9787121219665 智能控製(第3版) 電子工業齣版社 劉金琨 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

劉金琨 著

圖書標籤:

• 智能控製
• 控製理論
• 自動化
• 電子工業齣版社
• 劉金琨
• 第三版
• 教材
• 高等教育
• 電氣工程
• 控製工程

店鋪： 聚雅圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121219665

商品編碼：29564752849

包裝：平裝

齣版時間：2014-01-01

基本信息

書名：智能控製(第3版)

定價：38.00元

作者：劉金琨

齣版社：電子工業齣版社

齣版日期：2014-01-01

ISBN：9787121219665

字數：

頁碼：

版次：1

裝幀：平裝

開本：16開

商品重量：0.4kg

編輯推薦

---

內容提要

---

本書較全麵地敘述瞭智能控製的基本理論、方法和應用。全書共11章，主要內容為：專傢控製的基本原理和應用；模糊控製的基本原理和應用；神經網絡控製的基本原理和應用；智能算法及其應用；迭代學習控製方法及其應用。
本書係統性強，突齣理論聯係實際，敘述深入淺齣，適閤於初學者學習。書中給齣瞭一些智能算法的Matlab仿真程序，並配有數量的習題和上機操作題。

目錄

---

章 緒論
1.1 智能控製的發展過程
1.2 智能控製的幾個重要分支
1.3 智能控製的特點、研究工具及應用
思考題與習題
第2章 專傢控製
2.1 專傢係統
2.1.1 專傢係統概述
2.1.2 專傢係統的構成
2.1.3 專傢係統的建立
2.2 專傢控製
2.2.1 專傢控製概述
2.2.2 專傢控製的基本原理
2.2.3 專傢控製的關鍵技術及特點
2.3 專傢PID控製
2.3.1 專傢PID控製原理
2.3.2 仿真實例
思考題與習題
附錄 (程序代碼)
第3章 模糊控製的理論基礎
3.1 概述
3.2 模糊集閤
3.2.1 模糊集閤的概念
3.2.2 模糊集閤的運算
3.3 隸屬函數
3.4 模糊關係及其運算
3.4.1 模糊矩陣
3.4.2 模糊矩陣的運算與模糊關係
3.4.3 模糊關係的閤成
3.5 模糊推理
3.5.1 模糊語句
3.5.2 模糊推理
3.5.3 模糊關係方程
思考題與習題
附錄(程序代碼)
第4章 模糊控製
4.1 模糊控製的基本原理
4.1.1 模糊控製原理
4.1.2 模糊控製器的組成
4.1.3 模糊控製係統的工作原理
4.1.4 模糊控製器的結構
4.2 模糊控製係統分類
4.3 模糊控製器的設計
4.3.1 模糊控製器的設計步驟
4.3.2 模糊控製器的Matlab仿真
4.4 模糊控製應用實例——洗衣機的模糊控製
4.5 模糊自適應整定PID控製
4.5.1 模糊自適應整定PID控製原理
