xué)模型

16.4.2動(dòng)力學(xué)模型的變換

16.4.3參數(shù)的辨識(shí)

16.4.4基于粒子群算法參數(shù)辨識(shí)

16.4.5基于差分進(jìn)化算法參數(shù)辨識(shí)

思考題

參考文獻(xiàn)

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(jī)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(jì)與分析

17.1.3仿真實(shí)例

17.2基于神經(jīng)網(wǎng)絡(luò)的主輔電機(jī)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(jì)

17.2.3控制律設(shè)計(jì)與分析

17.2.4仿真實(shí)例

思考題

參考文獻(xiàn)2100433B

《離散粒子群優(yōu)化算法及其應(yīng)用》分為11章，各章節(jié)內(nèi)容具體安排如下 ：第1章主要介紹了基本PSO算法的原理機(jī)制及其發(fā)展現(xiàn)狀，并著重介紹了 PSO算法的三種常見離散化策略，闡述了DPSO算法的應(yīng)用成果；第2章主要介 紹了PSO算法在TSP優(yōu)化問題中的應(yīng)用；第3章介紹了一種基于表現(xiàn)型共享函 數(shù)的多目標(biāo)粒子群優(yōu)化算法及其在多工作流調(diào)度問題中的應(yīng)用；第4章介紹 了一種求解多目標(biāo)最小生成樹問題的改進(jìn)計(jì)數(shù)算法，并詳細(xì)闡述了一種用于 求解多目標(biāo)最小生成樹問題的新型DPs0算法的具體設(shè)計(jì)過程；第5章主要介 紹了PSO算法在入侵檢測(cè)數(shù)據(jù)特征選擇中的應(yīng)用；第6章重點(diǎn)闡述了PSO算法 在入侵檢測(cè)系統(tǒng)異常檢測(cè)和誤用檢測(cè)中的具體應(yīng)用；第7章分別闡述了PSO算 法在網(wǎng)絡(luò)安全態(tài)勢(shì)感知中態(tài)勢(shì)要素獲取、理解以及預(yù)測(cè)等各步驟中的應(yīng)用； 第8章主要介紹了PSO算法在異構(gòu)集群數(shù)據(jù)流分配問題中的應(yīng)用；第9．章主 要討論了無(wú)線傳感器網(wǎng)絡(luò)中基于PSO的拓?fù)渖杉捌淙蒎e(cuò)拓?fù)淇刂茩C(jī)制，詳 細(xì)介紹了各種算法的具體設(shè)計(jì)過程；第10章重點(diǎn)闡述了基于PSO算法的無(wú)線 傳感器網(wǎng)絡(luò)任務(wù)調(diào)度策略的設(shè)計(jì)；第11章分別闡述了PSO算法在超大規(guī)模集 成電路物理設(shè)計(jì)中的電路劃分和布圖/布局規(guī)劃優(yōu)化問題中的具體應(yīng)用。 《離散粒子群優(yōu)化算法及其應(yīng)用》主要面向計(jì)算機(jī)科學(xué)、自動(dòng)化科學(xué)、 管理科學(xué)、控制科學(xué)等相關(guān)學(xué)科專業(yè)高年級(jí)本科生、研究生以及廣大研究計(jì) 算智能的科技工作者。