本書系統(tǒng)地介紹智能控制的基本內(nèi)容，全書共6章，主要包括智能控制概述、模糊邏輯理論基礎(chǔ)、模糊控制、神經(jīng)網(wǎng)絡(luò)原理、神經(jīng)網(wǎng)絡(luò)控制、遺傳算法、粒子群算法、量子進(jìn)化算法，以及智能控制的Matlab仿真程序設(shè)計(jì)，并給出了智能控制的應(yīng)用實(shí)例。
王從慶：南京航空航天大學(xué)自動化學(xué)院教授。長期從事智能控制與模式識別的研究與教學(xué)工作，培養(yǎng)碩士研究生50余名，承擔(dān)并完成國家自然科學(xué)基金、江蘇省科技支撐項(xiàng)目等多項(xiàng)科研項(xiàng)目，分別在科學(xué)出版社和哈爾濱工業(yè)大學(xué)出版社出版“十五”研究生規(guī)劃教材《智能控制與應(yīng)用》（姜長生、王從慶、陳謀、魏海坤編著）和《現(xiàn)代魯棒控制基礎(chǔ)》（姜長生、吳慶憲、陳文華、王從慶編著），發(fā)表學(xué)術(shù)論文60余篇，申請國家專利6項(xiàng)，已授權(quán)2項(xiàng)，軟件著作登記3件，獲得省部級獎2項(xiàng)。在科學(xué)出版社出版《現(xiàn)代控制控制理論》電子版輔助教材一套，《智能控制》課件獲江蘇省第二屆多媒體教學(xué)課件競賽二等獎。 承擔(dān)本科生《智能控制》主講教師、碩士研究生和博士研究生《智能控制理論與應(yīng)用》主講教師，是教育部自動控制原理教學(xué)團(tuán)隊(duì)主要成員。
第1章緒論
1．1智能控制的提出和發(fā)展
1．2智能控制的基本概念
1．2．1智能控制的理論框架
1．2．2 智能控制的定義
1．3智能控制的主要形式
1．4智能控制系統(tǒng)的研究對象
1．5智能控制系統(tǒng)的主要功能特點(diǎn)
1．6智能控制研究的數(shù)學(xué)工具
1．7 智能控制的應(yīng)用
習(xí)題
第2章 模糊邏輯理論基礎(chǔ)
2．1普通集合理論
2．1．1集合的概念
2．1．2集合的表示方法
2．1．3子集、真子集、空集、全集概念
2．1．4集合的運(yùn)算及運(yùn)算性質(zhì)
2．1．5 集合的直積
2．1．6 映射與關(guān)系
2．2 模糊集合
2．2．1模糊子集的定義及表示
2．2．2模糊集合的表示方法
2．2．3模糊子集的基本運(yùn)算及其性質(zhì)
2．3 水平截集
2．3．1 水平截集的定義及性質(zhì)
2．4 分解定理和擴(kuò)張?jiān)?
2．4．1分解定理
2．4．2擴(kuò)張?jiān)?
2．5 隸屬函數(shù)的確定方法
2．5．1確定隸屬函數(shù)的方法
2．5．2 常見的隸屬函數(shù)
2．6 模糊關(guān)系與模糊矩陣
2．6．1 模糊關(guān)系的定義及表示方法
2．6．2 模糊矩陣
2．6．3 模糊矩陣的合成運(yùn)算及性質(zhì)
2．6．4模糊向量
2．7 模糊邏輯與模糊推理
2．7．1 模糊邏輯
2．7．2模糊語言
2．7．3 模糊語言變量
2．7．4 模糊推理語句
2．8 模糊推理方法
2．8．1似然推理
2．8．2幾種模糊推理方法
2．8．3多輸入多規(guī)則模糊推理方法
2．8．4單點(diǎn)輸入模糊推理方法
2．8．5 Tsukamoto模糊推理方法
2．8．6 Sugeno模糊推理方法
習(xí)題
第3章 模糊控制
3．1 模糊控制系統(tǒng)
3．1．1模糊控制系統(tǒng)的組成
3．1．2模糊控制系統(tǒng)的基本原理
3．2 模糊控制器的設(shè)計(jì)
3．2．1模糊控制器結(jié)構(gòu)
3．2．2模糊控制規(guī)則
3．2．3 精確量和模糊量的相互轉(zhuǎn)換
3．2．4論域、量化因子、比例因子的選擇
3．2．5一個簡單的模糊控制器的設(shè)計(jì)
3．3 模糊控制查詢表
3．3．1 模糊控制查詢表設(shè)計(jì)方法
3．3．2模糊控制算法的計(jì)算機(jī)實(shí)現(xiàn)
3．4 PID模糊控制器
3．4．1 PID控制原理
3．4．2 模糊自適應(yīng)整定PID控制器設(shè)計(jì)
3．5模糊控制的應(yīng)用實(shí)例
3．5．1機(jī)械臂的模糊控制
3．6模糊控制系統(tǒng)Matlab設(shè)計(jì)
3．6．1 隸屬函數(shù)與模糊控制規(guī)則設(shè)計(jì)
3．6．2 基于Simulink的模糊控制系統(tǒng)設(shè)計(jì)
習(xí)題
第4章 神經(jīng)網(wǎng)絡(luò)原理
4．1引言
4．2基本概念
4．3 感知器
4．4 BP神經(jīng)網(wǎng)絡(luò)
4．4．1 BP神經(jīng)網(wǎng)絡(luò)原理
4．4．2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
4．4．3 BP神經(jīng)網(wǎng)絡(luò)的MATLAB程序設(shè)計(jì)
4．5 RBF神經(jīng)網(wǎng)絡(luò)
4．6 Hopfield 神經(jīng)網(wǎng)絡(luò)
4．6．1離散型Hopfield神經(jīng)網(wǎng)絡(luò)
4．6．2連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
4．7 支持向量機(jī)網(wǎng)絡(luò)
4．7．1線性支持向量機(jī)
4．7．2支持向量機(jī)的高維映射
4．7．3支持向量機(jī)回歸
習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)控制
5．1 神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)
5．2 神經(jīng)網(wǎng)絡(luò)自校正控制
5．3 神經(jīng)網(wǎng)絡(luò)PID控制
5．4 神經(jīng)網(wǎng)絡(luò)參考模型自適應(yīng)控制的Matlab仿真
5．5 基于SVM非線性估計(jì)的空間機(jī)械臂自適應(yīng)滑模控制
習(xí)題
第6章 計(jì)算智能
6．1遺傳算法
6．1．1遺傳算法的基本原理
6．1．2遺傳算法的實(shí)現(xiàn)過程
6．1．3遺傳算法的實(shí)現(xiàn)方法
6．1．4遺傳算法的模式定理
6．1．5遺傳算法的應(yīng)用
6．2 粒子群算法
6．2．1 粒子群算法
6．2．2 粒子群算法原理
6．2．3粒子群算法流程
6．2．4 基本粒子群算法的缺點(diǎn)
6．2．5 算例
6．3 量子進(jìn)化算法
6．3．1量子進(jìn)化算法
6．3．2量子進(jìn)化算法原理
6．3．3量子進(jìn)化算法設(shè)計(jì)
6．3．4量子進(jìn)化算法在蘋果糖度漫透射近紅外光譜分析中的應(yīng)用
習(xí)題
參考文獻(xiàn)
新書資訊