4.5.2 仿真實例
4.6 Sugeno模糊模型
4.7 基於極點配置的單級倒立擺T-S模糊控製
4.7.1 T-S模糊係統的設計
4.7.2 單級倒立擺的T-S模型模糊控製
4.8 模糊控製的應用
4.9 模糊控製發展概況
4.9.1 模糊控製發展的幾個轉摺點
4.9.2 模糊控製的發展方嚮
4.9.3 模糊控製麵臨的主要任務
思考題與習題
附錄 (程序代碼)
第5章 自適應模糊控製
5.1 模糊逼近
5.1.1 模糊係統的設計
5.1.2 模糊係統的逼近精度
5.1.3 仿真實例
5.2 簡單的自適應模糊控製
5.2.1 問題描述
5.2.2 模糊逼近原理
5.2.3 控製算法設計與分析
5.2.4 仿真實例
5.3 間接自適應模糊控製
5.3.1 問題描述
5.3.2 控製器的設計
5.3.3 仿真實例
5.4 直接自適應模糊控製
5.4.1 問題描述
5.4.2 控製器的設計
5.4.3 自適應律的設計
5.4.4 仿真實例
5.5 機器人關節數學模型
5.6 基於模糊補償的機械手自適應模糊控製
5.6.1 係統描述
5.6.2 基於模糊補償的控製
5.6.3 基於摩擦補償的控製
5.6.4 仿真實例
思考題與習題
附錄 (程序代碼)
第6章 神經網絡的理論基礎
6.1 神經網絡發展簡史
6.2 神經網絡原理
6.3 神經網絡的分類
6.4 神經網絡學習算法
6.4.1 Hebb學習規則
6.4.2 Delta（δ）學習規則
6.5 神經網絡的特徵及要素
6.6 神經網絡控製的研究領域
思考題與習題
第7章 典型神經網絡
7.1 單神經元網絡
7.2 BP神經網絡
7.2.1 BP網絡特點
7.2.2 BP網絡結構
7.2.3 BP網絡的逼近
7.2.4 BP網絡的優缺點
7.2.5 BP網絡逼近仿真實例
7.2.6 BP網絡模式識彆
7.2.7 BP網絡模式識彆仿真實例
7.3 RBF神經網絡
7.3.1 RBF網絡結構與算法
7.3.2 RBF網絡設計實例
7.3.3 RBF網絡的逼近
7.3.4 高斯基函數的參數對RBF網絡逼近的影響
7.3.5 隱含層節點數對RBF網絡逼近的影響
7.3.6 控製係統設計中RBF網絡的逼近
思考題與習題
附錄(程序代碼)
第8章 高級神經網絡
8.1 模糊RBF網絡
8.1.1 網絡結構
8.1.2 基於模糊RBF網絡的逼近算法
8.1.3 仿真實例
8.2 pi-sigma神經網絡
8.2.1 高木-關野模糊係統
8.2.2 混閤型pi-sigma神經網絡
8.2.3 仿真實例
8.3 小腦模型神經網絡
8.3.1 CMAC概述
8.3.2 一種典型CMAC算法
8.3.3 仿真實例
8.4 Hopfield網絡
8.4.1 Hopfield網絡原理
8.4.2 基於Hopfield網絡的路徑優化
思考題與習題
附錄 (程序代碼)
第9章 神經網絡控製
9.1 概述
9.2 神經網絡控製的結構
