模糊控制·神經(jīng)控制和智能控制論

序篇　智能控制論
0.1　控制理論的產(chǎn)生及其發(fā)展
0.2　智能控制的產(chǎn)生及其發(fā)展
0.3　傳統(tǒng)控制和智能控制
0.4　智能控制論
0.5　智能控制的基礎及學科范疇
0.6　本書學習指南
第一篇　智能控制的新學科基礎
第1章　思維科學與智能模擬
1.1　信息社會與思維科學
1.1.1　思維與思維科學
1.1.2　思維的類型
1.2　思維的神經(jīng)基礎
1.2.1　思維與智能
1.2.2　思維的神經(jīng)基礎
1.3　智能模擬
1.3.1　智能模擬的科學基礎
1.3.2　智能模擬的哲學基礎
1.3.3　智能模擬的基本途徑
1.4　智能模擬中的科學方法論
1.4.1　結構主義方法
1.4.2　行為主義方法
1.4.3　演繹主義方法
1.4.4　信息科學方法
1.5　智能控制與智能模擬
第2章　模糊邏輯與粗糙集合
2.1　模糊數(shù)學的創(chuàng)立及發(fā)展
2.2　經(jīng)典集合及其運算
2.2.1　集會的概念及定義
2.2.2　集合的直積
2.2.3　映射與關系
2.2.4　集合的運算性質
2.2.5　集合的表示及特征函數(shù)
2.3　模糊集合及其運算
2.3.1　模糊子集的定義及表示
2.3.2　模糊子集的運算
2.4　模糊集合與經(jīng)典集會的聯(lián)系
2.4.1　截集
2.4.2　分解定理
2.4.3　擴張原則
2.5　隸屬函數(shù)
2.5.1　隸屬函數(shù)的確定方法
2.6　模糊矩陣與模糊關系
2.6.1　模糊矩陣
2.6.2　模糊關系
2.6.3　模糊關系的合成
2.7　模糊向量
2.7.1　模糊向量
2.7.2　模糊向量的笛卡爾乘積
2.7.3　模糊向量的內(nèi)積與外積
2.8　模糊邏輯與模糊推理
2.8.1　模糊邏輯
2.8.2　模糊語言
2.8.3　模糊推理
2.9　粗糙集合
2.9.1　粗糙集合的基本概念
2.9.2　粗糙度與粗糙隸屬函數(shù)
2.9.3　粗糙集合的特點及其應用
第3章　神經(jīng)網(wǎng)絡與計算智能
3.1　神經(jīng)網(wǎng)絡研究的概述
3.1.1　神經(jīng)網(wǎng)絡研究簡史
3.1.2　神經(jīng)網(wǎng)絡的主要特點
3.2　腦與神經(jīng)系統(tǒng)
3.2.1　腦的宏觀結構
3.2.2　神經(jīng)細胞的結構與功能
3.2.3　神經(jīng)元模型
3.3　神經(jīng)網(wǎng)絡的結構和學習規(guī)則
3.3.1　神經(jīng)網(wǎng)絡的聯(lián)接形式
3.3.2　神經(jīng)網(wǎng)絡的學習和訓練
3.3.3　神經(jīng)網(wǎng)絡的學習規(guī)則
3.4　典型前向網(wǎng)絡——BP網(wǎng)絡
3.4.1　感知器
3.4.2　前向多層網(wǎng)絡的BP學習算法
3.4.3　BP算法的改進算法
3.4.4　前向網(wǎng)絡遞推預報誤差算法（RPE）
3.5　典型反饋網(wǎng)絡——Hopfield網(wǎng)絡
3.5.1　Hopfield網(wǎng)絡模型
3.5.2　Hopfield網(wǎng)絡的聯(lián)想記憶功能
3.5.3　Hopfield網(wǎng)絡的優(yōu)化計算功能
3.6　小腦模型關聯(lián)控制器——CMAC網(wǎng)絡
3.6.1　CMAC網(wǎng)絡的基本思想
3.6.2　CMAC網(wǎng)絡的工作原理
3.6.3　小腦模型運算機
3.7　大腦自組織特征映射模型——Kohonen網(wǎng)絡
3.7.1　Kohonen網(wǎng)絡原理
3.7.2　Kohonen網(wǎng)絡學習規(guī)則及算法
3.8　基于概率式學習的Boltzmann機模型
