智能控制（第3版）

第1章 绪论

1.1 智能控制的发展过程

1.2 智能控制的几个重要分支

1.3 智能控制的特点、研究工具及应用

思考题与习题

第2章 专家控制

2.1 专家系统

2.1.1 专家系统概述

2.1.2 专家系统的构成

2.1.3 专家系统的建立

2.2 专家控制

2.2.1 专家控制概述

2.2.2 专家控制的基本原理

2.2.3 专家控制的关键技术及特点

2.3 专家PID控制

2.3.1 专家PID控制原理

2.3.2 仿真实例

思考题与习题

附录 (程序代码)

第3章 模糊控制的理论基础

3.1 概述

3.2 模糊集合

3.2.1 模糊集合的概念

3.2.2 模糊集合的运算

3.3 隶属函数

3.4 模糊关系及其运算

3.4.1 模糊矩阵

3.4.2 模糊矩阵的运算与模糊关系

3.4.3 模糊关系的合成

3.5 模糊推理

3.5.1 模糊语句

3.5.2 模糊推理

3.5.3 模糊关系方程

思考题与习题

附录(程序代码)

第4章 模糊控制

4.1 模糊控制的基本原理

4.1.1 模糊控制原理

4.1.2 模糊控制器的组成

4.1.3 模糊控制系统的工作原理

4.1.4 模糊控制器的结构

4.2 模糊控制系统分类

4.3 模糊控制器的设计

4.3.1 模糊控制器的设计步骤

4.3.2 模糊控制器的Matlab仿真

4.4 模糊控制应用实例——洗衣机的模糊控制

4.5 模糊自适应整定PID控制

4.5.1 模糊自适应整定PID控制原理

4.5.2 仿真实例

4.6 Sugeno模糊模型

4.7 基于极点配置的单级倒立摆T-S模糊控制

4.7.1 T-S模糊系统的设计

4.7.2 单级倒立摆的T-S模型模糊控制

4.8 模糊控制的应用

4.9 模糊控制发展概况

4.9.1 模糊控制发展的几个转折点

4.9.2 模糊控制的发展方向

4.9.3 模糊控制面临的主要任务

思考题与习题

附录 (程序代码)

第5章 自适应模糊控制

5.1 模糊逼近

5.1.1 模糊系统的设计

5.1.2 模糊系统的逼近精度

5.1.3 仿真实例

5.2 简单的自适应模糊控制

5.2.1 问题描述

5.2.2 模糊逼近原理

5.2.3 控制算法设计与分析

5.2.4 仿真实例

5.3 间接自适应模糊控制

5.3.1 问题描述

5.3.2 控制器的设计

5.3.3 仿真实例

5.4 直接自适应模糊控制

5.4.1 问题描述

5.4.2 控制器的设计

5.4.3 自适应律的设计

5.4.4 仿真实例

5.5 机器人关节数学模型

5.6 基于模糊补偿的机械手自适应模糊控制

5.6.1 系统描述

5.6.2 基于模糊补偿的控制

5.6.3 基于摩擦补偿的控制

5.6.4 仿真实例

思考题与习题

附录 (程序代码)

第6章 神经网络的理论基础

6.1 神经网络发展简史

6.2 神经网络原理

6.3 神经网络的分类

6.4 神经网络学习算法

6.4.1 Hebb学习规则

6.4.2 Delta（δ）学习规则

6.5 神经网络的特征及要素

6.6 神经网络控制的研究领域

思考题与习题

第7章 典型神经网络

7.1 单神经元网络

7.2 BP神经网络

7.2.1 BP网络特点

7.2.2 BP网络结构

7.2.3 BP网络的逼近

7.2.4 BP网络的优缺点

7.2.5 BP网络逼近仿真实例

7.2.6 BP网络模式识别

7.2.7 BP网络模式识别仿真实例

7.3 RBF神经网络

7.3.1 RBF网络结构与算法

7.3.2 RBF网络设计实例

7.3.3 RBF网络的逼近

7.3.4 高斯基函数的参数对RBF网络逼近的影响

7.3.5 隐含层节点数对RBF网络逼近的影响

7.3.6 控制系统设计中RBF网络的逼近

思考题与习题

附录(程序代码)

