智能控制原理與應用(第4版)

作者：蔡自興//余伶俐//肖曉明|責編:曾珊
出版社：清華大學
ISBN：9787302670841

出版日期：2024/10/01
裝幀：平裝
頁數：390

人民幣：RMB 79 元售價：元

內容大鋼

    本書內容包括智能控制概述、基於知識的智能控制、基於數據的智能控制、知識與數據複合智能控制、智能控制的演算法與編程、智能控制的計算能力和智能控制的應用等。
    全書共15章。第1章是概論，介紹智能控制的產生、作用和發展歷史，敘述智能控制的定義、特點與一般結構，探討智能控制的學科結構理論、學科體系與系統分類。此後內容分成5篇。第一篇講述基於知識的智能控制，包括第2?5章，分別介紹遞階控制系統、專家控制系統、模糊控制系統和分散式控制系統。第二篇講述基於數據的智能控制，包括第6?9章，分別介紹神經控制系統、進化控制系統、免疫控制系統和網路控制系統。第三篇講述知識與數據複合智能控制，包括第10?13章，分別介紹學習控制系統、仿人控制、自然語言控制和複合智能控制。第四篇講述智能控制的演算法與編程，包括第14章，介紹智能控制演算法編程實現與深度學習開源框架。第五篇講述智能控制的計算能力，包括第15章，介紹智能控制的算力及架構。
    本書是相關專業本科生和研究生學習智能控制的優秀教材，也是從事智能控制研究與開發人員進行相關項目研究的綜合手冊和實用指南。

作者介紹

蔡自興//余伶俐//肖曉明|責編:曾珊
蔡自興，IEEE院士和IEEE終身院士（Fellow）、國際導航與運動控制科學院院士、紐約科學院院士、聯合國專家，中南大學信息科學與工程學院教授、博士生導師，湖南省自興人工智慧研究院首席科學家。首屆全國高校國家級教學名師獎、吳文俊人工智慧科技獎成就獎、徐特立教育獎、寶鋼全國優秀教師獎特等獎獲得者。歷任第八屆湖南省政協副主席和全國政協第九屆和第十屆委員會委員，兼任中國人工智慧學會副理事長及智能機器人專業委員會創會主任、IEEE計算智能學會評獎委員會委員和IEEE CIS進化計算技術委員會委員等。已在國內外編著出版專著和教材50多部（版），發表論文1000余篇，他引數萬次。主持國家級精品課程、精品資源共享課程、國家級教學團隊等國家教育部質量工程項目8項。是我國人工智慧、智能控制、機器人學諸學科的學術帶頭人之一，被譽為「中國人工智慧教育第一人」「中國智能機器人學科創始人」「中國智能控制奠基者」。

  第1章  概論
    1.1  智能控制的產生與發展
      1.1.1  自動控制的機遇與挑戰
      1.1.2  智能控制的發展和作用
    1.2  中國智能控制發展簡史
      1.2.1  我國智能控制科技成果
      1.2.2  我國智能控制教育與人才培養
      1.2.3  我國智能控制存在的問題
    1.3  智能控制的定義、特點與一般結構
      1.3.1  智能控制的定義、特點與評價準則
      1.3.2  智能控制器的一般結構
    1.4  智能控制的學科結構理論
      1.4.1  二元交集結構理論
      1.4.2  三元交集結構理論
      1.4.3  四元交集結構理論
    1.5  智能控制的學科體系
      1.5.1  人工智慧的學科體系
      1.5.2  智能控制的學科體系
    1.6  本書概要
    1.7  本章小結
    習題1
第一篇  基於知識的智能控制
  第2章  遞階控制系統
    2.1  遞階智能機器的一般理論
      2.1.1  遞階智能機器的一般結構
      2.1.2  遞階智能機器的資訊理論基礎
      2.1.3  IPDI原理的解析公式
    2.2  遞階智能控制系統的原理與結構
      2.2.1  組織級原理與結構
      2.2.2  協調級原理與結構
      2.2.3  執行級原理與結構
    2.3  遞階智能控制系統舉例
      2.3.1  汽車自主駕駛系統的組成
      2.3.2  汽車自主駕駛系統的遞階結構
      2.3.3  自主駕駛系統的軟體結構與控制演算法
      2.3.4  自主駕駛系統的試驗結果
    2.4  小結
    習題2
  第3章  專家控制系統
    3.1  專家系統的基本概念
      3.1.1  專家系統的定義與一般結構
      3.1.2  專家系統的建造步驟
    3.2  專家系統的主要類型與結構
      3.2.1  基於規則的專家系統
      3.2.2  基於框架的專家系統
      3.2.3  基於模型的專家系統
    3.3  專家控制系統的結構與設計
      3.3.1  專家控制系統的結構
      3.3.2  專家控制系統的控制要求與設計原則
      3.3.3  專家控制系統的設計問題