3.8.1　模擬退火
3.8.2　Boltzmann機模型
3.8.3　Boltzmann機的訓練和學習規(guī)則
3.9　其它類型的神經(jīng)網(wǎng)絡
第4章　遺傳算法與人工生命
4.1　遺傳學和生物進化論
4.1.1　遺傳學的產(chǎn)生與發(fā)展
4.1.2　生物進化論
4.2　進化計算和遺傳算法
4.2.1　進化計算
4.2.2　遺傳算法
4.3　遺傳算法的結構和基本原理
4.3.1　遺傳算法的結構
4.3.2　選擇、交叉和突然變異的方法
4.3.3　遺傳算法的實現(xiàn)步驟
4.4　遺傳算法的理論與方法論
4.4.1　模式定理（Schema theorem）
4.4.2　虛擬邊界定理
4.4.3　遺傳算法中的方法論
4.5　遺傳算法和模糊邏輯、神經(jīng)網(wǎng)絡的融合
4.5.1　遺傳算法在模糊推理中的應用
4.5.2　遺傳算法和神經(jīng)網(wǎng)絡的融合
4.6　遺傳算法的特點及研究方向
4.6.1　遺傳算法的主要特點
4.6.2　遺傳算法的研究課題
4.7　遺傳編程
4.8　人工生命
4.8.1　人工生命與人工智能
4.8.2　人工生命的研究領域
第5章　復雜開放系統(tǒng)的自組織理論
5.1　耗散結構論
5.1.1　非平衡熱力學系統(tǒng)的基本概念
5.1.2　自組織現(xiàn)象
5.1.3　穩(wěn)定性與分叉理論
5.1.4　耗散結構形成的條件
5.2　協(xié)同學與突變論
5.2.1　協(xié)同學
5.2.2　突變論
5.3　混沌學
5.3.1　混沌的基本概念
5.3.2　開放系統(tǒng)的混沌動力學
5.3.3　維數(shù)與李雅普諾夫指數(shù)
5.3.4　混沌的潛在應用領域
5.4　智能控制與非線性科學
第6章　物元分析與可拓集合
6.1　物元分析學科的創(chuàng)立與發(fā)展
6.2　物元及其可拓性
6.2.1　物元的概念及其表示
6.2.2　物元的可拓性
6.3　物元變換
6.3.1　物元要素的基本變換
6.3.2　物元的基本變換及其運算
6.3.3　物元基本變換的性質
6.4　可拓集合
6.4.1　可拓集合的概念
6.4.2　可抗集合的關系和運算
6.4.3　物元可拓集
6.4.4　可拓關系及其運算
6.5　關聯(lián)函數(shù)
6.5.1　實域中的距、模及位值
6.5.2　簡單關聯(lián)函數(shù)與初等關聯(lián)函數(shù)
6.5.3　質度函數(shù)
6.6　物元方程與關聯(lián)不等式
6.6.1　物元方程和蘊含方程
6.6.2　轉換橋的基本概念
6.6.3　問題的物元模型
6.6.4　關聯(lián)不等式和不相容問題求解
第二篇　智能控制的知識工程和信息科學基礎
第7章　智能控制的知識工程基礎
7.1　專家系統(tǒng)基礎
7.1.1　什么是專家系統(tǒng)
7.1.2　建立專家系統(tǒng)的目的和意義
7.2　專家系統(tǒng)的結構
7.2.1　一般專家系統(tǒng)的結構
7.2.2　理想化的專家系統(tǒng)的結構
7.3　知識的表示
7.3.1　知識表示的重要性
7.3.2　謂詞邏輯表示法
7.3.3　時序邏輯表示法
7.3.4　語義網(wǎng)絡表示法
7.3.5　產(chǎn)生式表示法
7.3.6　框架表示法
7.3.7　過程表示法
7.3.8　定性模型知識表示法
7.3.9　神經(jīng)網(wǎng)絡產(chǎn)生規(guī)則表示法
7.3.10　Petri網(wǎng)的知識表示法
7.3.11　知識的綜合集成表示
7.4　專家系統(tǒng)中的推理方法
7.4.1　不精確推理的一般描述
7.4.2　不精確推理的方法
7.5　智能控制系統(tǒng)中的推理
7.5.1　基于規(guī)則的推理
7.5.2　模糊邏輯推理
