智能控制：理論基礎(chǔ)、算法設(shè)計(jì)與應(yīng)用（第2版 ）

第1章緒論

1.1智能控制的發(fā)展過程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的發(fā)展

1.1.4智能控制的技術(shù)基礎(chǔ)

1.2智能控制的幾個(gè)重要分支

1.2.1模糊控制

1.2.2神經(jīng)網(wǎng)絡(luò)控制

1.2.3智能搜索算法

1.3智能控制的特點(diǎn)、工具及應(yīng)用

1.3.1智能控制的特點(diǎn)

1.3.2智能控制的研究工具

1.3.3智能控制的應(yīng)用

思考題

參考文獻(xiàn)

第2章模糊控制的理論基礎(chǔ)

2.1概述

2.2模糊集合

2.2.1模糊集合的表示

2.2.2模糊集合的運(yùn)算

2.3隸屬函數(shù)

2.3.1隸屬函數(shù)的特點(diǎn)

2.3.2幾種典型的隸屬函數(shù)及其MATLAB表示

2.3.3模糊系統(tǒng)的設(shè)計(jì)

2.3.4隸屬函數(shù)的確定方法

2.4模糊關(guān)系及其運(yùn)算

2.4.1模糊關(guān)系矩陣

2.4.2模糊矩陣運(yùn)算

2.4.3模糊矩陣的合成

2.5模糊語句與模糊推理

2.5.1模糊語句

2.5.2模糊推理

思考題

第3章模糊邏輯控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的組成

3.1.3模糊控制系統(tǒng)的工作原理

3.1.4模糊控制器結(jié)構(gòu)

3.2模糊控制系統(tǒng)分類

3.3模糊控制器的設(shè)計(jì)

3.3.1模糊控制器的設(shè)計(jì)步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應(yīng)用實(shí)例——洗衣機(jī)的模糊控制

3.5模糊自適應(yīng)整定PID控制

3.5.1模糊自適應(yīng)整定PID控制原理

3.5.2仿真實(shí)例

3.6大時(shí)變擾動(dòng)下切換增益模糊調(diào)節(jié)的滑模控制

3.6.1系統(tǒng)描述

3.6.2滑?？刂破髟O(shè)計(jì)

3.6.3模糊規(guī)則設(shè)計(jì)

3.6.4仿真實(shí)例

思考題

第4章自適應(yīng)模糊控制

4.1模糊逼近

4.1.1模糊系統(tǒng)的設(shè)計(jì)

4.1.2模糊系統(tǒng)的逼近精度

4.1.3仿真實(shí)例

4.2間接自適應(yīng)模糊控制

4.2.1問題描述

4.2.2自適應(yīng)模糊滑?？刂破髟O(shè)計(jì)

4.2.3仿真實(shí)例

4.3直接自適應(yīng)模糊控制

4.3.1問題描述

4.3.2模糊控制器的設(shè)計(jì)

4.3.3自適應(yīng)律的設(shè)計(jì)

4.3.4仿真實(shí)例

思考題

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仿真實(shí)例

5.1.3一類非線性系統(tǒng)的TS模糊建模

5.2TS模糊控制器的設(shè)計(jì)

5.3倒立擺系統(tǒng)的TS模糊模型

5.4基于線性矩陣不等式的單級(jí)倒立擺TS模糊控制

5.4.1LMI不等式的設(shè)計(jì)及分析

5.4.2不等式的轉(zhuǎn)換 

5.4.3LMI設(shè)計(jì)實(shí)例

5.4.4仿真實(shí)例

附加資料： 新的LMI求解工具箱——YALMIP工具箱

思考題

參考文獻(xiàn)

第6章機(jī)械手自適應(yīng)模糊控制

6.1簡(jiǎn)單的自適應(yīng)模糊滑模控制

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設(shè)計(jì)與分析

6.1.4仿真實(shí)例

6.2基于模糊補(bǔ)償?shù)臋C(jī)械手模糊自適應(yīng)滑?？刂?/p>

6.2.1系統(tǒng)描述

6.2.2基于傳統(tǒng)模糊補(bǔ)償?shù)目刂?/p>

6.2.3自適應(yīng)控制律的設(shè)計(jì)

6.2.4基于摩擦模糊逼近的模糊補(bǔ)償控制

6.2.5仿真實(shí)例

6.3模糊系統(tǒng)逼近的最小參數(shù)學(xué)習(xí)法

6.3.1問題描述

6.3.2模糊系統(tǒng)最小參數(shù)逼近

6.3.3基于模糊系統(tǒng)逼近的最小參數(shù)自適應(yīng)控制

6.3.4仿真實(shí)例

6.4基于模糊補(bǔ)償?shù)臋C(jī)械手單參數(shù)自適應(yīng)控制

6.4.1系統(tǒng)描述

6.4.2基于模糊系統(tǒng)逼近的最小參數(shù)自適應(yīng)控制

6.4.3仿真實(shí)例

附加資料

思考題

參考文獻(xiàn)

