智能控制：理論基礎、算法設計與應用（第2版 ）

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智能控制的技術基礎

1.2智能控制的幾個重要分支

1.2.1模糊控制

1.2.2神經網絡控制

1.2.3智能搜索算法

1.3智能控制的特點、工具及應用

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智能控制的應用

思考題

參考文獻

第2章模糊控制的理論基礎

2.1概述

2.2模糊集合

2.2.1模糊集合的表示

2.2.2模糊集合的運算

2.3隸屬函數

2.3.1隸屬函數的特點

2.3.2幾種典型的隸屬函數及其MATLAB表示

2.3.3模糊系統的設計

2.3.4隸屬函數的確定方法

2.4模糊關系及其運算

2.4.1模糊關系矩陣

2.4.2模糊矩陣運算

2.4.3模糊矩陣的合成

2.5模糊語句與模糊推理

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模糊控制系統的工作原理

3.1.4模糊控制器結構

3.2模糊控制系統分類

3.3模糊控制器的設計

3.3.1模糊控制器的設計步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應用實例——洗衣機的模糊控制

3.5模糊自適應整定PID控制

3.5.1模糊自適應整定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節(jié)的滑?？刂?/p>

3.6.1系統描述

3.6.2滑?？刂破髟O計

3.6.3模糊規(guī)則設計

3.6.4仿真實例

思考題

第4章自適應模糊控制

4.1模糊逼近

4.1.1模糊系統的設計

4.1.2模糊系統的逼近精度

4.1.3仿真實例

4.2間接自適應模糊控制

4.2.1問題描述

4.2.2自適應模糊滑?？刂破髟O計

4.2.3仿真實例

4.3直接自適應模糊控制

4.3.1問題描述

4.3.2模糊控制器的設計

4.3.3自適應律的設計

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的TS模糊建模

5.2TS模糊控制器的設計

5.3倒立擺系統的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不等式的設計及分析

5.4.2不等式的轉換 

5.4.3LMI設計實例

5.4.4仿真實例

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章機械手自適應模糊控制

6.1簡單的自適應模糊滑模控制

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設計與分析

6.1.4仿真實例

6.2基于模糊補償的機械手模糊自適應滑?？刂?/p>

6.2.1系統描述

6.2.2基于傳統模糊補償的控制

6.2.3自適應控制律的設計

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模糊系統逼近的最小參數學習法

6.3.1問題描述

6.3.2模糊系統最小參數逼近

6.3.3基于模糊系統逼近的最小參數自適應控制

6.3.4仿真實例

6.4基于模糊補償的機械手單參數自適應控制

6.4.1系統描述

6.4.2基于模糊系統逼近的最小參數自適應控制

6.4.3仿真實例

附加資料

思考題

參考文獻

第7章神經網絡理論基礎

7.1神經網絡發(fā)展簡史

7.2神經網絡原理

7.3神經網絡的分類

7.4神經網絡學習算法

7.4.1Hebb學習規(guī)則

7.4.2Delta(δ)學習規(guī)則

7.5神經網絡的特征及要素

7.5.1神經網絡特征

7.5.2神經網絡三要素

7.6神經網絡控制的研究領域

思考題

第8章典型神經網絡及非線性建模

8.1單神經元網絡

8.2BP神經網絡

8.2.1BP神經網絡特點

8.2.2BP神經網絡結構與算法

8.2.3BP神經網絡的訓練

8.2.4仿真實例

8.3RBF神經網絡

8.3.1網絡結構

8.3.2控制系統設計中RBF神經網絡的逼近

8.3.3RBF神經網絡的訓練

8.3.4仿真實例

8.4模糊RBF神經網絡

8.4.1模糊RBF神經網絡結構與算法

8.4.2模糊RBF神經網絡學習算法

8.4.3仿真實例

8.5PiSigma模糊神經網絡

8.5.1高木關野模糊系統

8.5.2混合型PiSigma模糊神經網絡

8.5.3PiSigma模糊神經網絡學習算法

8.5.4仿真實例

8.6ELM神經網絡

8.6.1ELM神經網絡的特點

8.6.2ELM神經網絡結構與算法

8.6.3ELM神經網絡的訓練

8.6.4仿真實例

思考題

參考文獻

第9章自適應RBF神經網絡控制

9.1一階系統神經網絡自適應控制

9.1.1系統描述

9.1.2滑?？刂破髟O計

9.1.3仿真實例

9.1.4一階系統自適應RBF控制

9.1.5仿真實例

9.2二階系統自適應RBF神經網絡控制

9.2.1系統描述

9.2.2基于RBF神經網絡逼近f(x)的滑?？刂?nbsp;