    3.4  專家控制系統應用舉例
      3.4.1  實時控制系統的特點與要求
      3.4.2  高爐監控專家系統
    3.5  小結
    習題3
  第4章  模糊控制系統
    4.1  模糊數學基礎
      4.1.1  模糊集合及其運算
      4.1.2  模糊關係與模糊變換
      4.1.3  模糊邏輯語言
    4.2  模糊推理與模糊判決
      4.2.1  模糊推理
      4.2.2  模糊判決
    4.3  模糊控制系統原理與結構
      4.3.1  模糊控制原理
      4.3.2  模糊控制系統的原理結構
    4.4  模糊控制器的設計內容
      4.4.1  模糊控制器的設計內容與原則
      4.4.2  模糊控制器的控制規則形式
    4.5  模糊控制系統的設計方法
      4.5.1  模糊系統設計的查表法
      4.5.2  模糊系統設計的梯度下降法
      4.5.3  模糊系統設計的遞推最小二乘法
      4.5.4  模糊系統設計的聚類法
    4.6  模糊控制器的設計實例與實現
      4.6.1  造紙機模糊控制系統的設計與實現
      4.6.2  直流調速系統模糊控制器的設計
    4.7  小結
    習題4
  第5章  分散式控制系統
    5.1  分散式人工智慧與真體
      5.1.1  分散式人工智慧
      5.1.2  真體及其特性
      5.1.3  真體的結構
    5.2  多真體系統
      5.2.1  多真體系統的模型和結構
      5.2.2  多真體系統的協作、協商和協調
      5.2.3  多真體系統的學習與規劃
    5.3  多真體控制系統的工作原理
      5.3.1  MAS控制系統的基本原理和結構
      5.3.2  MAS控制系統的信息模型
    5.4  MAS控制系統的設計示例
    5.5  小結
    習題5
第二篇  基於數據的智能控制
  第6章  神經控制系統
    6.1  人工神經網路概述
      6.1.1  神經元及其特性
      6.1.2  人工神經網路的基本類型和學習演算法
      6.1.3  人工神經網路的典型模型

      6.1.4  基於神經網路的知識表示與推理
    6.2  深層神經網路與深度學習
      6.2.1  深層神經網路
      6.2.2  深度學習的定義與特點
      6.2.3  深度學習的常用模型
      6.2.4  深度學習應用舉例
    6.3  神經控制的結構方案
      6.3.1  NN學習控制
      6.3.2  NN直接逆模控制與內模控制
      6.3.3  NN自適應控制
      6.3.4  NN預測控制
      6.3.5  基於CMAC的控制
      6.3.6  多層NN控制和深度控制
      6.3.7  分級NN控制
    6.4  神經控制系統的設計與應用示例
      6.4.1  石灰窯爐神經內模控制系統的設計
      6.4.2  神經模糊自適應控制器的設計
      6.4.3  神經控制系統應用舉例
    6.5  小結
    習題6
  第7章  進化控制系統
    7.1  遺傳演算法簡介
      7.1.1  遺傳演算法的基本原理
      7.1.2  遺傳演算法的求解步驟
    7.2  進化控制基本原理
      7.2.1  進化控制原理與系統結構
      7.2.2  進化控制的形式化描述
    7.3  進化控制系統示例
      7.3.1  一種在線混合進化伺服控制器
      7.3.2  一個移動機器人進化控制系統
    7.4  小結
    習題7
  第8章  免疫控制系統
    8.1  免疫演算法和人工免疫系統原理
      8.1.1  免疫演算法的提出和定義
      8.1.2  免疫演算法的步驟和框圖
      8.1.3  人工免疫系統的結構
      8.1.4  免疫演算法的設計方法和參數選擇
    8.2  免疫控制基本原理
      8.2.1  免疫控制的系統結構
      8.2.2  免疫控制的自然計算體系和系統計算框圖
    8.3  免疫控制系統示例
      8.3.1  擾動抑制和最優控制器的性能指標
      8.3.2  基於免疫演算法的擾動抑制問題
      8.3.3  選擇最優參數的計算步驟
      8.3.4  免疫反饋規則與免疫反饋控制器的設計
    8.4  小結
    習題8
  第9章  網路控制系統
    9.1  網路控制系統的結構與特點

