9787121219665 智能控制(第3版) 电子工业出版社 刘金琨 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

刘金琨 著

图书标签:

• 智能控制
• 控制理论
• 自动化
• 电子工业出版社
• 刘金琨
• 第三版
• 教材
• 高等教育
• 电气工程
• 控制工程

店铺： 聚雅图书专营店

出版社： 电子工业出版社

ISBN：9787121219665

商品编码：29564752849

包装：平装

出版时间：2014-01-01

基本信息

书名：智能控制(第3版)

定价：38.00元

作者：刘金琨

出版社：电子工业出版社

出版日期：2014-01-01

ISBN：9787121219665

字数：

页码：

版次：1

装帧：平装

开本：16开

商品重量：0.4kg

编辑推荐

---

内容提要

---

本书较全面地叙述了智能控制的基本理论、方法和应用。全书共11章，主要内容为：专家控制的基本原理和应用；模糊控制的基本原理和应用；神经网络控制的基本原理和应用；智能算法及其应用；迭代学习控制方法及其应用。
本书系统性强，突出理论联系实际，叙述深入浅出，适合于初学者学习。书中给出了一些智能算法的Matlab仿真程序，并配有数量的习题和上机操作题。

目录

---

章 绪论
1.1 智能控制的发展过程
1.2 智能控制的几个重要分支
1.3 智能控制的特点、研究工具及应用
思考题与习题
第2章 专家控制
2.1 专家系统
2.1.1 专家系统概述
2.1.2 专家系统的构成
2.1.3 专家系统的建立
2.2 专家控制
2.2.1 专家控制概述
2.2.2 专家控制的基本原理
2.2.3 专家控制的关键技术及特点
2.3 专家PID控制
2.3.1 专家PID控制原理
2.3.2 仿真实例
思考题与习题
附录 (程序代码)
第3章 模糊控制的理论基础
3.1 概述
3.2 模糊集合
3.2.1 模糊集合的概念
3.2.2 模糊集合的运算
3.3 隶属函数
3.4 模糊关系及其运算
3.4.1 模糊矩阵
3.4.2 模糊矩阵的运算与模糊关系
3.4.3 模糊关系的合成
3.5 模糊推理
3.5.1 模糊语句
3.5.2 模糊推理
3.5.3 模糊关系方程
思考题与习题
附录(程序代码)
第4章 模糊控制
4.1 模糊控制的基本原理
4.1.1 模糊控制原理
4.1.2 模糊控制器的组成
4.1.3 模糊控制系统的工作原理
4.1.4 模糊控制器的结构
4.2 模糊控制系统分类
4.3 模糊控制器的设计
4.3.1 模糊控制器的设计步骤
4.3.2 模糊控制器的Matlab仿真
4.4 模糊控制应用实例——洗衣机的模糊控制
4.5 模糊自适应整定PID控制
4.5.1 模糊自适应整定PID控制原理
4.5.2 仿真实例
4.6 Sugeno模糊模型
4.7 基于极点配置的单级倒立摆T-S模糊控制
4.7.1 T-S模糊系统的设计
4.7.2 单级倒立摆的T-S模型模糊控制
4.8 模糊控制的应用
4.9 模糊控制发展概况
4.9.1 模糊控制发展的几个转折点
4.9.2 模糊控制的发展方向
4.9.3 模糊控制面临的主要任务
思考题与习题
附录 (程序代码)
第5章 自适应模糊控制
5.1 模糊逼近
5.1.1 模糊系统的设计
5.1.2 模糊系统的逼近精度
5.1.3 仿真实例
5.2 简单的自适应模糊控制
5.2.1 问题描述
5.2.2 模糊逼近原理
5.2.3 控制算法设计与分析
5.2.4 仿真实例
5.3 间接自适应模糊控制
5.3.1 问题描述
5.3.2 控制器的设计
5.3.3 仿真实例
5.4 直接自适应模糊控制
5.4.1 问题描述
5.4.2 控制器的设计
5.4.3 自适应律的设计
5.4.4 仿真实例
5.5 机器人关节数学模型
5.6 基于模糊补偿的机械手自适应模糊控制
5.6.1 系统描述
5.6.2 基于模糊补偿的控制
5.6.3 基于摩擦补偿的控制
5.6.4 仿真实例
思考题与习题
附录 (程序代码)
第6章 神经网络的理论基础
6.1 神经网络发展简史
6.2 神经网络原理
6.3 神经网络的分类
6.4 神经网络学习算法
6.4.1 Hebb学习规则
6.4.2 Delta（δ）学习规则
6.5 神经网络的特征及要素