9.2.3仿真實例

9.3基于RBF神經網絡的單參數直接魯棒自適應控制

9.3.1系統描述

9.3.2控制律和自適應律設計

9.3.3仿真實例

思考題

參考文獻

第10章基于RBF神經網絡的輸入輸出受限控制

10.1控制系統位置輸出受限控制

10.1.1輸出受限引理

10.1.2系統描述

10.1.3控制器的設計

10.1.4仿真實例

10.2基于RBF神經網絡的狀態(tài)輸出受限控制

10.2.1系統描述

10.2.2RBF神經網絡原理

10.2.3控制器的設計

10.2.4仿真實例

10.3基于RBF神經網絡的輸入受限滑?？刂?/p>

10.3.1系統描述

10.3.2RBF神經網絡逼近及雙曲正切函數特點

10.3.3控制器的設計及分析

10.3.4仿真實例

思考題

參考文獻

第11章基于RBF神經網絡的執(zhí)行器自適應容錯控制

11.1執(zhí)行器容錯控制描述

11.2SISO系統執(zhí)行器自適應容錯控制

11.2.1控制問題描述

11.2.2控制律的設計與分析

11.2.3仿真實例

11.3基于RBF神經網絡的SISO系統執(zhí)行器自適應容錯控制

11.3.1控制問題描述

11.3.2RBF神經網絡設計

11.3.3控制律的設計與分析

11.3.4仿真實例

11.4MISO系統執(zhí)行器自適應容錯控制

11.4.1控制問題描述

11.4.2控制律的設計與分析

11.4.3仿真實例

11.5MISO系統執(zhí)行器自適應神經網絡容錯控制

11.5.1控制問題描述

11.5.2RBF神經網絡設計

11.5.3控制律的設計與分析

11.5.4仿真實例

11.6帶執(zhí)行器卡死的MISO系統自適應容錯控制

11.6.1控制問題描述

11.6.2控制律的設計與分析

11.6.3仿真實例

11.7帶執(zhí)行器卡死的MISO系統神經網絡自適應容錯控制

11.7.1控制問題描述

11.7.2RBF神經網絡設計

11.7.3控制律的設計與分析

11.7.4仿真實例

11.8基于傳感器和執(zhí)行器容錯的自適應控制

11.8.1系統描述

11.8.2控制器設計與分析

11.8.3仿真實例

11.9基于傳感器和執(zhí)行器容錯的神經網絡自適應控制

11.9.1系統描述

11.9.2控制器設計與分析

11.9.3神經網絡逼近

11.9.4仿真實例

附加資料

思考題

參考文獻

第12章機械系統神經網絡自適應控制

12.1一種簡單的RBF神經網絡自適應滑?？刂?/p>

12.1.1問題描述

12.1.2RBF神經網絡原理

12.1.3控制算法設計與分析

12.1.4仿真實例

12.2基于RBF神經網絡逼近的機械手自適應控制

12.2.1問題的提出

12.2.2基于RBF神經網絡逼近的控制器

12.2.3仿真實例

12.3基于RBF神經網絡的最小參數自適應控制

12.3.1問題描述

12.3.2基于RBF神經網絡逼近的最小參數自適應控制

12.3.3仿真實例

12.4機械手神經網絡單參數自適應控制

12.4.1問題的提出

12.4.2神經網絡設計

12.4.3控制器設計

12.4.4仿真實例

12.5一類欠驅動機械系統神經網絡滑?？刂?/p>

12.5.1系統描述

12.5.2RBF神經網絡原理

12.5.3滑?？刂坡傻脑O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神經網絡的反演自適應控制

13.1一種三階非線性系統的反演控制

13.1.1系統描述

13.1.2反演控制器設計

13.1.3仿真實例

13.2基于RBF神經網絡的三階非線性系統反演控制

13.2.1系統描述

13.2.2RBF神經網絡原理

13.2.3神經網絡反演控制器設計

13.2.4仿真實例

思考題

參考文獻

第14章基于LMI的神經網絡自適應控制

14.1基于LMI的控制

14.1.1系統描述

14.1.2控制器的設計與分析

14.1.3仿真實例

14.2基于LMI的神經網絡自適應控制

14.2.1系統描述

14.2.2RBF神經網絡設計

