智能控制基础

韦巍，1964年生。1983年浙江大学本科毕业，1994年获博士学位。1993年和1998年分别获ALCS和DFG资助，赴英国Reading大学和德国Bochum大学联合研究。现为浙江大学电气学院副院长，博士生导师。目前主要从事智能控制与智能系统理论及应用研究，包括智能机器人。曾获浙江省科技进步二等奖1项、教育部科技进步三等奖1项和浙江省优秀教学成果奖1项。已发表学术论文近百篇，其中SCI、EI收录论文50余篇。

何衍，浙江金华人，1973年生。1995年、1998年于浙江工业大学获自动化专业学士、硕士学位，2001年于浙江大学获控制理论与控制工程专业博士学位。现为浙江大学系统科学与工程学系副教授、硕士生导师。主要从事信息融合、机器人、知识工程、运筹学等方面的科研和教学工作。负责、参加国家自然科学基金等科研项目多项。

第1章绪论

1.1智能控制的发展

1.1.1智能控制问题的提出

1.1.2智能控制的发展

1.2智能控制的几个主要分支

1.2.1基于知识的专家系统

1.2.2模糊控制

1.2.3神经元网络控制

1.2.4学习控制

1.3智能控制系统的构成原理

1.3.1智能控制系统结构

1.3.2智能控制系统的特点

1.3.3智能控制系统研究的主要数学工具

习题和思考题

第2章模糊控制论

2.1引言

2.2模糊集合论基础

2.2.1模糊集的概念

2.2.2模糊集合的运算

2.2.3模糊集合运算的基本性质

2.2.4隶属度函数的建立

2.2.5模糊关系

2.3模糊逻辑、模糊逻辑推理和合成

2.3.1二值逻辑

2.3.2模糊逻辑的基本运算

2.3.3模糊语言逻辑

2.3.4模糊逻辑推理

2.3.5模糊关系方程的解

2.4模糊控制系统的组成

2.4.1模糊化过程

2.4.2知识库

2.4.3决策逻辑

2.4.4精确化过程

2.5模糊控制系统的设计

2.5.1模糊控制器的结构设计

2.5.2模糊控制器的基本类型

2.5.3模糊控制器的设计原则

2.5.4模糊控制器的常规设计方法

2.6模糊PID控制器

2.6.1模糊控制器和常规PID的混合结构

2.6.2常规PID参数的模糊自整定技术

2.7模糊控制器的应用

2.7.1流量控制的模糊控制器设计

2.7.2倒立摆的模糊控制

习题和思考题

第3章人工神经元网络控制论

3.1引言

3.1.1神经元模型

3.1.2神经网络的模型分类

3.1.3神经网络的学习算法

3.1.4神经网络的泛化能力

3.2前向神经网络模型

3.2.1多层神经网络结构

3.2.2多层传播网络的BP学习算法

3.2.3快速的BP改进算法

3.2.4BP学习算法的MATLAB例程

3.3动态神经网络模型

3.3.1带时滞的多层感知器网络

3.3.2Hopfield神经网络

3.3.3回归神经网络

3.4CMAC神经网络

3.4.1小脑网络的感知器模型

3.4.2CMAC的映射原理

3.4.3CMAC网络的学习算法

3.5RBF神经网络模型

3.5.1具有固定中心的RBF神经网络的训练

3.5.2径向基神经网络训练的随机梯度逼近法

3.6神经网络控制基础

3.6.1引言

3.6.2神经网络的逼近能力

3.7非线性动态系统的神经网络辨识

3.7.1神经网络的辨识基础

3.7.2神经网络辨识模型的结构

3.7.3非线性动态系统的神经网络辨识

3.8神经网络控制的学习机制

3.8.1监督式学习

3.8.2增强式学习

3.9神经网络控制器的设计

3.9.1神经网络直接逆模型控制法

3.9.2真接网络控制法

3.9.3多神经网络自学习控制法

3.10单一神经元控制

习题和思考题

第4章专家控制

4.1引言

4.2专家控制的基本原理

4.2.1专家控制系统的基本内容

4.2.2知识表达

4.2.3知识推理

4.2.4专家控制系统的设计

4.3专家控制应刚举例

4.3.1PID专家控制系统设计

4.3.2过程专家控制系统

4.4仿人智能控制

4.4.1仿人智能控制的引入

4.4.2仿人智能控制的基本概念

4.4.3仿人智能控制的实现

4.4.4仿人智能控制的应用举例

习题和思考题

上机实验题

第5章分层递阶智能控制

5.1引言

5.2递阶智能控制的基本原理

5.3递阶智能控制的组织和协调

5.3.1递阶智能控制的组织级

5.3.2递阶智能控制的协调级

5.3.3递阶智能控制的执行级

5.4分层递阶智能控制的应用举例

5.4.1智能机器人系统的递阶控制

5.4.2集散递阶智能控制系统

习题和思考题

第6章学习控制

第7章模糊神经网络控制与自适应神经网络

第8章进货算法

第9章多智能体系统控制 2100433B

智能控制作为一门新兴学科，它的发展得益于许多学科，如人工智能、认知科学、现代控制理论、模糊数学、生物控制论、学习理论以及网络理论等。

《智能控制基础》总结近20年来智能控制的研究成果，详细论述智能控制的基本概念、工作原理和设计方法。主要内容包括：智能控制概论、模糊控制论、人工神经网络控制论、专家控制、分层递阶智能控制、学习控制、模糊神经网络控制与自适应神经网络、进化算法、多智能体系统控制。

《智能控制基础》在深入系统介绍智能控制设计理论和应用方法的同时，还结合课堂教学给出了大量的设计例子和习题。

《智能控制基础》选材新颖，系统性强，通俗易懂，突出理论联系实际。既适合初学者学习智能控制的基本理论和方法，又对智能控制的研究学者有一定的参考价值。它标注了部分拓展内容的章节，供深入研究者参考。整本教材主要针对控制科学与工程、电气工程等学科硕士研究生和自动化专业高年级本科生使用，也适合其他专业的工程师阅读和参考。

