智能控制系统及其应用/“十二五”国家重点图书出版规划项目·中国科学技术大学精品教材 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

丛爽 著

图书标签:

• 智能控制
• 控制系统
• 自动化
• 电气工程
• 计算机科学
• 机器人
• 系统工程
• 控制理论
• 应用技术
• 教材

出版社： 中国科学技术大学出版社

ISBN：9787312033025

版次：1

商品编码：11315876

包装：平装

开本：16开

出版时间：2013-08-01

用纸：胶版纸

页数：271

字数：443000

正文语种：中文

内容简介

　　智能控制理论是继经典控制理论和现代控制理论之后出现的一个先进的控制理论。它是在众多学科不断发展以及交叉应用的基础上发展成长起来的，并且还在不断成长。
　　《智能控制系统及其应用/“十二五”国家重点图书出版规划项目·中国科学技术大学精品教材》主要内容包括：人工神经网络、模糊逻辑推理系统、模糊神经网络、进化算法和群智能优化算法及其应用五大部分。作者在介绍神经网络理论与模糊集合理论的基础上，对人工神经网络与模糊逻辑控制系统的设计及其应用，以及两者之间的相互关系和相互结合，进行了较深层次上的理论分析与综合，并结合进化算法在控制系统中的建模与控制的各种实际应用以及群智能优化算法及其在中国旅行商问题中优化的应用，使读者能够从中了解和掌握运用模糊神经系统的理论与技术，以及运用智能优化理论与技术进行实际系统设计的方法。
　　《智能控制系统及其应用/“十二五”国家重点图书出版规划项目·中国科学技术大学精品教材》选材新颖，材料翔实，系统性强，通俗易懂。既有理论分析与综合，又有实际系统的设计与应用。
　　《智能控制系统及其应用/“十二五”国家重点图书出版规划项目·中国科学技术大学精品教材》既可作为高校自动化专业、机械专业、电力电气专业、计算机科学与应用专业及其他相关专业的研究生教学用书，也可供从事智能科学、系统科学、计算机科学、应用数学、自动控制等领域研究的广大科技人员阅读和参考。

内页插图

目录

总序
前言

第1章 概述
1.1 自动控制系统及其理论的发展历程
1.2 智能控制系统及其理论
1.2.1 智能控制理论
1.2.2 智能控制系统的基本功能特点
1.2.3 智能控制技术的应用
1.3 智能控制与传统控制的比较分析
1.3.1 传统控制的特点与不足
1.3.2 智能控制与传统控制的关系
1.4 智能优化算法
1.5 本书内容

第2章 前向神经网络
2.1 感知器网络
2.1.1 感知器的网络结构及其功能
2.1.2 感知器权值的学习规则与训练
2.2 自适应线性元件
2.2.1 自适应线性神经元模型和结构
2.2.2 W-H学习规则及其网络的训练
2.3 反向传播网络
2.3.1 反向传播法网络模型与结构
2.3.2 BP算法
2.3.3 BP网络的设计
2.3.4 BP网络的限制与不足
2.4 径向基函数网络
2.4.1 径向基函数网络结构
2.4.2 网络训练与设计
2.4.3 广义径向基函数网络

第3章 网络训练优化算法及其性能对比
3.1 基于标准梯度下降的方法
3.1.1 附加动量法
3.1.2 自适应学习速率
3.1.3 弹性BP算法
3.2 基于数值优化方法的网络训练算法
3.2.1 拟牛顿法
3.2.2 共轭梯度法
3.2.3 Levenberg-Marquardt法
3.3 前向网络的数值性能对比
3.3.1 非线性函数的逼近
3.3.2 逼近非线性直流电机的输入／输出特性

第4章 递归神经网络
4.1 各种递归神经网络
4.1.1 全局反馈型递归神经网络
4.1.2 前向递归神经网络
4.1.3 混合型网络
4.1.4 小结
4.2 全局反馈递归网络
4.2.1 海布学习规则
4.2.2 正交化的权值设计
4.2.3 离散型反馈网络的稳定点与稳定域
4.3 连续型霍普菲尔德网络
4.3.1 对应于电子电路的网络结构
4.3.2 霍普菲尔德能量函数及其稳定性分析
4.3.3 能量函数与优化计算
4.4 自组织竞争网络
4.4.1 网络结构
4.4.2 竞争学习规则
4.4.3 竞争网络的训练过程
4.5 科荷伦自组织映射网络
4.5.1 科荷伦网络拓扑结构
4.5.2 网络的训练过程
4.5.3 科荷伦网络的应用