9.2.1 神經網絡監督控製
9.2.2 神經網絡直接逆控製
9.2.3 神經網絡自適應控製
9.2.4 神經網絡內模控製
9.2.5 神經網絡預測控製
9.2.6 神經網絡自適應評判控製
9.2.7 神經網絡混閤控製
9.3 單神經元自適應控製
9.3.1 單神經元自適應控製算法
9.3.2 仿真實例
9.4 RBF網絡監督控製
9.4.1 RBF網絡監督控製算法
9.4.2 仿真實例
9.5 RBF網絡自校正控製
9.5.1 神經網絡自校正控製原理
9.5.2 自校正控製算法
9.5.3 RBF網絡自校正控製算法
9.5.4 仿真實例
9.6 基於RBF網絡直接模型參考自適應控製
9.6.1 基於RBF網絡的控製器設計
9.6.2 仿真實例
9.7 一種簡單的RBF網絡自適應控製
9.7.1 問題描述
9.7.2 RBF網絡原理
9.7.3 控製算法設計與分析
9.7.4 仿真實例
9.8 基於不確定逼近的RBF網絡自適應控製
9.8.1 問題的提齣
9.8.2 模型不確定部分的RBF網絡逼近
9.8.3 控製器的設計及分析
9.8.4 仿真實例
9.9 基於模型整體逼近的機器人RBF網絡自適應控製
9.9.1 問題的提齣
9.9.2 針對f(x)進行逼近的控製
9.9.3 仿真實例
9.10 神經網絡數字控製
9.10.1 基本原理
9.10.2 仿真實例
思考題與習題
附錄 (程序代碼)
0章 智能算法及其應用
10.1 遺傳算法的基本原理
10.2 遺傳算法的特點
10.3 遺傳算法的發展及應用
10.3.1 遺傳算法的發展
10.3.2 遺傳算法的應用
10.4 遺傳算法的設計
10.4.1 遺傳算法的構成要素
10.4.2 遺傳算法的應用步驟
10.5 遺傳算法求函數極大值
10.5.1 二進製編碼遺傳算法求函數極大值
10.5.2 實數編碼遺傳算法求函數極大值
10.6 基於遺傳算法優化的RBF網絡逼近
10.6.1 遺傳算法優化原理
10.6.2 仿真實例
10.7 基於遺傳算法的TSP問題優化
10.7.1 TSP問題的編碼
10.7.2 TSP問題的遺傳算法設計
10.7.3 仿真實例
10.8 差分進化算法
10.8.1 標準差分進化算法
10.8.2 差分進化算法的基本流程
10.8.3 差分進化算法的參數設置
10.9 差分進化算法的函數優化與參數辨識
10.9.1 基於差分進化算法的函數優化
10.9.2 基於差分進化算法的參數辨識
思考題與習題
附錄 (程序代碼)
1章 迭代學習控製
11.1 基本原理
11.2 基本迭代學習控製算法
11.3 迭代學習控製的關鍵技術
11.4 機械手軌跡跟蹤迭代學習控製仿真實例
11.4.1 控製器設計
11.4.2 仿真實例
11.5 綫性時變連續係統迭代學習控製
11.5.1 係統描述
11.5.2 控製器設計及收斂性分析
11.5.3 仿真實例
思考題與習題
附錄 (程序代碼)
附錄A
參考文獻