14.2.3控制器的設計與分析

14.2.4仿真實例

14.3基于LMI的神經網絡自適應跟蹤控制

14.3.1系統描述

14.3.2仿真實例

思考題

第15章智能優(yōu)化算法

15.1TSP優(yōu)化

15.2遺傳算法

15.2.1遺傳算法的基本原理

15.2.2遺傳算法的特點

15.2.3遺傳算法的應用領域

15.2.4遺傳算法的優(yōu)化設計

15.2.5基于遺傳算法的函數優(yōu)化

15.3基于遺傳算法的TSP優(yōu)化

15.3.1TSP的編碼

15.3.2TSP的遺傳算法設計

15.3.3仿真實例

15.4粒子群優(yōu)化算法

15.4.1粒子群算法基本原理

15.4.2算法流程

15.4.3基于粒子群算法的函數優(yōu)化

15.4.4基于粒子群算法的TSP優(yōu)化

15.5標準差分進化算法

15.5.1差分進化算法的基本流程

15.5.2差分進化算法的參數設置

15.5.3基于差分進化算法的函數優(yōu)化

15.5.4基于差分進化算法的TSP優(yōu)化

15.6基于差分進化最優(yōu)軌跡規(guī)劃的PD控制

15.6.1問題的提出

15.6.2一個簡單的樣條插值實例

15.6.3最優(yōu)軌跡的設計

15.6.4最優(yōu)軌跡的優(yōu)化

15.6.5仿真實例

15.7蟻群算法

15.7.1蟻群算法的基本原理

15.7.2基于TSP優(yōu)化的蟻群算法

15.7.3仿真實例

15.8Hopfield神經網絡

15.8.1Hopfield神經網絡原理

15.8.2求解TSP的Hopfield神經網絡設計

15.8.3仿真實例

思考題

參考文獻

第16章智能優(yōu)化算法的應用

16.1柔性機械手動力學模型參數辨識

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辨識

16.2.1問題描述

16.2.2仿真實例

16.3VTOL參數辨識

16.3.1VTOL參數辨識問題

16.3.2基于粒子群算法的參數辨識

16.3.3基于差分進化算法的VTOL參數辨識

16.4四旋翼飛行器建模與參數辨識

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模型測試

16.4.4基于粒子群算法的參數辨識

16.4.5基于差分進化算法的參數辨識

16.5基于粒子群算法的航班著陸調度

16.5.1問題描述

16.5.2優(yōu)化問題的設計

16.5.3仿真實例

16.6基于差分進化算法的產品加工生產調度

16.6.1問題描述

16.6.2優(yōu)化問題的設計

16.6.3仿真實例

16.7基于差分進化算法的無人機三維路徑規(guī)劃

16.7.1問題描述

16.7.2目標函數設計

16.7.3基于差分進化算法的路徑規(guī)劃

16.7.4仿真實例

思考題

參考文獻

第17章神經網絡自適應協調控制

17.1主輔電機的協調控制

17.1.1系統描述

17.1.2控制律設計與分析

17.1.3仿真實例

17.2基于神經網絡的主輔電機協調控制

17.2.1系統描述

17.2.2RBF神經網絡的設計

17.2.3控制律設計與分析

17.2.4仿真實例

思考題

參考文獻

第18章多智能體系統一致性控制的設計與分析

18.1多智能體系統介紹

18.2多智能體系統的位置一致性跟蹤控制

18.2.1系統描述

18.2.2控制器的設計

18.2.3穩(wěn)定性分析

18.2.4仿真實例

18.3二階線性多智能體系統一致性控制

18.3.1系統描述

18.3.2控制律設計

18.3.3仿真實例

18.3.4Laplacian矩陣分析

18.4基于RBF神經網絡的多智能體系統一致性控制

18.4.1系統描述

18.4.2基于RBF神經網絡逼近的滑?？刂?/p>

18.4.3控制律設計

18.4.4仿真實例

18.5基于執(zhí)行器容錯的多智能體系統控制

18.5.1系統描述

18.5.2控制律設計

18.5.3仿真實例

思考題

參考文獻