智能控制理论、方法与应用

1 绪论

1.1 传统控制所面临的问题

1.2 智能控制的定义、特点及其发展历史

1.3 智能控制的主要研究内容

1.3.1 模糊控制

1.3.2 神经网络控制

1.3.3 遗传算法

1.4 智能控制面临的问题

习题

2 递阶智能系统

2.1 递阶智能系统概述

2.1.1 信息的层次

2.1.2 信息的特征

2.2 递阶智能系统的信息处理

2.2.1 基本概念

2.2.2 基本方法

2.3 递阶智能系统的数据融合

2.3.1 分解与综合

2.3.2 数据融合

2.4 递阶智能系统的优化算法

习题

3 模糊控制理论

3.1 概述

3.1.1 模糊控制理论简介

3.1.2 模糊理论的发展简史

3.1.3 模糊控制理论的特点

3.2 模糊集合与隶属函数

3.2.1 从经典集合到模糊集合

3.2.2 模糊集合及其运算

3.2.3 隶属函数

3.3 模糊矩阵与模糊关系

3.3.1 模糊矩阵的定义及其运算

3.3.2 模糊关系

3.3.3 模糊关系的合成

3.4 模糊逻辑与模糊推理

3.4.1 语言变量与蕴含关系

3.4.2 模糊推理的方式

3.4.3 模糊推理的性质

3.5 模糊控制器

3.5.1 模糊控制结构概述

3.5.2 模糊控制器的设计结构

3.5.3 输入向量的模糊化

3.5.4 规则库和推理机

3.5.5 输出向量的解模糊

3.6 模糊单点算法优化

3.6.1 传统的模糊查询表算法

3.6.2 由传统模糊查询表算法推导出模糊单点算法

3.6.3 二输入下的模糊单点算法及编程思路

习题

4 专家系统

4.1 专家系统概述

4.1.1 专家系统简介

4.1.2 专家系统发展简史

4.1.3 专家系统的特点

4.2 专家系统类型及基本组成

4.2.1 专家系统的类型

4.2.2 专家系统的基本组成

4.3 专家系统的知识表示法

4.3.1 逻辑表示法

4.3.2 产生式表示法

4.3.3 框架表示法

4.3.4 “与或图”表示法

4.3.5 语义网络表示法

4.4 专家系统的推理机制

4.4.1 盲目推理

4.4.2 启发式推理机制

4.4.3 演绎推理和归纳推理

4.4.4 精确推理和不精确推理

4.5 知识库

4.5.1 设计初始知识库

4.5.2 知识库的建立

4.5.3 知识库的管理和维护

习题

5 神经网络

5.1 神经网络概述

5.1.1 神经网络简介

5.1.2 神经网络发展历史

5.1.3 神经网络的特点

5.2 神经网络模型及学习方法

5.2.1 神经网络模型

5.2.2 神经网络学习方法

5.3 前向神经网络

5.3.1 前向神经网络的数学基础

5.3.2 前馈BP网络

5.3.3 径向基函数神经网络

5.3.4 前馈神经网络的泛化问题

5.4 反馈神经网络

5.4.1 离散型Hopfield神经网络

5.4.2 连续型Hopfield神经网络

5.4.3 Hopfield神经网络的应用领域

5.5 自组织神经网络

5.5.1 网络的拓扑结构

5.5.2 SOM网络的原理及其算法

习题

6 遗传算法

6.1 概述

6.1.1 遗传算法简介

6.2.2 遗传算法发展简史

6.2.3 遗传算法的特点

6.2 基本遗传算法

6.2.1 遗传算法的基本原理

6.2.2 遗传算法的设计与实现

6.2.3 遗传算法运行参数的选择

6.2.4 函数寻优实例

6.3 遗传算法的数学基础

6.3.1 模式定理

6.3.2 积木块假设

6.4 遗传算法的改进

6.4.1 早熟现象

6.4.2 自适应遗传算法

6.4.3 小生境技术

7 应用篇

7.1 物料平衡的数字仿真

7.1.1 工艺描述

7.1.2 纯滞后系统的机制分析

7.1.3 数据跟踪

7.1.4 数字仿真控制

7.1.5 程序设计

7.1.6 系统调试

7.2 烧结矿化学成分预测系统

7.2.1 工艺介绍

7.2.2 样本数据归一化

7.2.3 专家系统

7.2.4 烧结过程化学成分专家控制系统知识库

7.2.5 烧结过程化学成分知识库的组织结构

7.2.6 知识库的检测

7.2.7 化学成分专家控制系统推理机

7.2.8 专家系统的实现

7.3 高炉专家系统的建立

7.3.1 工艺描述

7.3.2 国内外高炉专家系统现状

7.3.3 系统总体结构

7.3.4 高炉炉况异常预报的方法研究

7.3.5 运行情况

7.3.6 小结

7.4 LF炉模糊控制系统设计

7.4.1 工艺介绍

7.4.2 电弧炉炼钢过程电极升降智能复合控制系统

7.5 SKF炉自适应预测推理系统

7.5.1 问题的引入

7.5.2 APIS总结构流程图及设计

7.5.3 系统运行结果

7.6 烧透点递阶智能控制系统

7.6.1 工艺描述

7.6.2 研究现状

7.6.3 递阶系统的优化算法

7.6.4 建立预测模型

7.6.5 隶属函数的建立

7.6.6 开发阶段

7.6.7 系统框架设计

7.6.8 烧透点预测系统与模糊控制联调

参考文献

本书以智能控制理论为主线，全面系统地介绍了智能控制、模糊控制、专家系统、神经网络、遗传算法的理论方法及系统设计的实现技术。全书共7章，第1章概述智能控制的发展过程及所面临的问题，综述了智能控制的研究内容及特点。第2章讲述了递阶智能控制系统，详细介绍了信息层次性，采用数据融合的方法建立系统框架。第3章主要介绍了模糊数学的一些基本概念及运算规则，同时介绍了模糊控制系统的组成及设计方法。第4章介绍了专家系统和专家控制方法，概述了传统人工智能的知识表示方法和搜索推理技术。第5章主要介绍了前馈神经网络、反馈神经网络和自组织神经网络等几种常用网络的基本原理与建模方法。第6章主要介绍了遗传算法的基本原理与实现过程，并对其数学基础进行了综述，同时还提出了遗传算法的几种改进措施及其和神经网络的结合。第7章是智能控制系统的应用，具体给出了六个综合智能控制系统在工程上应用实例，以给读者提供对不同复杂生产制造过程建立智能控制系统的方法和手段。本书注重理论基础，强调实际应用，可作为高等院校硕士研究生和高年级本科生的教材，也可供控制科学与工程、计算机控制、系统工程、电气工程及相关专业的工程技术人员参考。