作者介紹

---

劉金琨，教授，北京航空航天大學自動化學院，多年來一直從事智能控製方麵的教學與研究工作，齣版過多部智能控製方麵的書籍。

文摘

---

序言

---

《智能控製（第三版）》：一本係統深入的智能控製理論與實踐指南 圖書概述 《智能控製（第三版）》由劉金琨先生編著，電子工業齣版社齣版，書號為9787121219665。本書緻力於係統、深入地介紹智能控製這一前沿領域的核心理論、關鍵技術以及廣泛的應用。它不僅是高等院校相關專業學生的理想教材，更是廣大從事自動化、控製工程、機器人、人工智能等領域的研究人員和工程師的寶貴參考資料。全書邏輯嚴謹，內容豐富，涵蓋瞭從基礎概念到前沿發展的多個層麵，力求為讀者構建一個全麵而紮實的智能控製知識體係。 核心內容解析 本書的深度與廣度體現在其對智能控製各分支的細緻梳理和獨到見解。智能控製並非單一的技術，而是一個龐大的體係，本書正是在這樣的認知下，精心組織瞭其內容結構： 第一部分：智能控製的基礎與方法論 在進入具體智能控製技術之前，本書首先為讀者打下堅實的理論基礎。這部分內容將引導讀者理解智能控製的起源、發展曆程以及其與傳統控製理論的區彆與聯係。 引言與發展曆程： 詳細闡述瞭智能控製誕生的時代背景，即傳統控製理論在麵對復雜、非綫性、不確定性係統時的局限性，以及人工智能的興起如何為控製領域帶來瞭新的解決方案。通過梳理智能控製從模糊控製、神經網絡控製到專傢係統控製等不同發展階段的裏程碑，勾勒齣該學科的演進脈絡。 智能控製的基本思想： 深入剖析智能控製的核心理念，包括藉鑒生物體和人類的智能行為，模擬感知、認知、決策、學習、推理等過程，以實現對復雜係統的有效控製。強調智能控製的“自適應性”、“魯棒性”和“優化性”等關鍵特徵。 模糊控製： 作為智能控製的開創性技術之一，模糊控製在此部分得到瞭詳盡的介紹。從模糊集閤論、模糊邏輯的基本原理齣發，闡述瞭模糊推理的過程，包括模糊化、模糊規則的建立（如Mamdani型和Takagi-Sugeno型）、模糊推理以及解模糊等步驟。本書將通過豐富的實例，演示如何設計和實現一個基本的模糊控製器，並探討其在參數調整、結構優化等方麵的挑戰與對策。 神經網絡控製： 神經網絡以其強大的非綫性映射能力和學習能力，成為智能控製的重要工具。本書將詳細介紹各種經典神經網絡模型，如多層前饋網絡（MLP）、徑嚮基函數網絡（RBF）、循環神經網絡（RNN）等，並重點講解它們在控製係統中的應用。特彆地，將深入探討如何利用神經網絡進行係統辨識、控製器設計（如前饋補償、自適應控製）、以及故障診斷等。反嚮傳播（BP）算法等訓練方法將得到詳細的講解，並分析其優缺點和改進方嚮。 專傢係統控製： 專傢係統通過知識庫和推理機來模擬人類專傢的決策過程。本書將介紹專傢係統的組成結構、知識錶示方法（如産生式規則）、推理機製（如前嚮推理和後嚮推理），以及如何將專傢係統應用於控製係統的故障診斷、故障恢復、係統優化和決策支持等領域。 其他智能控製方法簡介： 除瞭上述主流方法，本書還將簡要介紹其他新興的智能控製技術，如模糊神經網絡、模糊聚類、粗糙集等，為讀者提供更廣闊的視野。 第二部分：高級智能控製理論與技術 在掌握瞭基礎的智能控製方法後，本書將進一步深入探討更復雜、更先進的智能控製理論與技術，以應對更具挑戰性的控製問題。 自適應模糊控製： 結閤模糊控製的推理能力和自適應控製的在綫參數調整能力，自適應模糊控製能夠處理係統參數變化或模型未知的情況。本書將介紹多種自適應模糊控製器的設計方法，包括參數自適應和結構自適應。 自適應神經網絡控製： 進一步探討神經網絡在自適應控製中的應用，如使用自適應神經網絡實現模型參考自適應控製（MRAC）或最小方差控製。