第5章 神经网络在智能控制系统中的应用
5.1 直接正向模型建立
5.2 逆模型建立
5.3 系统中的控制
5.3.1 监督式控制
5.3.2 直接逆控制
……

第6章 模糊理论基础
第7章 模糊控制器的设计方法
第8章 模糊控制系统的应用
第9章 模糊神经网络
第10章 模糊神经系统的应用
第11章 进化算法
第12章 进化算法的应用
第13章 智能优化算法及其应用

前言/序言

智能控制系统及其应用：理论、方法与实践 智能控制，作为一项集成了人工智能、计算机科学、自动化技术以及信息科学等多个学科的交叉领域，在现代工程技术和科学研究中扮演着越来越重要的角色。它致力于赋予传统控制系统“智慧”，使其能够像人类一样感知环境、进行推理、做出决策并采取行动，从而在复杂、动态、不确定甚至模糊的环境中实现更高效、更鲁棒、更优化的性能。 本书旨在系统性地阐述智能控制的核心理论、关键方法以及广泛的应用，特别关注其在应对现实世界复杂问题时的实际效能。我们将从智能控制的起源和发展脉络入手，深入剖析其与传统控制理论的异同，揭示智能控制系统之所以能够取得突破性进展的根本原因。 第一部分：智能控制的理论基础与核心概念 本部分将为读者构建理解智能控制系统的坚实理论框架。 智能控制的演进与范式转变： 我们将追溯控制理论的发展历程，从早期的PID控制、状态空间方法，到现代的鲁棒控制、自适应控制，再到如今蓬勃发展的智能控制。重点探讨智能控制如何突破传统模型依赖的局限，强调其在处理非线性、时变、耦合度高以及模型未知或难以建模的系统时的独特优势。我们将深入讨论“智能”的内涵，包括学习能力、适应能力、推理能力、决策能力等，以及它们在控制系统设计中的体现。 模糊控制理论： 模糊控制是智能控制的重要分支之一，它能够有效地处理人类经验知识和模糊概念。本节将详细介绍模糊逻辑的基础，包括模糊集合、隶属度函数、模糊规则的构建（如IF-THEN规则）、模糊推理机制（如Mamdani和Sugeno推理）以及解模糊化方法。我们将通过具体的例子，展示如何将模糊逻辑应用于控制器的设计，使其能够处理输入变量的模糊性和不确定性，从而在人工经验丰富的领域（如家电控制、交通信号控制）取得成功。 神经网络控制： 神经网络作为一种强大的函数逼近器和模式识别工具，在智能控制中发挥着至关重要的作用。本节将深入探讨各种类型的神经网络（如前馈神经网络、循环神经网络、径向基函数网络、深度神经网络）在控制领域的应用。我们将详细讲解神经网络的训练算法（如反向传播算法），以及如何利用神经网络进行系统辨识（建立系统模型）、控制器设计（直接输出控制信号）和自适应控制（根据系统变化动态调整控制器参数）。重点关注神经网络在处理非线性动力学系统、模型未知系统以及需要在线学习和适应的场景下的强大能力。 专家系统与知识工程： 专家系统是将领域专家的知识编码成计算机程序，以解决特定领域问题的技术。在本节中，我们将探讨如何构建和应用基于规则的专家系统，将其中的领域知识转化为控制策略。我们将讲解知识的表示（如产生式规则）、推理引擎的工作原理，以及如何将专家系统的推理过程融入到控制决策中。虽然专家系统的普适性可能不如模糊控制和神经网络，但在需要明确规则和逻辑推理的特定应用场景下，它仍然是智能控制的一个有力工具。 进化计算与优化方法： 进化计算，包括遗传算法（GA）、粒子群优化（PSO）、差分进化（DE）等，是受生物进化机制启发的全局搜索和优化技术。本节将详细介绍这些算法的基本原理，包括种群初始化、选择、交叉、变异等操作。我们将重点阐述如何利用进化计算来优化智能控制器的参数（如模糊控制器的隶属度函数和规则、神经网络的权值）、整定传统控制器参数，以及求解复杂的控制优化问题。这些方法在处理高维度、多模态、非凸优化问题时表现出色。 强化学习在控制中的应用： 强化学习（RL）是一种让智能体通过与环境交互来学习最优策略的方法。本节将深入介绍强化学习的基本框架，包括状态、动作、奖励、策略、价值函数等核心概念。我们将重点讲解各种经典的强化学习算法，如Q-learning、SARSA、深度Q网络（DQN）、策略梯度方法（如REINFORCE、Actor-Critic）。我们将详细阐述如何将强化学习应用于序列决策问题，如机器人路径规划、游戏AI、自动驾驶策略生成等，使其能够在没有显式模型的情况下，通过试错学习获得优异的控制性能。 第二部分：智能控制系统的设计方法与关键技术 本部分将聚焦于智能控制系统的具体设计过程和实现技术。 