6.6 神经网络控制的研究领域
思考题与习题
第7章 典型神经网络
7.1 单神经元网络
7.2 BP神经网络
7.2.1 BP网络特点
7.2.2 BP网络结构
7.2.3 BP网络的逼近
7.2.4 BP网络的优缺点
7.2.5 BP网络逼近仿真实例
7.2.6 BP网络模式识别
7.2.7 BP网络模式识别仿真实例
7.3 RBF神经网络
7.3.1 RBF网络结构与算法
7.3.2 RBF网络设计实例
7.3.3 RBF网络的逼近
7.3.4 高斯基函数的参数对RBF网络逼近的影响
7.3.5 隐含层节点数对RBF网络逼近的影响
7.3.6 控制系统设计中RBF网络的逼近
思考题与习题
附录(程序代码)
第8章 高级神经网络
8.1 模糊RBF网络
8.1.1 网络结构
8.1.2 基于模糊RBF网络的逼近算法
8.1.3 仿真实例
8.2 pi-sigma神经网络
8.2.1 高木-关野模糊系统
8.2.2 混合型pi-sigma神经网络
8.2.3 仿真实例
8.3 小脑模型神经网络
8.3.1 CMAC概述
8.3.2 一种典型CMAC算法
8.3.3 仿真实例
8.4 Hopfield网络
8.4.1 Hopfield网络原理
8.4.2 基于Hopfield网络的路径优化
思考题与习题
附录 (程序代码)
第9章 神经网络控制
9.1 概述
9.2 神经网络控制的结构
9.2.1 神经网络监督控制
9.2.2 神经网络直接逆控制
9.2.3 神经网络自适应控制
9.2.4 神经网络内模控制
9.2.5 神经网络预测控制
9.2.6 神经网络自适应评判控制
9.2.7 神经网络混合控制
9.3 单神经元自适应控制
9.3.1 单神经元自适应控制算法
9.3.2 仿真实例
9.4 RBF网络监督控制
9.4.1 RBF网络监督控制算法
9.4.2 仿真实例
9.5 RBF网络自校正控制
9.5.1 神经网络自校正控制原理
9.5.2 自校正控制算法
9.5.3 RBF网络自校正控制算法
9.5.4 仿真实例
9.6 基于RBF网络直接模型参考自适应控制
9.6.1 基于RBF网络的控制器设计
9.6.2 仿真实例
9.7 一种简单的RBF网络自适应控制
9.7.1 问题描述
9.7.2 RBF网络原理
9.7.3 控制算法设计与分析
9.7.4 仿真实例
9.8 基于不确定逼近的RBF网络自适应控制
9.8.1 问题的提出
9.8.2 模型不确定部分的RBF网络逼近
9.8.3 控制器的设计及分析
9.8.4 仿真实例
9.9 基于模型整体逼近的机器人RBF网络自适应控制
9.9.1 问题的提出
9.9.2 针对f(x)进行逼近的控制
9.9.3 仿真实例
9.10 神经网络数字控制
9.10.1 基本原理
9.10.2 仿真实例
思考题与习题
附录 (程序代码)
0章 智能算法及其应用
10.1 遗传算法的基本原理
10.2 遗传算法的特点
10.3 遗传算法的发展及应用
10.3.1 遗传算法的发展
10.3.2 遗传算法的应用
10.4 遗传算法的设计
10.4.1 遗传算法的构成要素
10.4.2 遗传算法的应用步骤
10.5 遗传算法求函数极大值
10.5.1 二进制编码遗传算法求函数极大值
10.5.2 实数编码遗传算法求函数极大值
10.6 基于遗传算法优化的RBF网络逼近
10.6.1 遗传算法优化原理
10.6.2 仿真实例
10.7 基于遗传算法的TSP问题优化
10.7.1 TSP问题的编码
10.7.2 TSP问题的遗传算法设计
10.7.3 仿真实例
10.8 差分进化算法
10.8.1 标准差分进化算法
10.8.2 差分进化算法的基本流程
10.8.3 差分进化算法的参数设置
10.9 差分进化算法的函数优化与参数辨识
10.9.1 基于差分进化算法的函数优化
10.9.2 基于差分进化算法的参数辨识
思考题与习题
附录 (程序代码)
1章 迭代学习控制
11.1 基本原理
11.2 基本迭代学习控制算法
11.3 迭代学习控制的关键技术
11.4 机械手轨迹跟踪迭代学习控制仿真实例
11.4.1 控制器设计
11.4.2 仿真实例
11.5 线性时变连续系统迭代学习控制
11.5.1 系统描述
11.5.2 控制器设计及收敛性分析
11.5.3 仿真实例
思考题与习题
附录 (程序代码)
附录A
参考文献