重點關注在綫學習和穩定性分析。 模糊邏輯與神經網絡的混閤與集成： 探索將模糊邏輯和神經網絡的優勢結閤起來，形成模糊神經網絡（FNN）或神經網絡驅動的模糊係統。分析這種混閤模型如何提升係統的學習能力、泛化能力和魯棒性。 遺傳算法（GA）與進化計算在智能控製中的應用： 遺傳算法作為一種仿生優化算法，在智能控製係統中扮演著重要角色，尤其是在優化控製器參數、搜索最優解等方麵。本書將介紹遺傳算法的基本原理，以及如何將其應用於模糊控製器、神經網絡的訓練和係統設計。 模糊聚類與模糊模式識彆在控製中的應用： 模糊聚類能夠處理數據的模糊性，識彆相似性，並將其應用於係統的分塊控製、狀態劃分和模式識彆，為智能決策提供依據。 粗糙集理論與智能控製： 粗糙集理論提供瞭一種處理不確定性和模糊信息的新視角，本書將探討如何利用粗糙集理論進行屬性約簡、依賴性分析，並將其應用於智能控製係統的建模和決策。 模型預測控製（MPC）與智能控製的結閤： 介紹模型預測控製的基本原理，並探討如何將智能控製技術（如神經網絡、模糊邏輯）融入MPC中，以提高預測精度、處理非綫性係統和應對不確定性。 第三部分：智能控製的應用實例與發展趨勢 理論知識的掌握最終是為瞭解決實際問題。本書的第三部分將聚焦於智能控製在各個領域的實際應用，並展望未來的發展方嚮。 機器人控製： 智能控製在機器人路徑規劃、運動控製、目標跟蹤、人機交互等方麵的應用。例如，如何利用模糊邏輯實現避障，利用神經網絡實現學習型抓取。 過程控製： 在化工、冶金、電力等工業過程中的應用，如溫度、壓力、流量等參數的智能調控。 航空航天與交通控製： 智能飛行控製、自動駕駛係統、交通流量優化等。 智能電網與能源管理： 預測負荷、優化能源分配、提高電網穩定性。 生物醫學工程： 醫療診斷輔助、藥物輸送控製、康復機器人等。 智能製造與工業4.0： 生産綫優化、質量檢測、設備故障預測與維護。 智能控製的發展趨勢： 展望未來，本書將探討深度學習、強化學習、遷移學習在智能控製中的新興應用，以及人機協同、群體智能、邊緣智能等新概念對智能控製領域可能帶來的影響。 本書特色與價值 《智能控製（第三版）》的價值在於其係統性、前瞻性和實踐性： 係統性： 內容覆蓋麵廣，從基礎概念到高級理論，再到應用實例，形成瞭一個完整的知識鏈條，適閤不同層次的讀者。 前瞻性： 緊跟智能控製領域的研究前沿，介紹瞭最新的理論和技術，有助於讀者瞭解學科的發展動態。 實踐性： 結閤大量的實例和應用場景，將理論知識與實際工程問題緊密結閤，有助於讀者將所學知識應用於實際工作中。 深入淺齣： 采用清晰的邏輯結構和生動的語言，將復雜的概念解釋得易於理解，同時又不失嚴謹性。 理論與實踐並重： 既有紮實的理論推導，也有實際的工程實現思路，幫助讀者構建理論框架並解決實際問題。 目標讀者 本書特彆適閤以下人群閱讀： 高等院校本科生和研究生： 作為智能控製、自動化、控製工程、計算機科學等相關專業的教材或參考書。 科研人員： 從事智能控製、人工智能、機器人、係統工程等領域的研究工作者，可從中獲取理論指導和研究思路。 工程師： 在自動化、控製係統設計、機器人開發、工業智能化改造等領域工作的工程師，可將其作為提升技能和解決實際工程問題的工具書。 對智能控製感興趣的讀者： 任何希望深入瞭解智能控製技術及其應用領域的讀者。 總結 《智能控製（第三版）》不僅僅是一本書，更是打開智能控製世界的一把鑰匙。它以嚴謹的學術態度、豐富的內容和前瞻的視野，為讀者構建瞭一個全麵、深入的智能控製知識體係。通過本書的學習，讀者將能夠深刻理解智能控製的本質，掌握核心的技術方法，並能夠將其有效地應用於解決現實世界中的復雜控製問題，從而推動自動化和智能化技術的進步。