第8章 高级神经网络

8.1 模糊RBF网络

8.1.1 网络结构

8.1.2 基于模糊RBF网络的逼近算法

8.1.3 仿真实例

8.2 pi-sigma神经网络

8.2.1 高木-关野模糊系统

8.2.2 混合型pi-sigma神经网络

8.2.3 仿真实例

8.3 小脑模型神经网络

8.3.1 CMAC概述

8.3.2 一种典型CMAC算法

8.3.3 仿真实例

8.4 Hopfield网络

8.4.1 Hopfield网络原理

8.4.2 基于Hopfield网络的路径优化

思考题与习题

附录 (程序代码)

第9章 神经网络控制

9.1 概述

9.2 神经网络控制的结构

9.2.1 神经网络监督控制

9.2.2 神经网络直接逆控制

9.2.3 神经网络自适应控制

9.2.4 神经网络内模控制

9.2.5 神经网络预测控制

9.2.6 神经网络自适应评判控制

9.2.7 神经网络混合控制

9.3 单神经元自适应控制

9.3.1 单神经元自适应控制算法

9.3.2 仿真实例

9.4 RBF网络监督控制

9.4.1 RBF网络监督控制算法

9.4.2 仿真实例

9.5 RBF网络自校正控制

9.5.1 神经网络自校正控制原理

9.5.2 自校正控制算法

9.5.3 RBF网络自校正控制算法

9.5.4 仿真实例

9.6 基于RBF网络直接模型参考自适应控制

9.6.1 基于RBF网络的控制器设计

9.6.2 仿真实例

9.7 一种简单的RBF网络自适应控制

9.7.1 问题描述

9.7.2 RBF网络原理

9.7.3 控制算法设计与分析

9.7.4 仿真实例

9.8 基于不确定逼近的RBF网络自适应控制

9.8.1 问题的提出

9.8.2 模型不确定部分的RBF网络逼近

9.8.3 控制器的设计及分析

9.8.4 仿真实例

9.9 基于模型整体逼近的机器人RBF网络自适应控制

9.9.1 问题的提出

9.9.2 针对f(x)进行逼近的控制

9.9.3 仿真实例

9.10 神经网络数字控制

9.10.1 基本原理

9.10.2 仿真实例

思考题与习题

附录 (程序代码)

第10章 智能算法及其应用

10.1 遗传算法的基本原理

10.2 遗传算法的特点

10.3 遗传算法的发展及应用

10.3.1 遗传算法的发展

10.3.2 遗传算法的应用

10.4 遗传算法的设计

10.4.1 遗传算法的构成要素

10.4.2 遗传算法的应用步骤

10.5 遗传算法求函数极大值

10.5.1 二进制编码遗传算法求函数极大值

10.5.2 实数编码遗传算法求函数极大值

10.6 基于遗传算法优化的RBF网络逼近

10.6.1 遗传算法优化原理

10.6.2 仿真实例

10.7 基于遗传算法的TSP问题优化

10.7.1 TSP问题的编码

10.7.2 TSP问题的遗传算法设计

10.7.3 仿真实例

10.8 差分进化算法

10.8.1 标准差分进化算法

10.8.2 差分进化算法的基本流程

10.8.3 差分进化算法的参数设置

10.9 差分进化算法的函数优化与参数辨识

10.9.1 基于差分进化算法的函数优化

10.9.2 基于差分进化算法的参数辨识

思考题与习题

附录 (程序代码)

第11章 迭代学习控制

11.1 基本原理

11.2 基本迭代学习控制算法

11.3 迭代学习控制的关键技术

11.4 机械手轨迹跟踪迭代学习控制仿真实例

11.4.1 控制器设计

11.4.2 仿真实例

11.5 线性时变连续系统迭代学习控制

11.5.1 系统描述

11.5.2 控制器设计及收敛性分析

11.5.3 仿真实例

思考题与习题

附录 (程序代码)

附录A

参考文献2100433B

本书较全面地叙述了智能控制的基本理论、方法和应用。全书共11章，主要内容为：专家控制的基本原理和应用；模糊控制的基本原理和应用；神经网络控制的基本原理和应用；智能算法及其应用；迭代学习控制方法及其应用。