第7章神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

7.1神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)史

7.2神經(jīng)網(wǎng)絡(luò)原理

7.3神經(jīng)網(wǎng)絡(luò)的分類

7.4神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

7.4.1Hebb學(xué)習(xí)規(guī)則

7.4.2Delta(δ)學(xué)習(xí)規(guī)則

7.5神經(jīng)網(wǎng)絡(luò)的特征及要素

7.5.1神經(jīng)網(wǎng)絡(luò)特征

7.5.2神經(jīng)網(wǎng)絡(luò)三要素

7.6神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域

思考題

第8章典型神經(jīng)網(wǎng)絡(luò)及非線性建模

8.1單神經(jīng)元網(wǎng)絡(luò)

8.2BP神經(jīng)網(wǎng)絡(luò)

8.2.1BP神經(jīng)網(wǎng)絡(luò)特點(diǎn)

8.2.2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法

8.2.3BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

8.2.4仿真實(shí)例

8.3RBF神經(jīng)網(wǎng)絡(luò)

8.3.1網(wǎng)絡(luò)結(jié)構(gòu)

8.3.2控制系統(tǒng)設(shè)計(jì)中RBF神經(jīng)網(wǎng)絡(luò)的逼近

8.3.3RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

8.3.4仿真實(shí)例

8.4模糊RBF神經(jīng)網(wǎng)絡(luò)

8.4.1模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法

8.4.2模糊RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

8.4.3仿真實(shí)例

8.5PiSigma模糊神經(jīng)網(wǎng)絡(luò)

8.5.1高木關(guān)野模糊系統(tǒng)

8.5.2混合型PiSigma模糊神經(jīng)網(wǎng)絡(luò)

8.5.3PiSigma模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

8.5.4仿真實(shí)例

8.6ELM神經(jīng)網(wǎng)絡(luò)

8.6.1ELM神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

8.6.2ELM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法

8.6.3ELM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

8.6.4仿真實(shí)例

思考題

參考文獻(xiàn)

第9章自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制

9.1一階系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

9.1.1系統(tǒng)描述

9.1.2滑模控制器設(shè)計(jì)

9.1.3仿真實(shí)例

9.1.4一階系統(tǒng)自適應(yīng)RBF控制

9.1.5仿真實(shí)例

9.2二階系統(tǒng)自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制

9.2.1系統(tǒng)描述

9.2.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近f(x)的滑?？刂?nbsp;

9.2.3仿真實(shí)例

9.3基于RBF神經(jīng)網(wǎng)絡(luò)的單參數(shù)直接魯棒自適應(yīng)控制

9.3.1系統(tǒng)描述

9.3.2控制律和自適應(yīng)律設(shè)計(jì)

9.3.3仿真實(shí)例

思考題

參考文獻(xiàn)

第10章基于RBF神經(jīng)網(wǎng)絡(luò)的輸入輸出受限控制

10.1控制系統(tǒng)位置輸出受限控制

10.1.1輸出受限引理

10.1.2系統(tǒng)描述

10.1.3控制器的設(shè)計(jì)

10.1.4仿真實(shí)例

10.2基于RBF神經(jīng)網(wǎng)絡(luò)的狀態(tài)輸出受限控制

10.2.1系統(tǒng)描述

10.2.2RBF神經(jīng)網(wǎng)絡(luò)原理

10.2.3控制器的設(shè)計(jì)

10.2.4仿真實(shí)例

10.3基于RBF神經(jīng)網(wǎng)絡(luò)的輸入受限滑模控制

10.3.1系統(tǒng)描述

10.3.2RBF神經(jīng)網(wǎng)絡(luò)逼近及雙曲正切函數(shù)特點(diǎn)

10.3.3控制器的設(shè)計(jì)及分析

10.3.4仿真實(shí)例

思考題

參考文獻(xiàn)

第11章基于RBF神經(jīng)網(wǎng)絡(luò)的執(zhí)行器自適應(yīng)容錯(cuò)控制

11.1執(zhí)行器容錯(cuò)控制描述

11.2SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制

11.2.1控制問題描述

11.2.2控制律的設(shè)計(jì)與分析

11.2.3仿真實(shí)例

11.3基于RBF神經(jīng)網(wǎng)絡(luò)的SISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制

