智能控制（第2版）

第1章 概論
1.1 人工智能
1.1.1 人工智能的定義與發(fā)展
1.1.2 人類智能與人工智能
1.1.3 人工智能的各種認知觀
1.2 智能控制的進展
1.2.1 自動控制的機遇與挑戰(zhàn)
1.2.2 自動化與人工智能
1.2.3 智能控制的發(fā)展
1.3 智能控制的定義、特點與結構理論
1.3.1 智能控制的定義與特點
1.3.2 智能控制器的一般結構
1.4 智能控制的結構理論
1.4.1 二元結構理論
1.4.2 三元結構理論
1.4.3 四元結構理論
1.5 本章概要
習題1
第2章 知識表示方法
2.1 狀態(tài)空間法
2.1.1 問題狀態(tài)描述
2.1.2 狀態(tài)圖示法
2.2 問題歸約法
2.2.1 問題歸約描述
2.2.2 與或圖表示
2.3 謂詞邏輯法
2.3.1 謂詞演算
2.3.2 謂詞公式
2.3.3 置換與合一
2.4 語義網絡法
2.4.1 二元語義網絡的表示
2.4.2 多元語義網絡的表示
2.4.3 語義網絡的推理過程
2.5 框架表示
2.5.1 框架的構成
2.5.2 框架的推理
2.6 劇本表示
2.6.1 劇本的構成
2.6.2 劇本的推理
2.7 過程表示
2.8 小結
習題2
第3章 搜索推理技術
3.1 圖搜索策略
3.2 盲目搜索
3.2.1 寬度優(yōu)先搜索
3.2.2 深度優(yōu)先搜索
3.2.3 等代價搜索
3.3 啟發(fā)式搜索
3.3.1 啟發(fā)式搜索策略和估價函數(shù)
3.3.2 有序搜索
3.3.3 A*算法
3.4 消解原理
3.4.1 子句集的求取
3.4.2 消解推理規(guī)則
3.4.3 含有變量的消解式
3.4.4 消解反演求解過程
3.5 規(guī)則演繹系統(tǒng)
3.5.1 規(guī)則正向演繹系統(tǒng)
3.5.2 規(guī)則逆向演繹系統(tǒng)
3.5.3 規(guī)則雙向演繹系統(tǒng)
3.6 產生式系統(tǒng)
3.6.1 產生式系統(tǒng)的組成
3.6.2 產生式系統(tǒng)的推理
3.6.3 產生式系統(tǒng)舉例
3.7 系統(tǒng)組織技術
3.7.1 議程表
3.7.2 黑板法
3.7.3 △-極小搜索法
3.8 不確定性推理
3.8.1 關于證據(jù)的不確定性
3.8.2 關于結論的不確定性
3.8.3 多個規(guī)則支持同一事實時的不確定性
3.9 非單調推理
3.9.1 默認推理
3.9.2 非單調推理系統(tǒng)
3.10 小結
習題3
第4章 遞階控制系統(tǒng)
4.1 遞階智能機器的一般理論
4.1.1 遞階智能機器的一般結構
4.1.2 遞階智能機器的主要定義
4.1.3 IPDI原理的解析公式
4.2 遞階智能控制系統(tǒng)的結構
4.2.1 組織級的結構
4.2.2 協(xié)調級的結構
4.2.3 執(zhí)行級的結構
4.3 智能機器人系統(tǒng)的遞階控制模型
4.3.1 組織級的控制模型
4.3.2 協(xié)調級的控制模型
4.3.3 執(zhí)行級的控制模型
4.4 遞階智能控制系統(tǒng)示例
4.4.1 智能機器人遞階裝配系統(tǒng)
4.4.2 核反應堆的遞階控制
4.5 四層遞階控制系統(tǒng)舉例
4.5.1 紅旗自主車駕駛系統(tǒng)的組成
4.5.2 汽車自主駕駛控制系統(tǒng)的四層遞階結構
4.5.3 駕駛控制系統(tǒng)的結構與算法
4.5.4 自主駕駛系統(tǒng)高速公路試驗
4.6 小結
習題4
第5章 專家控制系統(tǒng)
5.1 專家系統(tǒng)
5.1.1 專家系統(tǒng)的特點
5.1.2 專家系統(tǒng)的結構與類型
5.1.3 建筑專家系統(tǒng)的步驟與設計技巧
5.1.4 新型專家系統(tǒng)
5.2 專家控制系統(tǒng)
5.2.1 專家控制系統(tǒng)的控制要求與設計原則
5.2.2 專家控制系統(tǒng)的結構
5.2.3 專家控制系統(tǒng)的類型
5.2.4 專家控制器示例
5.3 專家規(guī)劃器的設計與實現(xiàn)
5.3.1 規(guī)劃系統(tǒng)結構和機理
5.3.2 ROPES機器人規(guī)劃系統(tǒng)
5.4 實時專家控制系統(tǒng)
5.4.1 實時控制系統(tǒng)的特點與要求
5.4.2 REICS系統(tǒng)的結構
5.4.3 REICS的設計與實現(xiàn)
5.4.4 REICS系統(tǒng)的仿真與應用
5.5 小結
習題5
第6章 模糊控制系統(tǒng)
6.1 模糊控制的數(shù)學基礎
6.1.1 模糊集合、模糊邏輯及其運算