作者介绍

---

刘金琨，教授，北京航空航天大学自动化学院，多年来一直从事智能控制方面的教学与研究工作，出版过多部智能控制方面的书籍。

文摘

---

序言

---

《智能控制（第三版）》：一本系统深入的智能控制理论与实践指南 图书概述 《智能控制（第三版）》由刘金琨先生编著，电子工业出版社出版，书号为9787121219665。本书致力于系统、深入地介绍智能控制这一前沿领域的核心理论、关键技术以及广泛的应用。它不仅是高等院校相关专业学生的理想教材，更是广大从事自动化、控制工程、机器人、人工智能等领域的研究人员和工程师的宝贵参考资料。全书逻辑严谨，内容丰富，涵盖了从基础概念到前沿发展的多个层面，力求为读者构建一个全面而扎实的智能控制知识体系。 核心内容解析 本书的深度与广度体现在其对智能控制各分支的细致梳理和独到见解。智能控制并非单一的技术，而是一个庞大的体系，本书正是在这样的认知下，精心组织了其内容结构： 第一部分：智能控制的基础与方法论 在进入具体智能控制技术之前，本书首先为读者打下坚实的理论基础。这部分内容将引导读者理解智能控制的起源、发展历程以及其与传统控制理论的区别与联系。 引言与发展历程： 详细阐述了智能控制诞生的时代背景，即传统控制理论在面对复杂、非线性、不确定性系统时的局限性，以及人工智能的兴起如何为控制领域带来了新的解决方案。通过梳理智能控制从模糊控制、神经网络控制到专家系统控制等不同发展阶段的里程碑，勾勒出该学科的演进脉络。 智能控制的基本思想： 深入剖析智能控制的核心理念，包括借鉴生物体和人类的智能行为，模拟感知、认知、决策、学习、推理等过程，以实现对复杂系统的有效控制。强调智能控制的“自适应性”、“鲁棒性”和“优化性”等关键特征。 模糊控制： 作为智能控制的开创性技术之一，模糊控制在此部分得到了详尽的介绍。从模糊集合论、模糊逻辑的基本原理出发，阐述了模糊推理的过程，包括模糊化、模糊规则的建立（如Mamdani型和Takagi-Sugeno型）、模糊推理以及解模糊等步骤。本书将通过丰富的实例，演示如何设计和实现一个基本的模糊控制器，并探讨其在参数调整、结构优化等方面的挑战与对策。 神经网络控制： 神经网络以其强大的非线性映射能力和学习能力，成为智能控制的重要工具。本书将详细介绍各种经典神经网络模型，如多层前馈网络（MLP）、径向基函数网络（RBF）、循环神经网络（RNN）等，并重点讲解它们在控制系统中的应用。特别地，将深入探讨如何利用神经网络进行系统辨识、控制器设计（如前馈补偿、自适应控制）、以及故障诊断等。反向传播（BP）算法等训练方法将得到详细的讲解，并分析其优缺点和改进方向。 专家系统控制： 专家系统通过知识库和推理机来模拟人类专家的决策过程。本书将介绍专家系统的组成结构、知识表示方法（如产生式规则）、推理机制（如前向推理和后向推理），以及如何将专家系统应用于控制系统的故障诊断、故障恢复、系统优化和决策支持等领域。 其他智能控制方法简介： 除了上述主流方法，本书还将简要介绍其他新兴的智能控制技术，如模糊神经网络、模糊聚类、粗糙集等，为读者提供更广阔的视野。 第二部分：高级智能控制理论与技术 在掌握了基础的智能控制方法后，本书将进一步深入探讨更复杂、更先进的智能控制理论与技术，以应对更具挑战性的控制问题。 自适应模糊控制： 结合模糊控制的推理能力和自适应控制的在线参数调整能力，自适应模糊控制能够处理系统参数变化或模型未知的情况。本书将介绍多种自适应模糊控制器的设计方法，包括参数自适应和结构自适应。 自适应神经网络控制： 进一步探讨神经网络在自适应控制中的应用，如使用自适应神经网络实现模型参考自适应控制（MRAC）或最小方差控制。