內容簡介
《智慧型控制理論與技術》可作為信息、自動化及計算機套用等專業的本科生及研究生的教材及參考書，也可供有關教師和科技工作者參考。
作者簡介
孫增圻，江蘇靖江人，1943年生。1966年畢業於清華大學自動控制系，留校工作。1981年在瑞典獲博士學位。現為清華大學計算機系教授、博士生導師。主要從事智慧型控制、機器人、神經網路及模糊系統等方面的研究和教學。共有已鑑定的研究成果9項，發表論文100餘篇，此前已編著《控制系統的計算機輔助設計》、《計算機控制理論及套用》、《機器人智慧型控制》、《系統分析與控制》等書。
目錄
目錄
前言
第1章 緒論
1.1智慧型控制的基本概念
1.1.1智慧型控制的研究對象
1.1.2智慧型控制系統
1.1.3智慧型控制系統的基本結構
1.1.4智慧型控制系統的主要功能特點
1.1.5智慧型控制研究的數學工具
1.2智慧型控制的發展概況
1.3智慧型控制理論
參考文獻
第2章 模糊邏輯控制
2.1概述
2.1.1模糊控制與智慧型控制
2.1.2模糊集合與模糊數學的概念
2.1.3模糊控制的發展和套用概況
2.2模糊集合及其運算
2.2.1模糊集合的定義及表示方法
2.2.2模糊集合的基本運算
2.2.3模糊集合運算的基本性質
2.2.4模糊集合的其它類型運算
2.3模糊關係
2.3.1模糊關係的定義及表示
2.3.2模糊關係的合成
2.4模糊邏輯與近似推理
2.4.1語言變數
2.4.2模糊蘊含關係
2.4.3近似推理
2.4.4模糊蘊含關係運算方法的比較和選擇
2.4.5合成運算方法的選擇
2.4.6句子連線關係的邏輯運算
2.5基於控制規則庫的模糊推理
2.5.1模糊推理的基本方法
2.5.2模糊推理的性質
2.5.3模糊控制中幾種常見的模糊推理類型
2.6模糊控制的基本原理
2.6.1模糊控制器的基本結構和組成
2.6.2模糊化運算
2.6.3資料庫
2.6.4規則庫
2.6.5模糊推理與清晰化計算
2.6.6論域為離散時模糊控制的離線計算
2.7模糊控制系統的分析和設計
2.7.1模糊模型表示
2.7.2模糊系統分析
2.7.3模糊系統設計
2.7.4基於Takagi－Sugeno模型的穩定性分析和設計
2.7.5基於模糊狀態方程模型的系統分析和設計
2.8自適應模糊控制
2.8.1基於性能反饋的直接自適應模糊控制
2.8.2基於模糊模型求逆的間接自適應模糊控制
參考文獻
第3章 神經網路控制
3.1概述
3.1.1神經元模型
3.1.2人工神經網路
3.1.3生物神經網路系統與計算機處理信息的比較
3.1.4神經網路的發展概況
3.2前饋神經網路
3.2.1感知器網路
3.2.2BP網路
3.2.3BP網路學習算法的改進
3.2.4神經網路的訓練
3.3反饋神經網路
3.3.1離散H0pfield網路
3.3.2連續Hopfield網路
3.3.3Boltzmann機
3.4局部逼近神經網路
3.4.1CMAC神經網路
3.4.2B樣條神經網路
3.4.3徑向基函式神經網路
3.5模糊神經網路
3.5.1基於標準模型的模糊神經網路
3.5.2基於Takagi－Sugeno模型的模糊神經網路
3.6基於神經網路的系統建模與辨識
3.6.1概述
3.6.2逼近理論與網路建模
3.6.3利用多層靜態網路的系統辨識
3.6.4利用動態網路的系統辨識
3.7神經網路控制
3.7.1概述
3.7.2神經網路控制結構
3.7.3基於全局逼近神經網路的控制
3.7.4基於局部逼近神經網路的控制
3.7.5模糊神經網路控制
3.7.6有待解決的問題
3.8神經網路在機器人控制中的套用
3.8.1神經網路運動學控制
3.8.2神經網路動力學控制
3.8.3神經網路路徑規劃
參考文獻
第4章 專家控制
4.1概述
4.1.1專家控制的由來
4.1.2專家系統
4.1.3專家控制的研究狀況和分類
4.2專家控制的基本原理
4.2.1專家控制的功能目標
4.2.2控制作用的實現
4.2.3設計規範和運行機制
4.3專家控制系統的典型結構
4.3.1系統結構
4.3.2系統實現
4.4專家控制的例示
4.4.1自動調整過程
4.4.2自動調整過程的實現
4.5專家控制技術的研究課題
4.5.1實時推理
4.5.2知識獲取
4.5.3專家控制系統的穩定性分析
4.6一種仿人智慧型控制
4.6.1概念和定義
4.6.2原理和結構
4.6.3仿人智慧型控制的特點
參考文獻
第5章 學習控制
5.1概述
5.1.1學習控制問題的提出
5.1.2學習控制的表述
5.1.3學習控制和自適應控制
5.1.4學習控制的研究狀況和分類
5.2基於模式識別的學習控制
5.2.1學習控制系統的一般形式
5.2.2模式分類
5.2.3可訓練控制器
5.2.4線性再勵學習控制
5.2.5Bayes學習控制
5.2.6基於模式識別的其他學習控制方法
5.2.7研究課題
5.3基於疊代和重複的學習控制
5.3.1疊代和重複自學習控制的基本原理
5.3.2異步自學習控制
5.3.3異步自學習控制時域法
5.3.4異步自學習控制頻域法
5.4聯結主義學習控制
5.4.1基本思想
5.4.2聯結主義學習系統的實現原理
5.4.3聯結主義學習控制系統的結構
5.4.4研究課題
參考文獻
第6章 分層遞階智慧型控制
6.1一般結構原理
6.2組織級
6.3協調級
6.3.1協調級的原理結構
6.3.2Petri網翻譯器
6.3.3協調級的Petri網結構
6.3.4協調級結構的決策和學習
6.4執行級
參考文獻
第7章 遺傳算法
7.1概述
7.2遺傳算法的工作原理及操作步驟
7.2.1遺傳算法的基本操作
7.2.2遺傳算法的模式理論
7.3遺傳算法的實現及改進
7.3.1遺傳算法的實現
7.3.2遺傳算法的改進
7.3.3改進的遺傳算法舉例
7.4遺傳算法套用舉例
7.4.1遺傳算法在模糊邏輯控制中的套用
7.4.2遺傳算法在神經網路控制中的套用
7.4.3用遺傳算法進行路徑規劃
參考文獻