7.5.3　基于神經(jīng)網(wǎng)絡的推理
7.5.4　定性推理
7.5.5　基于事例的推理
7.5.6　基于規(guī)則、事例和模型的綜合推理
7.6　知識的獲取
7.6.1　知識獲取的途徑
7.6.2　知識獲取的步驟
7.7　產(chǎn)生式系統(tǒng)
7.7.1　產(chǎn)生式系統(tǒng)的結構及特點
7.7.2　產(chǎn)生式系統(tǒng)的分類
7.7.3　產(chǎn)生式系統(tǒng)的應用
7.8　智能學習系統(tǒng)
7.8.1　學習系統(tǒng)
7.8.2　機器學習
7.8.3　智能學習系統(tǒng)
7.9　人機智能結合系統(tǒng)
7.9.1　人的智能模型
7.9.2　人-機智能結合的必要條件
7.9.3　人-機交互作用
7.9.4　計算機的智能結構
第8章　智能控制的信息科學基礎
8.1　智能控制和信息科學
8.1.1　可能性空間
8.1.2　從可能性空間看信息
8.2　信息論的產(chǎn)生及發(fā)展
8.3　信息是知識的內(nèi)涵
8.3.1　信息的概念
8.3.2　信息是知識的內(nèi)涵
8.4　信息系統(tǒng)模型
8.5　熵和信息
8.6　負熵與廣義信息論
第三篇　智能控制理論與系統(tǒng)設計
第9章　智能反饋控制理論基礎
9.1　智能控制的基本概念
9.1.1　智能控制的定義
9.1.2　智能控制的基本要素
9.2　智能控制系統(tǒng)的結構
9.2.1　智能控制系統(tǒng)的基本結構
9.2.2　基于信息論的遞階智能控制結構
9.2.3　基于廣義信息的智能控制系統(tǒng)結構
9.3　智能控制系統(tǒng)的類型
9.4　智能控制系統(tǒng)的理論基礎及其本質
第10章　多級遞階智能控制
10.1　復雜系統(tǒng)控制的基本形式
10.1.1　大系統(tǒng)控制的基本形式
10.1.2　大系統(tǒng)遞階結構的描述
10.2　遞階控制的一般原理
10.2.1　協(xié)調
10.2.2　協(xié)調的基本原則
10.3　多級遞階智能控制
10.3.1　多級遞階智能控制系統(tǒng)的組成
10.3.2　多級遞階智能控制的原理
10.3.3　機器人遞階智能控制系統(tǒng)的結構
10.4　人-機交互的多級遞階智能控制
第11章　基于知識的專家控制
11.1　專家控制系統(tǒng)
11.1.1　專家控制系統(tǒng)的特點
11.1.2　專家控制系統(tǒng)的結構
11.1.3　專家控制系統(tǒng)的原理
11.2　實時過程控制專家系統(tǒng)
11.3　專家控制器
11.3.1　專家控制器的一般結構
11.3.2　一種工業(yè)過程專家控制器
11.4　基于知識的智能過程控制
11.4.1　系統(tǒng)的觀測矩陣
11.4.2　基于知識系統(tǒng)的符號模型
11.4.3　基于知識的雙容器液位控制
第12章　模糊控制
12.1　模糊自動控制原理
12.1.1　模糊控制的基本思想
12.1.2　模糊控制系統(tǒng)的組成
12.1.3　模糊控制的基本原理
12.2　模糊控制器設計的基本方法
12.2.1　模糊控制器的結構設計
12.2.2　模糊控制規(guī)則的設計
12.2.3　精確量的模糊化方法
12.2.4　模糊推理及其模糊量的非模糊化方法
12.2.5　論域、量化因子、比例因子的選擇
12.2.6　模糊控制查詢表及算法流程圖
12.2.7　采樣時間的選擇
12.3　模糊控制器的設計舉例
12.3.1　確定模糊控制器的結構
12.3.2　建立模糊控制規(guī)則
12.3.3　確定模糊變量的賦值表
12.3.4　建立模糊控制表
12.3.5　簡單模糊控制器的控制特性
12.4　解析描述控制規(guī)則可調整的模糊控制器
12.4.1　控制規(guī)則的解析描述