前言

章 智能控制理论基础

1.1 智能控制的基本概念

1.2 智能控制系统的特征和性能

1.3 智能控制系统的类型

1.4 智通控制的发展概况

1.5 集合及其运算

1.6 模糊解及其运算规则

1.7 隶属函数

1.8 模糊矩阵与模糊关系

1.9 模糊向量

1.10 模糊逻辑与模糊推理

小结

习题

第二章 模糊控制原理

2.1 基本模糊控制器的设计

2.2 自适应模糊控制器

2.3 模糊关系模型

2.4 基于T-S模型的模糊控制

2.5 改善模糊控制系统稳态性能的方法

小结

习题

第三章 神经网络控制

3.1 神经元模型

3.2 经神网络结构分类及其工作方式

3.3 神经网络的应用

3.4 模糊神经网络

3.5 神经元自适应PID控制

3.6 神经元自适应PSD控制

3.7 神经网络内模控制

3.8 神经网络自适应控制

3.9 神经网络PID控制

小结

习题

第四章 混沌控制

4.1 混沌及混沌控制简介

4.2 混沌的基本理论

4.3 混沌控制的基本理论

4.4 混沌反控制

小结

习题

第五章 专家控制

5.1 专家系统概述

5.2 专家控制系统

5.3 知识库的形成和推理机制

5.4 专家控制系统应用实例

小结

习题

参考文献2100433B

第1章绪论

1.1智能控制的发展过程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的发展

1.1.4智能控制的技术基础

1.2智能控制的几个重要分支

1.2.1模糊控制

1.2.2神经网络控制

1.2.3智能搜索算法

1.3智能控制的特点、工具及应用

1.3.1智能控制的特点

1.3.2智能控制的研究工具

1.3.3智能控制的应用

思考题

参考文献

第2章模糊控制的理论基础

2.1概述

2.2模糊集合

2.2.1模糊集合

2.2.2模糊集合的运算

2.3隶属函数

2.3.1隶属函数的特点

2.3.2几种典型的隶属函数及其MATLAB表示

2.3.3模糊系统的设计

2.3.4隶属函数的确定方法

2.4模糊关系及其运算

2.4.1模糊关系矩阵

2.4.2模糊矩阵运算

2.4.3模糊矩阵的合成

2.5模糊推理

2.5.1模糊语句

2.5.2模糊推理

思考题

第3章模糊逻辑控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的组成

3.1.3模糊控制系统的工作原理

3.1.4模糊控制器结构

3.2模糊控制系统分类

3.3模糊控制器的设计

3.3.1模糊控制器的设计步骤

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制应用实例——洗衣机的模糊控制

3.5模糊自适应整定PID控制

3.5.1模糊自适应整定PID控制原理

3.5.2仿真实例

3.6大时变扰动下切换增益模糊调节的滑模控制

3.6.1系统描述

3.6.2滑模控制器设计

3.6.3模糊规则设计

3.6.4仿真实例

思考题

第4章自适应模糊控制

4.1模糊逼近

4.1.1模糊系统的设计

4.1.2模糊系统的逼近精度

4.1.3仿真实例

4.2间接自适应模糊控制

4.2.1问题描述

4.2.2自适应模糊滑模控制器设计

4.2.3仿真实例

4.3直接自适应模糊控制

4.3.1问题描述

4.3.2模糊控制器的设计

4.3.3自适应律的设计

4.3.4仿真实例

思考题

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仿真实例

5.1.3一类非线性系统的TS模糊建模

5.2TS型模糊控制器的设计

5.3倒立摆系统的TS模糊模型

5.4基于线性矩阵不等式的单级倒立摆TS模糊控制

5.4.1LMI不等式的设计及分析

5.4.2不等式的转换

5.4.3LMI设计实例

5.4.4基于LMI的倒立摆TS模糊控制

5.5基于极点配置的单级倒立摆TS模糊控制

附加资料： 新的LMI求解工具箱——YALMIP工具箱

思考题

参考文献

第6章机械手自适应模糊控制

6.1简单的自适应模糊滑模控制

6.1.1问题描述

6.1.2模糊逼近原理

