原副标题:画册所推荐 | 智能控制——方法论此基础、演算法结构设计与应用领域(第2版)
核心人物为利,扬名四海,
匠以治木,比不上斤斧。
——《说苑 · 大序》
二维码折扣旧书
书目
第 1章提要
1.1智能控制的产业发展操作过程
1.1.1智能控制的明确提出
1.1.2智能控制的基本概念
1.1.3智能控制的产业发展
1.1.4智能控制的控制技术此基础
1.2智能控制的几个重要分支
1.2.1模糊控制
1.2.2神经网络控制
1.2.3智能搜索演算法
1.3智能控制的特点、工具及应用领域
1.3.1智能控制的特点
1.3.2智能控制的研究工具
1.3.3智能控制的应用领域
思考题
参考文献
第 2章模糊控制的方法论此基础
2.1概述
2.2模糊集合
2.2.1模糊集合的表示
2.2.2模糊集合的运算
2.3隶属函数
2.3.1隶属函数的特点
2.3.2几种典型的隶属函数及其 MATLAB表示
2.3.3模糊系统的结构设计
2.3.4隶属函数的确定方法
2.4模糊关系及其运算
2.4.1模糊关系矩阵
2.4.2模糊矩阵运算
2.4.3模糊矩阵的合成
2.5模糊语句与模糊推理
2.5.1模糊语句
2.5.2模糊推理
思考题
第 3章模糊逻辑控制
3.1模糊控制的基本原理
3.1.1模糊控制原理
3.1.2模糊控制器的组成
3.1.3模糊控制系统的工作原理
3.1.4模糊控制器结构
3.2模糊控制系统分类
3.3模糊控制器的结构设计
3.3.1模糊控制器的结构设计步骤
3.3.2模糊控制器的 MATLAB仿真
3.4模糊控制应用领域实例——洗衣机的模糊控制
3.5模糊自适应整定PID控制
3.5.1模糊自适应整定 PID控制原理
3.5.2仿真实例
3.6大时变扰动下切换增益模糊调节的滑模控制
3.6.1系统描述
3.6.2滑模控制器结构设计
3.6.3模糊规则结构设计
3.6.4仿真实例
思考题
第 4章自适应模糊控制
4.1模糊逼近
4.1.1模糊系统的结构设计
4.1.2模糊系统的逼近精度
4.1.3仿真实例
4.2间接自适应模糊控制
4.2.1问题描述
4.2.2自适应模糊滑模控制器结构设计
4.2.3仿真实例
4.3直接自适应模糊控制
4.3.1问题描述
4.3.2模糊控制器的结构设计
4.3.3自适应律的结构设计
4.3.4仿真实例
思考题
第 5章基于 T–S模糊建模的控制
5.1T S模糊模型
5.1.1T S模糊模型的形式
5.1.2仿真实例
5.1.3一类非线性系统的 T–S模糊建模
5.2T S模糊控制器的结构设计
5.3倒立摆系统的 T–S模糊模型
5.4基于线性矩阵不等式的单级倒立摆 T–S模糊控制
5.4.1LMI不等式的结构设计及分析
5.4.2不等式的转换
5.4.3LMI结构设计实例
5.4.4仿真实例
附加资料:新的 LMI求解工具箱—— YALMIP工具箱
思考题
参考文献
第 6章机械手自适应模糊控制
6.1简单的自适应模糊滑模控制
6.1.1问题描述
6.1.2模糊逼近原理
6.1.3控制演算法结构设计与分析
6.1.4仿真实例
6.2基于模糊补偿的机械手模糊自适应滑模控制
6.2.1系统描述
6.2.2基于传统模糊补偿的控制
6.2.3自适应控制律的结构设计
6.2.4基于摩擦模糊逼近的模糊补偿控制
6.2.5仿真实例
6.3模糊系统逼近的最小参数学习法
6.3.1问题描述
6.3.2模糊系统最小参数逼近
6.3.3基于模糊系统逼近的最小参数自适应控制
6.3.4仿真实例
6.4基于模糊补偿的机械手单参数自适应控制
6.4.1系统描述
6.4.2基于模糊系统逼近的最小参数自适应控制
6.4.3仿真实例
附加资料
思考题
参考文献
第 7章神经网络方法论此基础
7.1神经网络产业发展简史
7.2神经网络原理
7.3神经网络的分类
7.4神经网络学习演算法
7.4.1Hebb学习规则