本书系统性强，突出理论联系实际，叙述深入浅出，适合于初学者学习。书中给出了一些智能算法的Matlab仿真程序，并配有一定数量的习题和上机操作题。

本书第2版自2008年问世至今已经走过6个年头，承蒙很多高校材料力学教学第一线的老师和同学以及业余读者的关爱和支持，已经连续印刷了10次。 2012年获得清华大学优秀教材特等奖；同年，相应的教学成果获得北京市高等学校优秀教学成果一等奖。2012年本书第3版被列入 “十二五”普通高等教育本科国家级规划教材；2013年被批准为清华大学“985”三期名优教材建设项目立项。

最近的6年里，著者秉承不断提高课程重量、着力培养学生创新思维能力的教育与教学理念，先后在清华大学、南京航空航天大学、北京工业大学以及北京邮电大学从事“材料力学”研究型教学的研究与实践，坚持全过程讲授这门课程，授课对象每年约200名。在同事和同学们的支持与帮助下，对于教育和教学改革又有了一些新的体会和收获。材料力学（第3版）将着重反映6年来我们在研究型教学方面所取得的成果。主要有: 怎样在基于普遍提高教学质量的基础上，培养学生的创新思维能力；怎样提高课程的吸引力，增强课程教学的学术性；怎样挖掘基本教学内容的深度；怎样对传统内容中的某些概念、理论和方法加以改革和更新，突出挑战性。基于此，本书第3版修订的主要内容有以下几方面。

第一，调整了部分章节，将材料的力学性能从“第2章 轴向载荷作用下杆件的材料力学问题”中独立出来，形成“第3章 常温静载下材料的力学性能”； 重写了“剪力图与弯矩图”作为第6章；将原来的第6章分为3章: “第7章 平面弯曲正应力分析与强度设计”和“第8章 弯曲剪应力分析与弯曲中心的概念”以及“第9章 斜弯曲、弯曲与拉伸或压缩同时作用时的应力计算与强度设计”；将原来的第8章分为: “ 应力状态与应变状态分析”和“一般应力状态下的强度设计准则及其工程应用”，分别列为第11章和12章；将原来的12章也分为两章: “动载荷与动应力概述”和“疲劳强度与构件寿命估算概述”，分别列为第16章和第17章。

第二，增加了部分教学内容，主要有: 部分非金属材料的力学性能；梁的位移叠加法中的逐段刚化法；应变分析；细长压杆实验结果；线性累积损伤与疲劳寿命估算等。

第三，将力系简化的方法引入横截面的内力分析，改革传统剪力图与弯矩图的画法。

第四，正确处理变形与位移概念的联系与区别，将确定梁的转角和挠度的章节名改为“梁的位移分析与刚度设计”。

第五，在部分章节引入“反问题”: 相对于正问题，反问题的解答不是唯一的，通过对于反问题的思考，一方面可以加深对于正问题的理解；另一方面可以激励创新思维。

第六，在部分章节设计了“开放式思维案例”作为学生课外学习和研究的资源。最近几年的教学实践表明，这对于刺激思维鼓励创新是一种有效的措施。材料力学（第3版）第七，增加了若干工程案例以及灾难性工程事故的力学解析。

第八，增加和改变了部分例题和习题。

随着课程研究型教学在更多高校开展、深入和发展，材料力学的课程教学以及教材建设还会遇到一些新问题，我们将一如既往地坚持“在教学中研究，在研究中教学”，以不断提高人才培养质量为己任，在教学实践的基础上，不断提高材料力学教材的质量。

这一版的初稿于2012年下半年—2013年上半年在国内完成；2013年7—8月在加拿大多伦多定稿。定稿期间，得到旅加的赵渊先生和范心明女士的大力支持和协助，在本书出版之际，著者谨表诚挚谢意。

诚挚地感谢广大读者对本书的关爱，希望大家对本书的缺点和不足提出宝贵意见。

范钦珊2014.1.11

• 课程资源

《建筑CAD（第3版）》数字课程的数字化资源为教材配套图纸CAD文件、工程案例、拓展模块等。

《建筑CAD（第3版）》配有二维码资源。

《Ansys入门（第3版）》是中国电力出版社出版的书籍。

序

第1章 CAE及ANSYS概述

1.1 计算机辅助分析概论

1.2 有限元素法简介

1.3 ANSYS软件结构

1.4 ANSYS软件界面说明

1.5 ANSYs0nLineHelp系统 2100433B