6.1.3控制算法设计与分析

6.1.4仿真实例

6.2基于模糊补偿的机械手模糊自适应滑模控制

6.2.1系统描述

6.2.2基于传统模糊补偿的控制

6.2.3自适应控制律的设计

6.2.4基于摩擦模糊逼近的模糊补偿控制

6.2.5仿真实例

6.3模糊系统逼近的最小参数学习法

6.3.1问题描述

6.3.2模糊系统最小参数逼近

6.3.3基于模糊系统逼近的最小参数自适应控制

6.3.4仿真实例

6.4基于模糊补偿的机械手单参数自适应控制

6.4.1系统描述

6.4.2基于模糊系统逼近的最小参数自适应控制

6.4.3仿真实例

附加资料

思考题

参考文献

第7章神经网络理论基础

7.1神经网络发展简史

7.2神经网络原理

7.3神经网络的分类

7.4神经网络学习算法

7.4.1Hebb学习规则

7.4.2Delta(δ)学习规则

7.5神经网络的特征及要素

7.5.1神经网络特征

7.5.2神经网络三要素

7.6神经网络控制的研究领域

思考题

第8章典型神经网络

8.1单神经元网络

8.2BP神经网络

8.3RBF神经网络

8.3.1网络结构

8.3.2控制系统设计中RBF网络的逼近

8.4Hopfield神经网络

思考题

参考文献

第9章自适应RBF神经网络控制

9.1一阶系统神经网络自适应控制

9.1.1系统描述

9.1.2滑模控制器设计

9.1.3仿真实例

9.1.4一阶系统自适应RBF控制

9.1.5仿真实例

9.2二阶系统自适应RBF神经网络控制

9.2.1系统描述

9.2.2基于RBF网络逼近f(x)的滑模控制

9.2.3仿真实例

9.3基于RBF网络的单参数直接鲁棒自适应控制

9.3.1系统描述

9.3.2控制律和自适应律设计

9.3.3仿真实例

思考题

参考文献

第10章基于RBF网络的输入输出受限控制

10.1控制系统位置输出受限控制

10.1.1输出受限引理

10.1.2系统描述

10.1.3控制器的设计

10.1.4仿真实例

10.2基于RBF网络的状态输出受限控制

10.2.1系统描述

10.2.2RBF网络原理

10.2.3控制器的设计

10.2.4仿真实例

10.3基于双曲正切的输入受限控制

10.3.1双曲函数及性质

10.3.2定理及分析

10.3.3基于双曲正切的输入受限控制

10.3.4仿真实例

10.4基于RBF网络逼近的输入受限控制

10.4.1系统描述

10.4.2RBF神经网络逼近

10.4.3控制器的设计及分析

10.4.4仿真实例

思考题

参考文献

第11章基于RBF神经网络的执行器自适应容错控制

11.1执行器容错控制描述

11.2SISO系统执行器自适应容错控制

11.2.1控制问题描述

11.2.2控制律的设计与分析

11.2.3仿真实例

11.3基于RBF网络的SISO系统执行器自适应容错控制

11.3.1控制问题描述

11.3.2RBF神经网络设计

11.3.3控制律的设计与分析

11.3.4仿真实例

11.4MISO系统执行器自适应容错控制

11.4.1控制问题描述

11.4.2控制律的设计与分析

11.4.3仿真实例

11.5MISO系统执行器自适应神经网络容错控制

11.5.1控制问题描述

11.5.2RBF神经网络设计

11.5.3控制律的设计与分析

11.5.4仿真实例

11.6带执行器卡死的MISO系统自适应容错控制

11.6.1控制问题描述

11.6.2控制律的设计与分析

11.6.3仿真实例

11.7带执行器卡死的MISO系统神经网络自适应容错控制

11.7.1控制问题描述

11.7.2RBF神经网络设计

11.7.3控制律的设计与分析

11.7.4仿真实例

附加资料

思考题

参考文献

第12章机械系统神经网络自适应控制

12.1一种简单的RBF网络自适应滑模控制

12.1.1问题描述

12.1.2RBF网络原理

12.1.3控制算法设计与分析

12.1.4仿真实例

12.2基于RBF网络逼近的机械手自适应控制

12.2.1问题的提出

12.2.2基于RBF神经网络逼近的控制器

12.2.3仿真实例

12.3基于RBF网络的最小参数自适应控制

12.3.1问题描述