11.3.1控制問題描述

11.3.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.3.3控制律的設(shè)計(jì)與分析

11.3.4仿真實(shí)例

11.4MISO系統(tǒng)執(zhí)行器自適應(yīng)容錯(cuò)控制

11.4.1控制問題描述

11.4.2控制律的設(shè)計(jì)與分析

11.4.3仿真實(shí)例

11.5MISO系統(tǒng)執(zhí)行器自適應(yīng)神經(jīng)網(wǎng)絡(luò)容錯(cuò)控制

11.5.1控制問題描述

11.5.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.5.3控制律的設(shè)計(jì)與分析

11.5.4仿真實(shí)例

11.6帶執(zhí)行器卡死的MISO系統(tǒng)自適應(yīng)容錯(cuò)控制

11.6.1控制問題描述

11.6.2控制律的設(shè)計(jì)與分析

11.6.3仿真實(shí)例

11.7帶執(zhí)行器卡死的MISO系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)容錯(cuò)控制

11.7.1控制問題描述

11.7.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

11.7.3控制律的設(shè)計(jì)與分析

11.7.4仿真實(shí)例

11.8基于傳感器和執(zhí)行器容錯(cuò)的自適應(yīng)控制

11.8.1系統(tǒng)描述

11.8.2控制器設(shè)計(jì)與分析

11.8.3仿真實(shí)例

11.9基于傳感器和執(zhí)行器容錯(cuò)的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

11.9.1系統(tǒng)描述

11.9.2控制器設(shè)計(jì)與分析

11.9.3神經(jīng)網(wǎng)絡(luò)逼近

11.9.4仿真實(shí)例

附加資料

思考題

參考文獻(xiàn)

第12章機(jī)械系統(tǒng)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

12.1一種簡(jiǎn)單的RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)滑?？刂?/p>

12.1.1問題描述

12.1.2RBF神經(jīng)網(wǎng)絡(luò)原理

12.1.3控制算法設(shè)計(jì)與分析

12.1.4仿真實(shí)例

12.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的機(jī)械手自適應(yīng)控制

12.2.1問題的提出

12.2.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的控制器

12.2.3仿真實(shí)例

12.3基于RBF神經(jīng)網(wǎng)絡(luò)的最小參數(shù)自適應(yīng)控制

12.3.1問題描述

12.3.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的最小參數(shù)自適應(yīng)控制

12.3.3仿真實(shí)例

12.4機(jī)械手神經(jīng)網(wǎng)絡(luò)單參數(shù)自適應(yīng)控制

12.4.1問題的提出

12.4.2神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

12.4.3控制器設(shè)計(jì)

12.4.4仿真實(shí)例

12.5一類欠驅(qū)動(dòng)機(jī)械系統(tǒng)神經(jīng)網(wǎng)絡(luò)滑模控制

12.5.1系統(tǒng)描述

12.5.2RBF神經(jīng)網(wǎng)絡(luò)原理

12.5.3滑?？刂坡傻脑O(shè)計(jì)

12.5.4收斂性分析

12.5.5仿真實(shí)例

附加資料

思考題

參考文獻(xiàn)

第13章基于RBF神經(jīng)網(wǎng)絡(luò)的反演自適應(yīng)控制

13.1一種三階非線性系統(tǒng)的反演控制

13.1.1系統(tǒng)描述

13.1.2反演控制器設(shè)計(jì)

13.1.3仿真實(shí)例

13.2基于RBF神經(jīng)網(wǎng)絡(luò)的三階非線性系統(tǒng)反演控制

13.2.1系統(tǒng)描述

13.2.2RBF神經(jīng)網(wǎng)絡(luò)原理

13.2.3神經(jīng)網(wǎng)絡(luò)反演控制器設(shè)計(jì)

13.2.4仿真實(shí)例

思考題

參考文獻(xiàn)

第14章基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

14.1基于LMI的控制

14.1.1系統(tǒng)描述

14.1.2控制器的設(shè)計(jì)與分析

14.1.3仿真實(shí)例

14.2基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

14.2.1系統(tǒng)描述

14.2.2RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

14.2.3控制器的設(shè)計(jì)與分析

14.2.4仿真實(shí)例

14.3基于LMI的神經(jīng)網(wǎng)絡(luò)自適應(yīng)跟蹤控制

14.3.1系統(tǒng)描述

14.3.2仿真實(shí)例

思考題

第15章智能優(yōu)化算法

15.1TSP優(yōu)化

15.2遺傳算法

15.2.1遺傳算法的基本原理

15.2.2遺傳算法的特點(diǎn)

15.2.3遺傳算法的應(yīng)用領(lǐng)域

15.2.4遺傳算法的優(yōu)化設(shè)計(jì)

15.2.5基于遺傳算法的函數(shù)優(yōu)化

15.3基于遺傳算法的TSP優(yōu)化

15.3.1TSP的編碼

15.3.2TSP的遺傳算法設(shè)計(jì)