7.4.2Delta(δ )学习规则
7.5神经网络的特征及要素
7.5.1神经网络特征
7.5.2神经网络三要素
7.6神经网络控制的研究领域
思考题
第 8章典型神经网络及非线性建模
8.1单神经元网络
8.2BP神经网络
8.2.1BP神经网络特点
8.2.2BP神经网络结构与演算法
8.2.3BP神经网络的训练
8.2.4仿真实例
8.3RBF神经网络
8.3.1网络结构
8.3.2控制系统结构设计中 RBF神经网络的逼近
8.3.3RBF神经网络的训练
8.3.4仿真实例
8.4模糊 RBF神经网络
8.4.1模糊 RBF神经网络结构与演算法
8.4.2模糊 RBF神经网络学习演算法
8.4.3仿真实例
8.5Pi Sigma模糊神经网络
8.5.1高木关野模糊系统
8.5.2混合型 Pi Sigma模糊神经网络
8.5.3Pi Sigma模糊神经网络学习演算法
8.5.4仿真实例
8.6ELM神经网络
8.6.1ELM神经网络的特点
8.6.2ELM神经网络结构与演算法
8.6.3ELM神经网络的训练
8.6.4仿真实例
思考题
参考文献
第 9章自适应 RBF神经网络控制
9.1一阶系统神经网络自适应控制
9.1.1系统描述
9.1.2滑模控制器结构设计
9.1.3仿真实例
9.1.4一阶系统自适应 RBF控制
9.1.5仿真实例
9.2二阶系统自适应 RBF神经网络控制
9.2.1系统描述
9.2.2基于 RBF神经网络逼近f(x)的滑模控制
9.2.3仿真实例
9.3基于 RBF神经网络的单参数直接鲁棒自适应控制
9.3.1系统描述
9.3.2控制律和自适应律结构设计
9.3.3仿真实例
思考题
参考文献
第 10章基于 RBF神经网络的输入输出受限控制
10.1控制系统位置输出受限控制
10.1.1输出受限引理
10.1.2系统描述
10.1.3控制器的结构设计
10.1.4仿真实例
10.2基于 RBF神经网络的状态输出受限控制
10.2.1系统描述
10.2.2RBF神经网络原理
10.2.3控制器的结构设计
10.2.4仿真实例
10.3基于 RBF神经网络的输入受限滑模控制
10.3.1系统描述
10.3.2RBF神经网络逼近及双曲正切函数特点
10.3.3控制器的结构设计及分析
10.3.4仿真实例
思考题
参考文献
第 11章基于 RBF神经网络的执行器自适应容错控制
11.1执行器容错控制描述
11.2SISO系统执行器自适应容错控制
11.2.1控制问题描述
11.2.2控制律的结构设计与分析
11.2.3仿真实例
11.3基于 RBF神经网络的 SISO系统执行器自适应容错控制
11.3.1控制问题描述
11.3.2RBF神经网络结构设计
11.3.3控制律的结构设计与分析
11.3.4仿真实例
11.4MISO系统执行器自适应容错控制
11.4.1控制问题描述
11.4.2控制律的结构设计与分析
11.4.3仿真实例
11.5MISO系统执行器自适应神经网络容错控制
11.5.1控制问题描述
11.5.2RBF神经网络结构设计
11.5.3控制律的结构设计与分析
11.5.4仿真实例
11.6带执行器卡死的 MISO系统自适应容错控制
11.6.1控制问题描述
11.6.2控制律的结构设计与分析
11.6.3仿真实例
11.7带执行器卡死的 MISO系统神经网络自适应容错控制
11.7.1控制问题描述
11.7.2RBF神经网络结构设计
11.7.3控制律的结构设计与分析
11.7.4仿真实例
11.8基于传感器和执行器容错的自适应控制
11.8.1系统描述
11.8.2控制器结构设计与分析
11.8.3仿真实例
11.9基于传感器和执行器容错的神经网络自适应控制
11.9.1系统描述
11.9.2控制器结构设计与分析
11.9.3神经网络逼近
11.9.4仿真实例
附加资料
思考题
参考文献
旧书链接