12.3.2基于RBF网络逼近的最小参数自适应控制

12.3.3仿真实例

12.4机械手神经网络单参数自适应控制

12.4.1问题的提出

12.4.2神经网络设计

12.4.3控制器设计

12.4.4仿真实例

12.5一类欠驱动机械系统神经网络滑模控制

12.5.1系统描述

12.5.2RBF网络原理

12.5.3滑模控制律的设计

12.5.4收敛性分析

12.5.5仿真实例

附加资料

思考题

参考文献

第13章基于RBF网络的反演自适应控制

13.1一种三阶非线性系统的反演控制

13.1.1系统描述

13.1.2反演控制器设计

13.1.3仿真实例

13.2基于RBF网络的三阶非线性系统反演控制

13.2.1系统描述

13.2.2RBF网络原理

13.2.3神经网络反演控制器设计

13.2.4仿真实例

思考题

参考文献

第14章基于LMI的神经网络自适应控制

14.1基于LMI的控制

14.1.1系统描述

14.1.2控制器的设计与分析

14.1.3仿真实例

14.2基于LMI的神经网络自适应控制

14.2.1系统描述

14.2.2RBF神经网络设计

14.2.3控制器的设计与分析

14.2.4仿真实例

14.3基于LMI的神经网络自适应跟踪控制

14.3.1系统描述

14.3.2仿真实例

思考题

第15章智能优化算法

15.1遗传算法及其应用

15.1.1遗传算法的基本原理

15.1.2遗传算法的特点

15.1.3遗传算法的应用领域

15.1.4遗传算法的优化设计

15.1.5基于遗传算法的函数优化

15.2基于遗传算法的TSP优化

15.2.1TSP的编码

15.2.2TSP的遗传算法设计

15.2.3仿真实例

15.3粒子群优化算法

15.3.1粒子群算法基本原理

15.3.2算法流程

15.3.3基于粒子群算法的函数优化

15.4标准差分进化算法

15.4.1差分进化算法的基本流程

15.4.2差分进化算法的参数设置

15.4.3基于差分进化算法的函数优化

15.5基于差分进化最优轨迹规划的PD控制

15.5.1问题的提出

15.5.2一个简单的样条插值实例

15.5.3最优轨迹的设计

15.5.4最优轨迹的优化

15.5.5仿真实例

15.6基于Hopfield网络的路径优化

15.6.1TSP问题

15.6.2求解TSP问题的Hopfield神经网络设计

15.6.3仿真实例

思考题

参考文献

第16章智能优化算法在参数辨识中的应用

16.1柔性机械手动力学模型参数辨识

16.1.1柔性机械手模型描述

16.1.2仿真实例

16.2飞行器纵向模型参数辨识

16.2.1问题描述

16.2.2仿真实例

16.3VTOL飞行器参数辨识

16.3.1VTOL飞行器参数辨识问题

16.3.2基于粒子群算法的参数辨识

16.3.3基于差分进化算法的VTOL飞行器参数辨识

16.4四旋翼飞行器建模与参数辨识

16.4.1四旋翼飞行器动力学模型

16.4.2动力学模型的变换

16.4.3参数的辨识

16.4.4基于粒子群算法参数辨识

16.4.5基于差分进化算法参数辨识

思考题

参考文献

第17章神经网络自适应协调控制

17.1主辅电机协调鲁棒控制

17.1.1系统描述

17.1.2控制律设计与分析

17.1.3仿真实例

17.2基于神经网络的主辅电机协调控制

17.2.1系统描述

17.2.2RBF网络的设计

17.2.3控制律设计与分析

17.2.4仿真实例

思考题

参考文献2100433B

本书结合作者的研究工作，详细地介绍了智能控制的基本概念、原理、实现方法及其应用。内容包括：智能控制理论的数学基础及其基本知识；模糊控制系统的组成、基本原理、设计方法及其提高控制系统性能的几种改进方式；神经网络控制的基本原理工作方式及其几种典型应用；混沌控制的原理及其具有代表性的混沌控制方法；专家控制系统的原理、结构、主要控制方法及应用实例。

本书注重理论与工程实际相结合，在介绍理论的基础上，还融入了作者及其他研究者的实际应用成果，对具体工程应用具有较大的参考价值。

本书可作为高等院校自动控制及其相关专业大学本科生及研究生的教材，也可供相关专业的科研人员、工程技术人员自学和参考。