15.3.3仿真實(shí)例

15.4粒子群優(yōu)化算法

15.4.1粒子群算法基本原理

15.4.2算法流程

15.4.3基于粒子群算法的函數(shù)優(yōu)化

15.4.4基于粒子群算法的TSP優(yōu)化

15.5標(biāo)準(zhǔn)差分進(jìn)化算法

15.5.1差分進(jìn)化算法的基本流程

15.5.2差分進(jìn)化算法的參數(shù)設(shè)置

15.5.3基于差分進(jìn)化算法的函數(shù)優(yōu)化

15.5.4基于差分進(jìn)化算法的TSP優(yōu)化

15.6基于差分進(jìn)化最優(yōu)軌跡規(guī)劃的PD控制

15.6.1問題的提出

15.6.2一個(gè)簡(jiǎn)單的樣條插值實(shí)例

15.6.3最優(yōu)軌跡的設(shè)計(jì)

15.6.4最優(yōu)軌跡的優(yōu)化

15.6.5仿真實(shí)例

15.7蟻群算法

15.7.1蟻群算法的基本原理

15.7.2基于TSP優(yōu)化的蟻群算法

15.7.3仿真實(shí)例

15.8Hopfield神經(jīng)網(wǎng)絡(luò)

15.8.1Hopfield神經(jīng)網(wǎng)絡(luò)原理

15.8.2求解TSP的Hopfield神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

15.8.3仿真實(shí)例

思考題

參考文獻(xiàn)

第16章智能優(yōu)化算法的應(yīng)用

16.1柔性機(jī)械手動(dòng)力學(xué)模型參數(shù)辨識(shí)

16.1.1柔性機(jī)械手模型描述

16.1.2仿真實(shí)例

16.2飛行器縱向模型參數(shù)辨識(shí)

16.2.1問題描述

16.2.2仿真實(shí)例

16.3VTOL參數(shù)辨識(shí)

16.3.1VTOL參數(shù)辨識(shí)問題

16.3.2基于粒子群算法的參數(shù)辨識(shí)

16.3.3基于差分進(jìn)化算法的VTOL參數(shù)辨識(shí)

16.4四旋翼飛行器建模與參數(shù)辨識(shí)

16.4.1四旋翼飛行器動(dòng)力學(xué)模型

16.4.2動(dòng)力學(xué)模型的變換

16.4.3模型測(cè)試

16.4.4基于粒子群算法的參數(shù)辨識(shí)

16.4.5基于差分進(jìn)化算法的參數(shù)辨識(shí)

16.5基于粒子群算法的航班著陸調(diào)度

16.5.1問題描述

16.5.2優(yōu)化問題的設(shè)計(jì)

16.5.3仿真實(shí)例

16.6基于差分進(jìn)化算法的產(chǎn)品加工生產(chǎn)調(diào)度

16.6.1問題描述

16.6.2優(yōu)化問題的設(shè)計(jì)

16.6.3仿真實(shí)例

16.7基于差分進(jìn)化算法的無人機(jī)三維路徑規(guī)劃

16.7.1問題描述

16.7.2目標(biāo)函數(shù)設(shè)計(jì)

16.7.3基于差分進(jìn)化算法的路徑規(guī)劃

16.7.4仿真實(shí)例

思考題

參考文獻(xiàn)

第17章神經(jīng)網(wǎng)絡(luò)自適應(yīng)協(xié)調(diào)控制

17.1主輔電機(jī)的協(xié)調(diào)控制

17.1.1系統(tǒng)描述

17.1.2控制律設(shè)計(jì)與分析

17.1.3仿真實(shí)例

17.2基于神經(jīng)網(wǎng)絡(luò)的主輔電機(jī)協(xié)調(diào)控制

17.2.1系統(tǒng)描述

17.2.2RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

17.2.3控制律設(shè)計(jì)與分析

17.2.4仿真實(shí)例

思考題

參考文獻(xiàn)

第18章多智能體系統(tǒng)一致性控制的設(shè)計(jì)與分析

18.1多智能體系統(tǒng)介紹

18.2多智能體系統(tǒng)的位置一致性跟蹤控制

18.2.1系統(tǒng)描述

18.2.2控制器的設(shè)計(jì)

18.2.3穩(wěn)定性分析

18.2.4仿真實(shí)例

18.3二階線性多智能體系統(tǒng)一致性控制

18.3.1系統(tǒng)描述

18.3.2控制律設(shè)計(jì)

18.3.3仿真實(shí)例

18.3.4Laplacian矩陣分析

18.4基于RBF神經(jīng)網(wǎng)絡(luò)的多智能體系統(tǒng)一致性控制

18.4.1系統(tǒng)描述

18.4.2基于RBF神經(jīng)網(wǎng)絡(luò)逼近的滑模控制

18.4.3控制律設(shè)計(jì)

18.4.4仿真實(shí)例

18.5基于執(zhí)行器容錯(cuò)的多智能體系統(tǒng)控制

18.5.1系統(tǒng)描述

18.5.2控制律設(shè)計(jì)

18.5.3仿真實(shí)例

思考題

參考文獻(xiàn)