混合智能控制系统： 现实世界中的复杂系统往往需要多种智能控制技术的协同工作才能达到最优效果。本节将介绍如何设计和实现混合智能控制系统，例如模糊-神经网络混合系统（ANFIS）、模糊-遗传算法优化系统、神经网络-强化学习系统等。我们将探讨不同智能控制技术之间的优势互补，如何将它们的特点结合起来，以克服单一技术的局限性，实现更强大、更鲁棒的控制功能。 自适应智能控制： 系统的参数变化、环境的动态演化是许多实际控制系统面临的挑战。本节将深入探讨自适应智能控制技术，包括如何利用神经网络、模糊逻辑或强化学习实现控制器的在线参数调整和模型更新。我们将介绍自适应模糊逻辑控制器（AFLC）、自适应神经网络控制器（ANC）以及基于强化学习的自适应控制方法，使其能够实时响应系统性能的变化，并保持预期的控制效果。 模型预测控制（MPC）与智能技术的结合： 模型预测控制是一种基于模型、利用预测信息进行优化的先进控制策略。本节将探讨如何将智能技术（如神经网络、模糊逻辑）与MPC相结合，构建智能模型预测控制器。例如，利用神经网络辨识复杂系统的动态模型，或者利用模糊逻辑处理模型中的不确定性和约束。我们将分析这种结合如何提高MPC对复杂、非线性、不确定系统的处理能力，并实现更优的性能。 分布式智能控制： 随着系统规模的扩大和复杂度的增加，分布式控制成为必然趋势。本节将介绍如何在多智能体系统（MAS）中实现分布式智能控制。我们将探讨多智能体之间的协调与合作机制，以及如何利用分散的智能体实现全局最优控制目标。这将涉及通信、协商、学习等方面的挑战，以及分布式强化学习等前沿技术。 安全与可靠性设计： 智能控制系统的安全性与可靠性是其成功应用的关键。本节将探讨在智能控制系统设计中如何考虑安全性和鲁棒性。我们将讨论如何通过冗余设计、故障检测与诊断（FDD）、安全约束处理以及形式化验证等方法，确保智能控制系统在各种工况下都能安全可靠地运行。 第三部分：智能控制系统的典型应用领域 本部分将通过一系列具体的案例，展示智能控制系统在不同行业的广泛应用。 工业自动化与过程控制： 智能控制在化工、冶金、电力、机械制造等传统工业领域有着巨大的应用潜力。我们将展示如何利用模糊控制、神经网络控制和遗传算法优化等技术，实现对复杂工业过程（如反应器温度控制、轧钢过程优化、发电负荷调度）的精确控制，提高生产效率，降低能耗，减少环境污染。 机器人技术与智能制造： 机器人是智能控制技术的天然载体。我们将深入探讨智能控制在机器人路径规划、运动控制、视觉伺服、人机协作等方面的应用。特别关注如何利用强化学习和深度学习实现机器人的自主学习和决策能力，推动智能制造向更高级阶段发展。 航空航天与国防： 在高精度、高可靠性要求极高的航空航天领域，智能控制的应用至关重要。我们将介绍智能控制在飞行器姿态控制、导航制导、自主起降、故障诊断以及战场态势感知等方面的应用。 交通系统与智能出行： 智能交通是解决城市拥堵、提高交通效率的重要途径。本节将展示智能控制在智能交通信号控制、车辆自适应巡航控制（ACC）、自动驾驶系统、车联网协同控制等方面的应用。 能源与环境管理： 随着能源危机和环境问题的日益突出，智能控制在提高能源利用效率、优化能源调度、控制污染物排放等方面发挥着关键作用。我们将介绍智能控制在智能电网、可再生能源并网、建筑节能优化、环境监测与治理等领域的应用。 生物医学工程与健康管理： 智能控制也为生物医学领域带来了革新。我们将探讨其在医学影像分析、诊断辅助、药物输送控制、康复机器人、个性化健康监测等方面的应用。 金融、经济与社会系统： 尽管不是传统的工程领域，但智能控制的理念和方法也逐渐渗透到金融预测、风险管理、市场分析、社会行为建模等领域。 结论与展望 本书在系统梳理智能控制理论、方法和应用的同时，也对未来的发展趋势进行了展望。我们将讨论当前智能控制领域面临的挑战，例如模型解释性、安全性验证、大规模分布式系统的协同等，并探讨可能的解决方案。我们相信，随着人工智能技术的不断发展和计算能力的飞跃，智能控制必将在更多未知领域展现其强大的生命力和无限的应用前景，深刻地改变我们的生活和工作方式。 本书的编写旨在为高等院校相关专业的师生提供一本高质量的教材，同时也为从事智能控制研究和工程应用的科技工作者提供一份有价值的参考。通过学习本书，读者将能够建立起对智能控制系统的全面认识，掌握其核心原理和设计方法，并能够将其有效地应用于解决实际工程问题。