12.4.2　帶有調整因子的控制規(guī)則
12.4.3　模糊控制規(guī)則的自調整與自尋優(yōu)
12.4.4　帶有自調整因子的模糊控制器
12.4.5　帶自調整函數(shù)的模糊控制規(guī)則
12.5　模糊系統(tǒng)辨識與模糊預測
12.5.1　基于模糊關系模型的系統(tǒng)辨識
12.5.2　基于模糊關系模型的建模舉例
12.5.3　自適應模糊預測模型
12.5.4　基于T－S模型的模糊系統(tǒng)辨識
12.5.5　基于“模糊控制系統(tǒng)”的模型預報
12.6　自適應·自組織·自學習模糊控制
12.6.1　自適應模糊控制器的結構
12.6.2　自適應模糊控制器的原理
12.6.3　模型參考模糊自適應控制系統(tǒng)
12.6.4　自校正模糊控制器
12.6.5　自適應遞階模糊控制
12.7　提高模糊控制性能的多種方法
12.7.1　提高模糊控制穩(wěn)態(tài)精度的方法
12.7.2　提高模糊控制滯后對象能力的方法
12.7.3　用三維模糊控制提高控制高階對象的能力
12.8　模糊控制器的模型結構及系統(tǒng)穩(wěn)定性分析
12.8.1　模糊控制器的多值繼電器模型
12.8.2　模糊控制器的代數(shù)模型
12.8.3　模糊控制器的語言模型
12.8.4　模糊控制器的顆粒模型、準線性模型和細胞模型
12.8.5　雙輸入雙輸出模糊控制器的解析結構
12.9　模糊控制系統(tǒng)穩(wěn)定性分析的理論與方法
12.9.1　模糊控制系統(tǒng)穩(wěn)定性分析理論的研究進展
12.9.2　基于語言模糊狀態(tài)模型的穩(wěn)定性分析
12.10　模糊控制軟件開發(fā)工具與模糊控制芯片
12.10.1　模糊控制軟件的開發(fā)工具
12.10.2　模糊控制芯片
第13章　神經(jīng)控制
13.1　神經(jīng)控制的基本原理
13.1.1　神經(jīng)控制的基本思想
13.1.2　神經(jīng)網(wǎng)絡在控制中的主要作用
13.2　神經(jīng)網(wǎng)絡控制的分類
13.2.1　基于神經(jīng)網(wǎng)絡的智能控制
13.2.2　基于傳統(tǒng)控制理論的神經(jīng)控制
13.3　神經(jīng)網(wǎng)絡學習控制的結構
13.3.1　間接學習神經(jīng)控制
13.3.2　一般學習神經(jīng)控制的結構
13.3.3　特殊學習神經(jīng)控制的結構
13.3.4　一般和特殊相結合的學習結構
13.4　神經(jīng)網(wǎng)絡直接反饋控制
13.5　神經(jīng)網(wǎng)絡模型參考自適應控制
13.6　神經(jīng)網(wǎng)絡自校正控制
13.7　神經(jīng)網(wǎng)絡內(nèi)模控制
13.7.1　內(nèi)?？刂?br />13.7.2　神經(jīng)網(wǎng)絡內(nèi)?？刂?br />13.8　神經(jīng)元自適應PSD控制
13.8.1　PSD控制
13.8.2　神經(jīng)元自適應PSD控制算法
13.9　基于模糊神經(jīng)網(wǎng)絡的自組織控制
13.9.1　FNAOC的結構
13.9.2　雙向聯(lián)想記憶網(wǎng)絡及其產(chǎn)生模糊規(guī)則
13.9.3　應用LVQ法產(chǎn)生If部分隸屬函數(shù)
13.9.4　FNAOC系統(tǒng)的應用
13.10　多變量系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制
13.10.1　多變量系統(tǒng)的模糊控制模型
13.10.2　模糊神經(jīng)網(wǎng)絡控制模型
13.11　基于神經(jīng)網(wǎng)絡的模糊邏輯控制系統(tǒng)設計
13.11.1　一般模糊控制的基本結構及其描述