重点关注在线学习和稳定性分析。 模糊逻辑与神经网络的混合与集成： 探索将模糊逻辑和神经网络的优势结合起来，形成模糊神经网络（FNN）或神经网络驱动的模糊系统。分析这种混合模型如何提升系统的学习能力、泛化能力和鲁棒性。 遗传算法（GA）与进化计算在智能控制中的应用： 遗传算法作为一种仿生优化算法，在智能控制系统中扮演着重要角色，尤其是在优化控制器参数、搜索最优解等方面。本书将介绍遗传算法的基本原理，以及如何将其应用于模糊控制器、神经网络的训练和系统设计。 模糊聚类与模糊模式识别在控制中的应用： 模糊聚类能够处理数据的模糊性，识别相似性，并将其应用于系统的分块控制、状态划分和模式识别，为智能决策提供依据。 粗糙集理论与智能控制： 粗糙集理论提供了一种处理不确定性和模糊信息的新视角，本书将探讨如何利用粗糙集理论进行属性约简、依赖性分析，并将其应用于智能控制系统的建模和决策。 模型预测控制（MPC）与智能控制的结合： 介绍模型预测控制的基本原理，并探讨如何将智能控制技术（如神经网络、模糊逻辑）融入MPC中，以提高预测精度、处理非线性系统和应对不确定性。 第三部分：智能控制的应用实例与发展趋势 理论知识的掌握最终是为了解决实际问题。本书的第三部分将聚焦于智能控制在各个领域的实际应用，并展望未来的发展方向。 机器人控制： 智能控制在机器人路径规划、运动控制、目标跟踪、人机交互等方面的应用。例如，如何利用模糊逻辑实现避障，利用神经网络实现学习型抓取。 过程控制： 在化工、冶金、电力等工业过程中的应用，如温度、压力、流量等参数的智能调控。 航空航天与交通控制： 智能飞行控制、自动驾驶系统、交通流量优化等。 智能电网与能源管理： 预测负荷、优化能源分配、提高电网稳定性。 生物医学工程： 医疗诊断辅助、药物输送控制、康复机器人等。 智能制造与工业4.0： 生产线优化、质量检测、设备故障预测与维护。 智能控制的发展趋势： 展望未来，本书将探讨深度学习、强化学习、迁移学习在智能控制中的新兴应用，以及人机协同、群体智能、边缘智能等新概念对智能控制领域可能带来的影响。 本书特色与价值 《智能控制（第三版）》的价值在于其系统性、前瞻性和实践性： 系统性： 内容覆盖面广，从基础概念到高级理论，再到应用实例，形成了一个完整的知识链条，适合不同层次的读者。 前瞻性： 紧跟智能控制领域的研究前沿，介绍了最新的理论和技术，有助于读者了解学科的发展动态。 实践性： 结合大量的实例和应用场景，将理论知识与实际工程问题紧密结合，有助于读者将所学知识应用于实际工作中。 深入浅出： 采用清晰的逻辑结构和生动的语言，将复杂的概念解释得易于理解，同时又不失严谨性。 理论与实践并重： 既有扎实的理论推导，也有实际的工程实现思路，帮助读者构建理论框架并解决实际问题。 目标读者 本书特别适合以下人群阅读： 高等院校本科生和研究生： 作为智能控制、自动化、控制工程、计算机科学等相关专业的教材或参考书。 科研人员： 从事智能控制、人工智能、机器人、系统工程等领域的研究工作者，可从中获取理论指导和研究思路。 工程师： 在自动化、控制系统设计、机器人开发、工业智能化改造等领域工作的工程师，可将其作为提升技能和解决实际工程问题的工具书。 对智能控制感兴趣的读者： 任何希望深入了解智能控制技术及其应用领域的读者。 总结 《智能控制（第三版）》不仅仅是一本书，更是打开智能控制世界的一把钥匙。它以严谨的学术态度、丰富的内容和前瞻的视野，为读者构建了一个全面、深入的智能控制知识体系。通过本书的学习，读者将能够深刻理解智能控制的本质，掌握核心的技术方法，并能够将其有效地应用于解决现实世界中的复杂控制问题，从而推动自动化和智能化技术的进步。

