智能控制

1 绪论 1

1.1 智能控制的产生和发展 1

1.1.1 智能控制是自动控制理论发展的必然趋势 1

1.1.2 人工智能为智能控制的产生提供机遇 4

1.1.3 智能控制是第二次产业革命的重要组成部分 6

1.2 智能控制的含义和特点 7

1.2.1 智能控制的含义 7

1.2.2 智能控制系统的特点 9

1.3 智能控制的理论结构 9

1.4 智能控制系统的分类 12

1.4.1 按系统构成原理分类 12

1.4.2 按系统结构分类 14

1.4.3 按系统实现功能分类 15

2 人工智能的基本原理 18

2.1 知识表示 18

2.1.1 状态空间表示法 18

2.1.2 与／或图表示法 20

2.1.3 谓词逻辑表示法 24

2.1.4 产生式表示法 30

2.1.5 语义网络表示法 32

2.1.6 框架表示法 34

2.2 推理技术 36

2.2.1 状态空间的搜索原理 37

2.2.2 与／或树的搜索原理 43

2.2.3 归结原理 47

2.3.1 机器学习的基本知识 51

2.3 机器学习 51

2.3.2 若干机器学习的算法 54

3 专家系统与专家系统控制 58

3.1 专家系统的一般概念 58

3.1.1 专家系统的结构 58

3.1.2 专家系统的知识表示和获取 59

3.1.3 专家系统的建造步骤 62

3.2 过程诊断与监控专家系统 63

3.2.1 系统的基本结构 63

3.2.2 知识表示与获取 64

3.2.3 系统设计 66

3.2.4 学习能力与系统维护 70

3.2.5 诊断与监控一体化 71

3.3 直接专家系统控制 72

3.3.1 直接专家控制系统的基本结构 72

3.3.2 专家控制器的设计原则 73

3.3.3 直接专家控制系统实现 75

3.4 间接专家系统控制 80

3.4.1 专家整定PID控制系统 81

3.4.2 协调型专家监控系统 85

4 模糊控制 90

4.1 模糊控制的数学基础 91

4.1.1 模糊集合和隶属函数 91

4.1.2 模糊关系和模糊关系矩阵 96

4.1.3 模糊语言和模糊推理 99

4.2 模糊控制原理 104

4.2.1 输入模糊化 106

4.2.2 模糊决策 107

4.2.3 输出逆模糊化 112

4.3 模糊控制器设计 113

4.3.1 规则库 114

4.3.2 隶属函数库 115

4.3.3 模糊关系运算 116

4.3.4 模糊控制总表 118

4.3.5 自组织模糊控制器设计 119

4.4 模糊控制器的实现 122

4.4.1 多元逻辑电路直接实现法 122

4.4.2 查表法模糊控制器的软件实现 127

4.4.3 模糊推理法的软件实现 130

5 人工神经网络控制 135

5.1 人工神经网络的基本概念 136

5.1.1 人工神经网络的基本原理 136

5.1.2 神经元模型 138

5.1.3 人工神经网络的结构 143

5.2 用于智能控制的人工神经网络 144

5.2.1 静态多层前向网络 144

5.2.2 动态反馈网络 151

5.3 神经网络控制 155

5.3.1 神经网络控制系统的结构 156

5.3.2 神经网络系统辨识 158

5.3.3 自适应神经网络控制 164

5.4 神经网络模糊控制 168

5.4.1 基于神经网络的自适应模糊控制 169

5.4.2 神经网络模糊控制器 169

5.4.3 基于TBP学习的神经网络模糊控制器 172

6 仿人智能控制 177

6.1 人控制器的特性 177

6.2 仿人智能控制基本理论 180

6.2.1 仿人智能控制的基本思想 180

6.2.2 仿人智能控制系统的基本概念和结构 180

6.3 仿人智能控制的基本算法 184

6.3.1 MC的仿人智能控制算法 184

6.3.2 ST的控制周期的自校正方法 188

6.3.3 TA的在线参数辨识方法 189

6.4 实现仿人智能控制的多微机系统 192

7 分级递阶智能控制 196

7.1 基本理论 196

7.1.1 分级递阶智能控制的基本结构 196

7.1.2 分级递阶智能控制的语言决策模式 198

7.1.3 执行级的自组织控制方法 200

7.1.4 分级递阶智能控制的熵准则 207

7.2 机械臂的分级递阶智能控制 208

7.3 集散递阶智能控制 212

7.3.1 集散控制系统组成 212

7.3.2 集散控制系统的特点及其智能化 215

8 关于智能控制发展趋势的探讨 217

参考文献 221