评分☆☆☆☆☆

作为一名刚踏入自动化领域的学生，我对于如何将理论知识应用到实际工程中感到有些迷茫。这本书的出现，就像一盏明灯，照亮了我前行的道路。它在理论讲解的基础上，提供了大量的实际应用案例，从工业生产的自动化控制，到机器人导航，再到环境监测系统，涵盖的领域非常广泛。我特别被书中关于“自适应控制”的案例所吸引，书中详细地描述了如何在未知或变化的工况下，使控制系统能够自动调整其参数以达到最佳控制效果。作者在分析这些案例时，并没有回避其中的技术难点，而是坦诚地讨论了实现的挑战和解决方案，这让我对工程实践有了更深刻的认识。这本书不仅教会了我“是什么”，更教会了我“怎么做”，为我今后的学习和研究提供了宝贵的实践指导。

评分☆☆☆☆☆

这本书的封面设计虽然朴实，但却散发出一种严谨而专业的学术气息。当我拿到这本书的时候，就感受到它沉甸甸的分量，不仅仅是纸张的重量，更是知识的厚重感。我翻开目录，里面详实的章节划分和精炼的章节名称，让我对智能控制领域有了初步的认识。从基础理论的铺垫，到各种控制算法的深入剖析，再到实际应用案例的展示，条理清晰，逻辑性极强。特别吸引我的是关于模糊控制和神经网络控制的那几章，作者用生动形象的例子，将抽象的数学模型变得易于理解，让我这个非专业背景的读者也能领略到智能控制的魅力。我尤其欣赏作者在理论讲解时，不仅仅停留在公式的推导，而是深入浅出地阐述其背后的物理意义和工程含义，这对于我们这些希望将理论知识转化为实际应用的读者来说，是极其宝贵的。而且，书中还穿插了大量的图表和仿真结果，这些直观的展示，极大地帮助了我对复杂概念的理解和吸收。阅读这本书，就像是踏上了一场探索智能控制奥秘的旅程，每一步都充满了发现的惊喜。

评分☆☆☆☆☆

说实话，在选择学习智能控制的相关书籍时，我曾有过不少犹豫，担心会遇到过于晦涩难懂的内容。然而，这本书完全打消了我的顾虑。作者在处理复杂的数学公式和理论推导时，总是能够巧妙地将其与直观的物理概念联系起来，使得整个学习过程都充满了乐趣。我尤其喜欢书中对“机器学习在控制中的应用”这一章节的讲解，作者并没有简单地罗列各种机器学习算法，而是详细地阐述了这些算法如何被应用于解决控制问题，以及它们在不同场景下的优劣势。书中的每一个案例都经过精心挑选，并配以详实的分析，让我能够真正地理解智能控制是如何在实际中发挥作用的。这本书的出版，对于推动我国智能控制领域的发展，无疑具有重要的意义。

评分☆☆☆☆☆

我一直对如何让机器“像人一样思考”充满好奇，而这本书恰好满足了我这份探索的欲望。它并没有直接抛出高深的理论，而是循序渐进地引导读者进入智能控制的世界。初期的章节，通过对传统控制方法局限性的剖析，巧妙地引出了智能控制的必要性和优势。让我印象深刻的是，作者在介绍各种智能控制技术时，会详细地讲解每种技术的原理、优势和适用场景，并且还会与其他技术进行对比分析，这让我能够站在一个更高的视角去审视这些技术，而不是仅仅停留在单个技术的细节上。书中大量的伪代码和算法流程图，对于我这样需要动手实践的读者来说，简直是福音。我尝试着按照书中的伪代码，在编程环境中复现了一些算法，虽然过程充满挑战，但最终的成功让我获得了巨大的成就感。这本书不仅仅是知识的传授，更是学习方法的引导，让我学会如何系统地学习和掌握一项复杂的技术。

评分☆☆☆☆☆

在众多的控制理论书籍中，这本书以其独特的视角和深入的讲解脱颖而出。它不仅仅是一本技术手册，更像是一本思想的启迪之作。作者在阐述智能控制的各种方法时，不仅仅关注技术本身，更注重对这些技术背后思想的挖掘。例如，在讲解“专家系统”时，作者深入探讨了如何将人类专家的知识和经验转化为机器可以理解和执行的规则，这让我对人工智能的本质有了更深的理解。书中的许多观点都让我产生了深刻的共鸣，比如“控制不仅仅是数学问题，更是对系统行为的深刻理解和智能模拟”。这种哲学层面的思考，让我在学习技术的同时，也提升了自己对控制理论的认识高度。