智能控制算法及其應(yīng)用圖書目錄

• 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章進化計算

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

• 第7章遞減步長果蠅優(yōu)化算法及其在風電機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

《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)計與實現(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)和進化計算）入手分別闡述它們的發(fā)展歷史、基本內(nèi)容、實現(xiàn)方法及其應(yīng)用。最后介紹混沌模擬退火動態(tài)煙花優(yōu)化算法，并將其用于優(yōu)化離散時間微分平坦自抗擾控制律的參數(shù)，通過計算機仿真和基于智能優(yōu)化算法試驗平臺開展試驗以驗證該算法的有效性；介紹遞減步長果蠅優(yōu)化算法，并將其應(yīng)用于風電機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)電機組典型熱工過程模型參數(shù)辨識實例驗證該算法的有效性。

本書較全面地敘述了智能控制的基本理論、方法和應(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，突出理論聯(lián)系實際，敘述深入淺出，適合于初學者學習。書中給出了一些智能算法的仿真實例和MATLAB仿真程序，并配有一定數(shù)量的習題和上機操作題，可作為高等院校工業(yè)自動化、計算機應(yīng)用、電子工程等專業(yè)的高年級本科生和碩士研究生的教材，也適合從事工業(yè)自動化領(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?？刂?

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)模糊滑模控制器設(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)滑模控制

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)學習算法

7.4.1Hebb學習規(guī)則

7.4.2Delta(δ)學習規(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?？刂破髟O(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)的滑模控制

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?？刂坡傻脑O(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模型

16.4.2動力學模型的變換

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

《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 了一種求解多目標最小生成樹問題的改進計數(shù)算法，并詳細闡述了一種用于 求解多目標最小生成樹問題的新型DPs0算法的具體設(shè)計過程；第5章主要介 紹了PSO算法在入侵檢測數(shù)據(jù)特征選擇中的應(yīng)用；第6章重點闡述了PSO算法 在入侵檢測系統(tǒng)異常檢測和誤用檢測中的具體應(yīng)用；第7章分別闡述了PSO算 法在網(wǎng)絡(luò)安全態(tài)勢感知中態(tài)勢要素獲取、理解以及預測等各步驟中的應(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 要討論了無線傳感器網(wǎng)絡(luò)中基于PSO的拓撲生成及其容錯拓撲控制機制，詳 細介紹了各種算法的具體設(shè)計過程；第10章重點闡述了基于PSO算法的無線 傳感器網(wǎng)絡(luò)任務(wù)調(diào)度策略的設(shè)計；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》主要面向計算機科學、自動化科學、 管理科學、控制科學等相關(guān)學科專業(yè)高年級本科生、研究生以及廣大研究計 算智能的科技工作者。