13.11.2　基于神經(jīng)網(wǎng)絡的模糊控制和決策
13.11.3　神經(jīng)網(wǎng)絡每層節(jié)點的函數(shù)功能
13.11.4　混合學習算法
13.11.5　無人小車的神經(jīng)網(wǎng)絡模糊控制
13.12　基于模糊推理和神經(jīng)網(wǎng)絡建造專家系統(tǒng)的一種方法
13.12.1　設計的基本思想和步驟
13.12.2　神經(jīng)網(wǎng)絡的結構
13.12.3　導入算法
13.12.4　隸屬函數(shù)和模糊規(guī)則的修改
13.12.5　信念傳播與導出算法
13.12.6　從訓練后的神經(jīng)網(wǎng)絡中提取規(guī)則舉例
13.13　神經(jīng)網(wǎng)絡專家系統(tǒng)與故障診斷
13.13.1　神經(jīng)網(wǎng)絡專家系統(tǒng)
13.13.2　基于神經(jīng)網(wǎng)絡的控制系統(tǒng)故障診斷
第14章　基于規(guī)則的仿人智能控制
14.1　從PID控制者仿人智能控制
14.1.1　常規(guī)PID控制
14.1.2　對常規(guī)PID控制的剖析
14.1.3　從PID控制得到的啟發(fā)
14.2　仿人智能控制的原理與結構
14.2.1　仿人智能控制的基本思想
14.2.2　仿人智能控制行為的特征變量
14.2.3　仿人智能控制器的結構
14.2.4　仿人智能控制的多種模式
14.3　仿人智能開關控制器
14.3.1　智能開關控制
14.3.2　一個智能開關控制器的設計實例
14.4　仿人比例控制器
14.4.1　仿人比例控制的原理
14.4.2　仿人比例控制算法
14.5　仿人智能積分控制
14.5.1　仿人智能積分原理
14.5.2　仿人智能積分控制算法
14.6　仿人智能采樣控制
14.6.1　采樣周期對數(shù)字控制的影響
14.6.2　滯后過程的仿人智能采樣控制
14.7　仿人智能控制周期的自選擇
14.7.1　采樣周期與控制周期的差異
14.7.2　仿人智能控制周期
14.7.3　仿人智能控制周期的在線自選擇
14.8　基于極值采樣的仿人智能控制
14.8.1　仿人智能控制器的靜特性及運行機理
14.8.2　仿人智能控制算法及其特點
14.9　基于過程補余量的仿人智能控制
14.9.1　過程的能量儲存特性及其控制
14.9.2　基于過程補入量的仿人智能控制規(guī)則
14.9.3　目標補入量J的遞推算法
第15章　基于模式識別的智能控制
15.1　模式識別與智能控制
15.1.1　模式識別的基本概念
15.1.2　模式識別與形象思維
15.1.3　模式識別與智能控制
15.2　系統(tǒng)動態(tài)特性的模式識別
15.2.1　系統(tǒng)瞬態(tài)響應特征的模式分類
15.2.2　相平面e-e上特征模式類的劃分
15.2.3　誤差相空間的特征模式集
15.3　基于模式識別的智能控制
15.3.1　特征信息、特征狀態(tài)與特征模式
15.3.2　基于模式識別的智能控制器的結構
15.3.3　基于模式識別的智能控制器的設計
15.3.4　基于模式識別的智能控制器的工業(yè)應用
第16章　多模變結構智能控制
16.1　變結構控制的基本原理
16.1.1　變結構控制的基本原理
16.1.2　變結構控制的應用
16.2　變結構控制是一種雙?？刂?br />16.2.1　VSC可視為一種規(guī)則控制
16.2.2　VSC是一種雙?？刂品绞?br />16.3　變結構控制的剖析
16.3.1　變結構控制思想的啟迪
16.3.2　變結構控制的不足
16.4　多模變結構智能控制的原理
16.4.1　多模變結構智能控制的基本思想
16.4.2　多模變結構智能控制器設計
16.4.3　多模變結構智能控制規(guī)則
