智能控制理論與應(yīng)用

第1章 緒論
1.1 傳統(tǒng)控制所面臨的問題
1.2 智能控制的定義
1.3 智能控制的發(fā)展歷史
1.4 智能控制的特點
1.5 智能控制的研究內(nèi)容
1.5.1 模糊邏輯控制
1.5.2 神經(jīng)網(wǎng)絡(luò)控制
1.5.3 遺傳算法
1.6 智能控制所面臨的問題
第2章 遞階智能系統(tǒng)
2.1 遞階智能系統(tǒng)概述
2.1.1 信息的層次
2.1.2 信息的特征
2.2 遞階智能系統(tǒng)的信息處理
2.2.1 基本概念
2.2.2 基本方法
2.3 遞階智能系統(tǒng)的數(shù)據(jù)融合
2.3.1 分解與綜合
2.3.2 數(shù)據(jù)融合
2.4 遞階智能系統(tǒng)的結(jié)構(gòu)
第3章 模糊控制理論
3.1 模糊控制理論概述
3.1.1 模糊控制理論簡介
3.1.2 模糊理論的發(fā)展簡史
3.1.3 模糊控制理論的特點
3.2 模糊集合與隸屬函數(shù)
3.2.1 從經(jīng)典集合到模糊集合
3.2.2 模糊集合及其運算
3.2.3 隸屬函數(shù)
3.3 模糊矩陣與模糊關(guān)系
3.3.1 模糊矩陣的定義及其運算
3.3.2 模糊關(guān)系
3.3.3 模糊關(guān)系的合成
3.4 模糊邏輯與模糊推理
3.4.1 語言變量與蘊涵關(guān)系
3.4.2 模糊推理的方式
3.4.3 模糊推理的性質(zhì)
3.5 模糊控制器
3.5.1 模糊控制結(jié)構(gòu)概述
3.5.2 模糊控制器的設(shè)計結(jié)構(gòu)
3.5.3 輸入向量的模糊化
3.5.4 規(guī)則庫和推理機
3.5.5 輸出向量的解模糊
3.6 模糊單點優(yōu)化算法
3.6.1 傳統(tǒng)的模糊查詢表算法
3.6.2 由傳統(tǒng)模糊查詢表算法推導(dǎo)出模糊單點算法
3.6.3 二輸入下的模糊單點算法及編程思路
習(xí)題
第4章 專家系統(tǒng)
4.1 專家系統(tǒng)概述
4.1.1 專家系統(tǒng)簡介
4.1.2 專家系統(tǒng)發(fā)展簡史
4.1.3 專家系統(tǒng)的特點
4.2 專家系統(tǒng)類型及基本組成
4.2.1 專家系統(tǒng)的類型
4.2.2 專家系統(tǒng)的基本組成
4.3 專家系統(tǒng)的知識表示法
4.3.1 邏輯表示法
4.3.2 產(chǎn)生式表示法
4.3.3 框架表示法
4.3.4 “與或圖”表示法
4.3.5 語義網(wǎng)絡(luò)表示法
4.4 專家系統(tǒng)的推理機制
4.4.1 盲目推理
4.4.2 啟發(fā)式推理機制
4.4.3 演繹推理和歸納推理
4.4.4 精確推理和不精確推理
4.5 知識庫
4.5.1 設(shè)計初始知識庫
4.5.2 知識庫的建立
4.5.3 知識庫的管理和維護
習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 概述
5.1.1 神經(jīng)網(wǎng)絡(luò)簡介
5.1.2 神經(jīng)網(wǎng)絡(luò)發(fā)展歷史
5.1.3 神經(jīng)網(wǎng)絡(luò)的特點
5.2 神經(jīng)網(wǎng)絡(luò)模型及學(xué)習(xí)方法
5.2.1 神經(jīng)網(wǎng)絡(luò)模型
5.2.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
5.3 前向神經(jīng)網(wǎng)絡(luò)
5.3.1 前向神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)
5.3.2 前饋型BP網(wǎng)絡(luò)
5.3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
5.3.4 前饋神經(jīng)網(wǎng)絡(luò)的泛化
5.4 反饋神經(jīng)網(wǎng)絡(luò)
5.4.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
5.4.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
5.4.3 Hopfield網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
5.5 自組織神經(jīng)網(wǎng)絡(luò)
5.5.1 網(wǎng)絡(luò)的拓撲結(jié)構(gòu)
5.5.2 SOM網(wǎng)絡(luò)的原理及其算法
習(xí)題
第6章 遺傳算法
6.1 遺傳算法概述
6.1.1 遺傳算法簡介
6.1.2 遺傳算法發(fā)展簡史
6.1.3 遺傳算法的特點
6.2 基本遺傳算法
6.2.1 遺傳算法的基本原理
6.2.2 遺傳算法的設(shè)計與實現(xiàn)
6.2.3 遺傳算法運行參數(shù)的選擇
6.2.4 函數(shù)尋優(yōu)實例
6.3 遺傳算法的數(shù)學(xué)基礎(chǔ)
6.3.1 模式定理
6.3.2 積木塊假設(shè)
6.4 遺傳算法的改進
6.4.1 早熟現(xiàn)象
6.4.2 自適應(yīng)遺傳算法
6.4.3 小生境技術(shù)
習(xí)題
第7章 智能控制系統(tǒng)應(yīng)用
7.1 LF爐復(fù)合智能控制系統(tǒng)設(shè)計
7.1.1 工藝介紹
7.1.2 電極升降智能控制系統(tǒng)
7.1.3 成分自適應(yīng)預(yù)測推理系統(tǒng)
7.1.4 系統(tǒng)運行結(jié)果
7.2 燒透點遞階智能控制系統(tǒng)
7.2.1 工藝描述
7.2.2 研究現(xiàn)狀
7.2.3 遞階系統(tǒng)的優(yōu)化算法
7.2.4 預(yù)測模型建立
7.2.5 隸屬函數(shù)對控制性能作用
7.2.6 開發(fā)階段
7.2.7 系統(tǒng)框架設(shè)計
7.2.8 燒透點預(yù)測系統(tǒng)與模糊控制聯(lián)調(diào)
參考文獻