6.1.2 模糊邏輯推理
6.1.3 模糊判決方法
6.2 模糊控制器的結構
6.2.1 模糊控制器的一般結構
6.2.2 PID模糊控制器
6.2.3 自組織模糊控制器
6.2.4 自校正模糊控制器
6.2.5 自學習模糊控制器
6.2.6 專家模糊控制器
6.3 模糊控制器的設計
6.3.1 模糊控制器的設計內容與原則
6.3.2 模糊控制器的控制規(guī)則形式
6.4 模糊控制系統(tǒng)的設計方法
6.4.1 查表法
6.4.2 梯度下降法
6.4.3 遞推最小二乘法
6.4.4 聚類法
6.4.5 模糊系統(tǒng)設計的其他方法
6.5 模糊控制器的設計實例
6.5.1 造紙機模糊控制系統(tǒng)的設計
6.5.2 直流調速系統(tǒng)模糊控制器的設計
6.6 模糊控制器的特性
6.6.1 模糊控制器的靜態(tài)特性
6.6.2 模糊控制器的動態(tài)品質
6.6.3 模糊控制系統(tǒng)的可控性
6.6.4 模糊控制系統(tǒng)的魯棒性
6.6.5 一類模糊控制系統(tǒng)在定向干擾下的可控性與魯棒性
6.7 模糊控制系統(tǒng)應用舉例
6.7.1 雙支撐狀態(tài)的兩足機器人力控制問題
6.7.2 模糊變增益力控制原理
6.7.3 兩足機器人控制的實現(xiàn)與結果
6.8 小結
習題6
第7章 神經控制系統(tǒng)
7.1 神經網絡簡介
7.1.1 人工神經網絡研究的起源
7.1.2 用于控制的人工神經網絡
7.2 人工神經網絡的結構
7.2.1 神經元及其特性
7.2.2 人工神經網絡的基本類型
7.2.3 人工神經網絡的典型模型
7.3 人工神經網絡示例及其算法
7.3.1 多層感知器（MLP）
7.3.2 數(shù)據(jù)群處理方法（GMDH）網絡
7.3.3 自適應諧振理論（ART）網絡
7.3.4 學習矢量量化（LVQ）網絡
7.3.5 Kohonen網絡
7.3.6 Hopfield網絡
7.3.7 Elman and Jordan網絡
7.3.8 小腦模型連接控制（CMAC）網絡
7.4 神經控制的結構方案
7.4.1 NN學習控制
7.4.2 NN直接逆控制
7.4.3 NN自適應控制
7.4.4 NN內?？刂?br />7.4.5 NN預測控制
7.4.6 NN自適應判斷控制
7.4.7 基于CAMC控制
7.4.8 多層NN控制
7.4.9 分級NN控制
7.5 模糊邏輯、專家系統(tǒng)及神經網絡在控制中的集成
7.5.1 模糊神經網絡原理
7.5.2 模糊神經控制方案
7.6 神經控制器的設計實例
7.6.1 石灰窯神經內?？刂葡到y(tǒng)的設計
7.6.2 神經模糊自適應控制器的設計
7.7 神經控制系統(tǒng)應用舉例
7.7.1 水輪發(fā)電機雙神經元同步控制系統(tǒng)
7.7.2 高速列車運行過程的直接模糊神經控制
7.8 小結
習題7
第8章 學習控制系統(tǒng)
8.1 學習控制概述
8.1.1 什么是學習控制
8.1.2 為什么要研究學習控制
8.1.3 學習控制的發(fā)展
8.2 學習控制方案
8.2.1 基于模式識別的學習控制
8.2.2 反復學習控制
8.2.3 重復學習控制
8.2.4 基于神經網絡的學習控制
8.3 學習控制的某些問題
8.3.1 學習控制系統(tǒng)的建模
8.3.2 學習控制的穩(wěn)定性和收斂性分析
8.4 學習控制系統(tǒng)舉例
8.4.1 自學習模糊神經控制模型
8.4.2 自學習模糊神經控制算法
8.4.3 弧焊過程自學習模糊神經控制系統(tǒng)
8.5 小結
習題8
第9章 其他智能控制
9.1 仿人控制
9.1.1 仿人控制原理與原型算法
9.1.2 仿人控制器的屬性與設計步驟
9.2 進化控制
9.2.1 遺傳算法的基本原理
9.2.2 遺傳算法的求解步驟
9.2.3 進化控制及其形式化描述
9.2.4 移動機器人進化控制系統(tǒng)的體系結構和算法
9.3 免疫控制
9.3.1 免疫算法的提出和定義
9.3.2 免疫算法的設計方法和參數(shù)選擇
9.3.3 免疫控制的系統(tǒng)結構和計算框圖
9.3.4 免疫控制系統(tǒng)示例
9.4 小結
習題9
第10章 智能控制的應用與研究展望
10.1 智能控制的應用研究領域與現(xiàn)狀
10.2 智能控制應用研究存在的問題
10.3 智能控制的進一步研究問題
10.3.1 智能控制將起越來越重要的作用
10.3.2 智能控制的進一步研究問題
10.4 展望智能控制的發(fā)展
10.4.1 尋求更新的理論框架
10.4.2 進行更好的技術集成
10.4.3 開發(fā)更成熟的應用方法
10.5 結束語
習題10
參考文獻