16.5　模糊滑動模態(tài)控制
16.5.1　滑動模態(tài)控制的系統(tǒng)描述
16.5.2　模糊滑動模態(tài)控制
16.5.3　基于模糊邏輯的連續(xù)滑模控制
第17章　學習控制與自學習控制
17.1　學習控制系統(tǒng)
17.1.1　學習控制的基本概念
17.1.2　學習控制律
17.1.3　學習控制的收斂性
17.2　伺服系統(tǒng)的學習控制
17.2.1　位置伺服系統(tǒng)的學習控制
17.2.2　位置伺服系統(tǒng)的模糊學習控制
17.3　自學習控制系統(tǒng)
17.3.1　自學習控制系統(tǒng)的結構
17.3.2　基于規(guī)則的自學習控制系統(tǒng)
17.4　基于規(guī)則的自學習模糊控制
17.4.1　建立模糊控制規(guī)則
17.4.2　自學習模糊控制算法
17.4.3　自學習控制算法舉例
第18章　混沌控制與溫沌預測
18.1　混沌與控制系統(tǒng)
18.1.1　由輸入r所引起的混沌
18.1.2　由采樣周期所引起的混沌
18.1.3　混沌和周期解的共存
18.2　混沌預測
18.2.1　混沌的短期預測功能
18.2.2　混沌短期預測的方法
18.3　混沌模糊控制器
18.3.1　混沌芯片
18.3.2　混沌模糊控制器
第19章　基于可拓邏輯的智能控制
19.1　可拓控制的基本概念
19.2　可拓控制的基本結構和原理
19.3　可拓控制器的設計方法
19.3.1　可拓控制器的結構
19.3.2　特征量的選取和特征模式的確定
19.3.3　特征狀態(tài)關聯(lián)度的計算
19.3.4　測度模式的劃分
19.3.5　確定控制模式和計算控制器輸出
19.4　可拓專家系統(tǒng)的結構及原理
19.4.1　可拓專家系統(tǒng)的結構
19.4.2　可拓知識庫
19.4.3　評價機構與組織機構原理
第20章　智能控制系統(tǒng)的穩(wěn)定性分析
20.1　李雅普諾夫穩(wěn)定性理論
20.1.1　李雅普諾夫意義下的穩(wěn)定性
20.1.2　李雅普諾夫穩(wěn)定性理論
20.2　絕對穩(wěn)定性理論
20.2.1　大范圍穩(wěn)定與絕對穩(wěn)定的概念
20.2.2　波波夫的穩(wěn)定性分析方法
20.2.3　圓判據(jù)
20.3　智能控制系統(tǒng)的智能性與能控性
20.3.1　智能控制系統(tǒng)的智能性
20.3.2　智能控制系統(tǒng)的能控性
20.4　智能控制系統(tǒng)的穩(wěn)定性分析
20.4.1　智能控制系統(tǒng)穩(wěn)定性的定性分析
20.4.2　智能控制規(guī)律的統(tǒng)一描述形式
20.4.3　基于Lyapunov函數(shù)智能控制閉環(huán)系統(tǒng)穩(wěn)定性分析
20.4.4　基于非線性科學的穩(wěn)定性分析
第四篇　智能控制的工程應用
第21章　智能控制在工業(yè)過程控制中的應用
21.1　蒸汽發(fā)動機的模糊控制系統(tǒng)
21.1.1　概述
21.1.2　控制器的結構
21.1.3　模糊變量的論域及其隸屬函數(shù)
21.1.4　控制規(guī)則
21.1.5　模糊控制的結果
21.2　模糊控制在退火爐燃燒過程控制中的應用
21.2.1　概述
21.2.2　模糊控制系統(tǒng)的組成
21.2.3　模糊控制器和模糊自尋優(yōu)控制器
21.2.4　應用效果與結論
21.3　氣煉機的自適應模糊控制系統(tǒng)
21.3.1　概述
21.3.2　自動氣煉機的結構及其工藝流程
21.3.3　氣煉機控制系統(tǒng)的硬件設計
21.3.4　氣煉機控制系統(tǒng)的軟件設計
21.3.5　自動氣煉機的模糊控制器
21.3.6　自動氣煉機透燒、預燒延時的自適應模糊控制
21.3.7　小結