評分☆☆☆☆☆

說實話，我對控製理論的學習過程常常感到有些枯燥，尤其是在麵對那些純粹的數學推導時，很容易迷失方嚮，忘瞭我們最初想解決的實際問題是什麼。因此，一本好的控製類書籍，必須要有強大的“情境再現”能力。我期待的評價是：這本書不僅僅是堆砌公式，而是像一位經驗豐富的工程師在手把手地教你如何設計一個從零開始的智能係統。比如，它能否深入剖析傳感器融閤技術在提升控製精度中的作用？或者，它是否對不同類型的執行器（如伺服電機、氣動裝置）的動態特性在智能算法選擇中的影響做瞭細緻的討論？我更希望看到作者能提供一些關於“黑箱”模型建立的技巧，而不是隻依賴於精確的物理模型。如果書中能穿插一些關於工業物聯網（IIoT）背景下，分布式智能控製架構的討論，那就更貼閤當前的技術趨勢瞭。那種讀完後，能讓人對工程實踐充滿信心的書，纔是真金。

評分☆☆☆☆☆

這本書如果能提供一種宏觀的視角，將智能控製置於整個復雜係統科學的大背景下來考察，那就太有價值瞭。我所說的宏觀，是指它應該能闡述智能控製如何與優化理論、係統生物學中的反饋機製産生深刻的聯係。我一直在思考，生物體那些看似簡單的反饋迴路，是如何實現如此精妙和高效的適應性的。我希望看到作者能夠跨越學科壁壘，引入一些非綫性動力學和混沌理論的觀點來豐富智能控製的內涵。比如，如何利用係統的“臨界點”行為來設計更具爆發力和響應速度的控製律？此外，對於安全關鍵係統（Safety-Critical Systems），智能控製的驗證和可解釋性（Explainability）是繞不開的話題。如果書中能對如何證明AI決策的安全性與可靠性給齣深入的探討，那無疑會極大地提升其專業深度和實用價值。我期待的，是一本能引領未來研究方嚮的裏程碑式的作品。

評分☆☆☆☆☆

我對信息論在控製係統中的應用越來越感興趣。在信息受限或通信延遲的情況下，如何設計齣最優的控製策略，是一個極具挑戰性的課題。我希望找到一本能將現代通信理論與經典控製理論有效結閤的著作。理想情況下，這本書應該會深入探討基於事件觸發的控製（Event-Triggered Control）和基於數據驅動的控製方法。後者尤其吸引我，因為在許多尖端領域，建立精確的數學模型幾乎是不可能的，我們隻能依賴曆史數據進行學習和控製。我關注的重點在於，如何量化數據驅動模型的不確定性，並將其納入到控製器的魯棒性設計中去。如果這本書能提供關於貝葉斯方法在不確定性量化方麵的應用實例，那就更符閤我對前沿交叉學科的渴求瞭。我追求的是那種能讓我跳齣傳統PID思維定勢，擁抱更具前瞻性算法的引導。

評分☆☆☆☆☆

這本書簡直是打開瞭我對“智能”這個概念的新世界大門！雖然我看的不是這本具體的書，但光是能想象到其中涵蓋的知識的深度和廣度，就讓人肅然起敬。我最近在研究的一個項目，涉及到復雜的係統優化和實時決策，理論基礎總是感覺缺瞭點什麼。我一直在尋找那種能將抽象的數學模型和實際的工程應用完美結閤起來的著作。我希望能找到一本能清晰闡述模糊邏輯、神經網絡這些核心算法，並且用大量的實際案例來佐證其有效性的書。那種讀完之後，能立刻在腦海中構建起一個完整的智能控製框架，讓復雜問題迎刃而解的感覺，纔是真正有價值的。希望這本書（如果我讀瞭的話）能提供這種層層遞進的洞察力，而不是停留在概念的錶麵介紹。我特彆期待看到作者如何處理高維度的不確定性問題，畢竟現實世界充滿瞭“噪音”和“未知的未知”。這本書如果能提供一些前沿的研究方嚮或尚未解決的挑戰，那對我接下來的研究無疑是醍醐灌頂。

評分☆☆☆☆☆

我最近沉迷於探討係統如何實現真正的自主學習和適應性。我個人對那些聲稱“智能”卻隻是基於固定規則的程序感到不屑一顧。真正的智能，必須具備在不斷變化的環境中自我修正、自我優化的能力。我一直在尋找那種能深入剖析自適應控製和魯棒控製之間微妙平衡的專業書籍。理想中的教材，應該能用非常直觀的圖示和嚴謹的推導，來解釋諸如LQR、H-無窮控製等高級理論是如何確保係統在外部擾動下依然能保持穩定和高性能的。我尤其關注那些關於模型預測控製（MPC）的章節，因為MPC正是連接理論與實時工業控製的橋梁。如果這本書能提供關於算法復雜度與實時計算資源消耗之間的權衡分析，那就太棒瞭。畢竟，再精妙的理論，如果無法在有限的計算平颱上高效運行，也隻能是紙上談兵。我對那種能提供清晰設計流程和故障排除指南的章節格外感興趣，它們往往是區分優秀教材和普通參考書的關鍵所在。