评分☆☆☆☆☆

我对信息论在控制系统中的应用越来越感兴趣。在信息受限或通信延迟的情况下，如何设计出最优的控制策略，是一个极具挑战性的课题。我希望找到一本能将现代通信理论与经典控制理论有效结合的著作。理想情况下，这本书应该会深入探讨基于事件触发的控制（Event-Triggered Control）和基于数据驱动的控制方法。后者尤其吸引我，因为在许多尖端领域，建立精确的数学模型几乎是不可能的，我们只能依赖历史数据进行学习和控制。我关注的重点在于，如何量化数据驱动模型的不确定性，并将其纳入到控制器的鲁棒性设计中去。如果这本书能提供关于贝叶斯方法在不确定性量化方面的应用实例，那就更符合我对前沿交叉学科的渴求了。我追求的是那种能让我跳出传统PID思维定势，拥抱更具前瞻性算法的引导。

评分☆☆☆☆☆

说实话，我对控制理论的学习过程常常感到有些枯燥，尤其是在面对那些纯粹的数学推导时，很容易迷失方向，忘了我们最初想解决的实际问题是什么。因此，一本好的控制类书籍，必须要有强大的“情境再现”能力。我期待的评价是：这本书不仅仅是堆砌公式，而是像一位经验丰富的工程师在手把手地教你如何设计一个从零开始的智能系统。比如，它能否深入剖析传感器融合技术在提升控制精度中的作用？或者，它是否对不同类型的执行器（如伺服电机、气动装置）的动态特性在智能算法选择中的影响做了细致的讨论？我更希望看到作者能提供一些关于“黑箱”模型建立的技巧，而不是只依赖于精确的物理模型。如果书中能穿插一些关于工业物联网（IIoT）背景下，分布式智能控制架构的讨论，那就更贴合当前的技术趋势了。那种读完后，能让人对工程实践充满信心的书，才是真金。

评分☆☆☆☆☆

这本书如果能提供一种宏观的视角，将智能控制置于整个复杂系统科学的大背景下来考察，那就太有价值了。我所说的宏观，是指它应该能阐述智能控制如何与优化理论、系统生物学中的反馈机制产生深刻的联系。我一直在思考，生物体那些看似简单的反馈回路，是如何实现如此精妙和高效的适应性的。我希望看到作者能够跨越学科壁垒，引入一些非线性动力学和混沌理论的观点来丰富智能控制的内涵。比如，如何利用系统的“临界点”行为来设计更具爆发力和响应速度的控制律？此外，对于安全关键系统（Safety-Critical Systems），智能控制的验证和可解释性（Explainability）是绕不开的话题。如果书中能对如何证明AI决策的安全性与可靠性给出深入的探讨，那无疑会极大地提升其专业深度和实用价值。我期待的，是一本能引领未来研究方向的里程碑式的作品。

评分☆☆☆☆☆

这本书简直是打开了我对“智能”这个概念的新世界大门！虽然我看的不是这本具体的书，但光是能想象到其中涵盖的知识的深度和广度，就让人肃然起敬。我最近在研究的一个项目，涉及到复杂的系统优化和实时决策，理论基础总是感觉缺了点什么。我一直在寻找那种能将抽象的数学模型和实际的工程应用完美结合起来的著作。我希望能找到一本能清晰阐述模糊逻辑、神经网络这些核心算法，并且用大量的实际案例来佐证其有效性的书。那种读完之后，能立刻在脑海中构建起一个完整的智能控制框架，让复杂问题迎刃而解的感觉，才是真正有价值的。希望这本书（如果我读了的话）能提供这种层层递进的洞察力，而不是停留在概念的表面介绍。我特别期待看到作者如何处理高维度的不确定性问题，毕竟现实世界充满了“噪音”和“未知的未知”。这本书如果能提供一些前沿的研究方向或尚未解决的挑战，那对我接下来的研究无疑是醍醐灌顶。

评分☆☆☆☆☆

我最近沉迷于探讨系统如何实现真正的自主学习和适应性。我个人对那些声称“智能”却只是基于固定规则的程序感到不屑一顾。真正的智能，必须具备在不断变化的环境中自我修正、自我优化的能力。我一直在寻找那种能深入剖析自适应控制和鲁棒控制之间微妙平衡的专业书籍。理想中的教材，应该能用非常直观的图示和严谨的推导，来解释诸如LQR、H-无穷控制等高级理论是如何确保系统在外部扰动下依然能保持稳定和高性能的。我尤其关注那些关于模型预测控制（MPC）的章节，因为MPC正是连接理论与实时工业控制的桥梁。如果这本书能提供关于算法复杂度与实时计算资源消耗之间的权衡分析，那就太棒了。毕竟，再精妙的理论，如果无法在有限的计算平台上高效运行，也只能是纸上谈兵。我对那种能提供清晰设计流程和故障排除指南的章节格外感兴趣，它们往往是区分优秀教材和普通参考书的关键所在。