      9.1.1  網路控制系統的一般原理與結構
      9.1.2  網路控制系統的特點與影響因素
    9.2  網路控制系統的建模與性能評價標準
      9.2.1  網路控制系統的建模
      9.2.2  網路控制系統的性能評價標準
    9.3  網路控制系統穩定性與控制器設計方法
      9.3.1  網路控制系統的穩定性
      9.3.2  網路控制系統的控制器設計方法
    9.4  網路控制系統的調度
      9.4.1  網路控制系統的調度方法
      9.4.2  網路控制系統調度的時間參數
    9.5  網路控制系統的模擬與工程實現
      9.5.1  網路控制系統的模擬平台
      9.5.2  網路控制系統的工程實現
    9.6  網路控制系統的應用舉例
      9.6.1  煙草包裝的網路測控系統
      9.6.2  熱電廠集散控制系統
    9.7  小結
    習題9
第三篇  知識與數據複合智能控制
  第10章  學習控制系統
    10.1  學習控制概述
      10.1.1  學習控制的定義與研究意義
      10.1.2  學習控制的發展及其與自適應控制的關係
      10.1.3  控制律映射及對學習控制的要求
    10.2  學習控制方案
      10.2.1  基於模式識別的學習控制
      10.2.2  迭代學習控制
      10.2.3  重複學習控制
      10.2.4  增強學習控制
      10.2.5  基於神經網路的學習控制
    10.3  學習控制系統應用舉例
      10.3.1  無縫鋼管張力減徑過程壁厚控制迭代學習控制演算法
      10.3.2  鋼管壁厚迭代學習控制的模擬及應用結果
    10.4  小結
    習題10
  第11章  仿人控制
    11.1  仿人控制基本原理與原型演算法
      11.1.1  仿人控制的基本原理
      11.1.2  仿人控制的原型演算法和智能屬性
    11.2  仿人控制的特徵模型和決策模態
      11.2.1  仿人控制的特徵模式與特徵辨識
      11.2.2  仿人控制的多模態控制
    11.3  仿人控制器的設計與實現
      11.3.1  仿人控制系統的設計依據
      11.3.2  仿人智能控制器設計與實現的一般步驟
    11.4  仿人控制器的設計與實現示例
      11.4.1  小車?單擺系統仿人控制器的設計
      11.4.2  小車?單擺系統仿人控制器的實現
    11.5  小結

    習題11
  第12章  自然語言控制
    12.1  自然語言控制的發展和定義
      12.1.1  自然語言處理的發展和文本表示方式
      12.1.2  自然語言控制的定義
    12.2  自然語言控制的步驟及流程框圖
    12.3  自然語言控制系統的設計
    12.4  自然語言控制系統示例
      12.4.1  基於ChatGPT的機器人控制系統
      12.4.2  基於自然語言處理的工業機器人自動編程
    12.5  小結
    習題12
  第13章  複合智能控制
    13.1  複合智能控制概述
    13.2  模糊神經複合控制原理
    13.3  自學習模糊神經控制系統
      13.3.1  自學習模糊神經控制模型
      13.3.2  自學習模糊神經控制演算法
      13.3.3  弧焊過程自學習模糊神經控制系統
    13.4  專家模糊複合控制器
      13.4.1  專家模糊控制系統的結構
      13.4.2  專家模糊控制系統示例
    13.5  進化模糊複合控制器
      13.5.1  控制器設計步驟和參數優化方法
      13.5.2  解釋（編碼）函數的設計
      13.5.3  規則編碼
      13.5.4  初始種群和適應度函數的計算
      13.5.5  直流電動機GA優化模糊速度控制系統
      13.5.6  進化、模糊和神經複合的故障診斷系統設計
    13.6  小結
    習題13
第四篇  智能控制的演算法與編程
  第14章  智能控制演算法編程實現與深度學習開源框架
    14.1  智能控制演算法的定義、特點與分類
      14.1.1  智能控制演算法的定義與特點
      14.1.2  智能控制演算法的分類
    14.2  智能控制演算法的MATLAB模擬設計與實現
      14.2.1  MATLAB模糊控制工具箱
      14.2.2  基於模糊邏輯工具箱的模糊控制器
      14.2.3  模糊控制系統的Simulink模擬
      14.2.4  MATLAB神經網路工具箱及其模擬
      14.2.5  神經控制演算法的MATLAB模擬程序設計與實現
      14.2.6  模糊控制與神經網路控制的實驗
    14.3  Python語言
      14.3.1  Python簡介
      14.3.2  Python的基本語法與功能
    14.4  基於Python的深度學習框架設計
      14.4.1  深度學習框架的發展
      14.4.2  深度學習開源框架的比較
      14.4.3  深度學習框架基本功能

      14.4.4  基於Python的深度學習演算法應用實例分析
    14.5  小結
    習題14
第五篇  智能控制的計算能力
  第15章  智能控制的算力及架構
    15.1  智能算力的定義與分類
      15.1.1  智能算力的定義
      15.1.2  智能算力和晶元的分類
    15.2  智能晶元的發展
      15.2.1  智能晶元的發展簡史
      15.2.2  智能晶元的發展態勢
    15.3  智能控制算力網路
      15.3.1  智能算力網路的定義和特徵
      15.3.2  智能算力網路的基本架構和工作機制
      15.3.3  智能算力網路的關鍵技術
      15.3.4  智能算力網路的應用示例
    15.4  普適智能算力網路
      15.4.1  普適智能算力網路的基本架構
      15.4.2  普適智能算力網路的應用示例
    15.5  智能控制算力的研究與應用概況
    15.6  小結
    習題15
參考文獻

同類熱銷排行榜

最近瀏覽的商品

智能控制原理與應用(第4版)