21.4　電弧冶煉爐的模糊控制
21.4.1　概述
21.4.2　模糊聚類分析
21.4.3　模糊控制規(guī)則
21.4.4　控制系統(tǒng)的組成
21.4.5　小結
21.5　智能控制在造紙過程中的應用
21.5.1　概述
21.5.2　造紙過程分析及其控制
21.5.3　造紙過程的專家智能控制
21.5.4　實際運行結果
21.5.5　小結
21.6　仿人智能溫度按制器
21.6.1　概述
21.6.2　整機簡介
21.6.3　仿人智能控制算法
21.6.4　性能對比及結論
21.7　神經(jīng)網(wǎng)絡自組織模糊控制器及其在電力系統(tǒng)中的應用
21.7.1　神經(jīng)自組織模糊控制系統(tǒng)的結構
21.7.2　各部分功能及作用
21.7.3　自組織模糊控制系統(tǒng)工作原理
21.7.4　在電力系統(tǒng)頻繁控制中的應用
21.7.5　總結
21.8　軋鋼機用板厚度的非線性神經(jīng)按制
21.8.1　軋鋼機模型與控制問題
21.8.2　用神經(jīng)網(wǎng)絡進行對象建模
21.8.3　應用神經(jīng)網(wǎng)絡模型的非線性控制
21.8.4　結果
第22章　智能控制在運載工具控制中的應用
22.1　高技術機器的傾斜和力矩的模糊邏輯控制
22.1.1　概述
22.1.2　高技術機翼ATW
22.1.3　ATW的模糊控制
22.1.4　魯棒性測試及結論
22.2　預測模糊控動在列車自動駕駛系統(tǒng)中的應用
22.2.1　列車自動駕駛系統(tǒng)
22.2.2　地鐵列車的預測模糊控制系統(tǒng)
22.2.3　應用實例及其效果
22.3　汽車噴油系統(tǒng)的神經(jīng)網(wǎng)絡控制
22.3.1　排放量數(shù)小化
22.3.2　CMAC神經(jīng)網(wǎng)絡基礎
22.3.3　CMAC神經(jīng)網(wǎng)絡噴油控制
22.3.4　CMAC控制器實驗結果與結論
第23章　智能控制在機器人控制中的應用
23.1　機器人的模糊控制
23.1.1　概述
23.1.2　模糊指令與模糊算法
23.1.3　模糊指令的解釋
23.1.4　機器人的模糊控制
23.1.5　機器人的控制過程
23.2　基于神經(jīng)網(wǎng)絡的機器人控制
23.2.1　機器人及其控制
23.2.2　神經(jīng)網(wǎng)絡控制的機器人
23.3　工業(yè)機器人的神經(jīng)網(wǎng)絡高精度控制
23.3.1　基于模型的誤差補償方式
23.3.2　應用神經(jīng)網(wǎng)絡補償誤差方式
23.3.3　實驗結果
23.4　應用學習控制抑制機器人的振動
23.4.1　問題的提出
23.4.2　學習控制的構成
23.4.3　有彈性軸的機器人模型
23.4.4　工業(yè)機器人的學習控制的應用實驗
第24章　智能控制在家電產(chǎn)品中的應用
24.1　模糊全自動洗衣機
24.1.1　洗凈度傳感器
24.1.2　布量、布質傳感器
24.1.3　基于洗凈度的模糊推理
24.1.4　基于布置、市質的模糊控制
24.1.5　模糊全自動洗衣機的特點
24.2　模糊控制吸塵器
24.2.1　模糊吸塵器設計的基本要求
24.2.2　灰塵傳感器
24.2.3　模糊控制吸塵器
24.3　模糊控制攝像機
24.3.1　手抖修正原理
24.3.2　模糊識別和模糊推理
24.4　基于神經(jīng)網(wǎng)絡的冰柜溫度智能控制系統(tǒng)
24.4.1　系統(tǒng)組成及工作原理
24.4.2　人工神經(jīng)網(wǎng)絡的培訓
24.4.3　性能測試與分析
24.5　混濁控制煤油暖風器
24.5.1　混沌仿真器的構成
24.5.2　混沌產(chǎn)生舒適暖風的機理
24.5.3　混沌暖風器的運行效果
參考文獻