第1章 绪论
1.1 传统控制的发展及其困难
1.1.1 传统控制的产生及其发展
目录
1.1.2 传统控制所面临的困难
1.2 人工智能的定义与发展
1.2.1 人工智能的定义
1.2.2 人工智能的产生与发展
1.3.1 智能控制的产生与发展
1.3 智能控制的产生、发展及其特点
1.3.2 智能控制的结构与特点
1.4 智能控制与传统控制
1.5 智能控制的主要研究内容
第2章 智能控制的知识工程基础
2.1 知识表示
2.1.1 一阶谓词逻辑法
2.1.2 产生式表示法
2.1.3 语义网络表示法
2.1.4 框架表示法
2.2 知识利用
2.2.1 搜索
2.2.2 推理
2.3 知识获取
2.3.1 机器学习的发展
2.3.2 机器学习的分类
2.3.4 归纳学习
2.3.3 机械式学习
2.3.5 指导学习
第3章 基于知识的专家系统及专家控制
3.1 专家系统与专家控制系统
3.2 专家系统的产生及其原理
3.2.1 专家系统的产生与发展
3.2.2 专家系统的原理
3.2.3 专家系统的分类
3.2.4 专家系统的基本结构
3.2.5 黑板模型
3.2.6 知识获取
3.3 专家系统的实现
3.3.1 专家系统的设计原则
3.3.2 专家系统建立的步骤
3.4 专家控制器的设计
3.4.1 专家控制系统的产生
3.4.2 专家控制器的组成
3.4.3 直接专家控制系统的设计
3.4.4 间接专家控制系统的设计
第4章 基于模糊推理的智能控制系统
4.1 模糊控制理论的产生和发展
4.2 模糊集合及其基本运算
4.2.1 普通集合
4.2.2 模糊集合
4.2.3 模糊关系
4.2.4 模糊推理
4.3 模糊控制原理
4.3.1 模糊控制系统的组成
4.3.3 输入模糊化
4.3.2 确定模糊控制器的结构
4.3.4 模糊推理决策
4.3.5 逆模糊化
4.4 自适应模糊控制器
4.4.1 性能测量
4.4.2 控制对象的增量模型
4.4.3 控制规则库的修正
4.4.5 设计步骤
4.4.4 尺度变换因子的选择
4.5 模糊控制软件开发工具
4.5.1 Motorola模糊控制软件
4.5.2 美国FIDE模糊推理开发环境
4.5.3 德国模糊逻辑系统的软件工具fuzzy TECH
4.6 模糊控制应用实例
4.6.1 电热炉温度控制的模糊控制
4.6.2 模糊控制全自动洗衣机
5.1.1 人脑神经网络
5.1 概述
第5章 基于神经网络的智能控制
5.1.2 人工神经网络原理
5.1.3 人工神经网络发展简史
5.2 人工神经网络的学习方法
5.2.1 人工神经网络的学习方式
5.2.2 人工神经网络的学习规则
5.3 人工神经网络的模型与算法
5.3.1 单层感知器
5.3.2 BP学习算法
5.3.3 Hopfield神经网络
5.3.4 脑模型控制器
5.4 基于神经网络的智能控制
5.4.1 内模控制
5.4.2 直接自校正控制
5.4.3 间接自校正控制
5.4.4 模型参考自适应控制
5.4.6 神经网络与常规控制方法的结合
5.4.5 预测控制
5.4.7 神经网络专家系统控制
5.4.8 神经网络模糊控制
5.5 神经网络控制实例
第6章 分级递阶智能控制
6.1 分级递阶智能控制的产生
6.2 一般结构原理
6.3.2 组织级的功能的实现方法
6.3.1 组织级的功能
6.3 组织级
6.4 协调级和执行级
6.4.1 协调级和执行级的结构
6.4.2 执行级控制性能的熵函数表示
6.5 分级递阶智能控制应用实例
6.5.1 PUMA机械臂的分级递阶智能控制
6.5.2 PLC的分级递阶智能控制
6.5.3 仿人智能控制的分级递阶结构
7.1.2 进化策略
7.1.1 进化计算概述
7.1 进化计算
第7章 进化计算与遗传算法
7.1.3 进化规划
7.1.4 遗传算法
7.1.5 进化策略、进化规划和遗传算法的比较
7.2 标准遗传算法的基本原理
7.2.1 编码方法
7.2.2 适应度函数
7.2.3 选择运算
7.2.4 交换
7.2.5 变异
7.3 模式与模式定理
7.3.1 模式
7.3.2 模式定理
7.4 遗传算法和模糊逻辑、神经网络的融合
7.4.1 遗传算法在模糊推理中的应用
7.4.2 遗传算法和神经网络的融合
8.1 专家控制系统在复杂工业过程中的应用
第8章 智能控制工程的应用实例
8.1.1 系统的结构与功能
8.1.2 系统的开发过程
8.1.3 知识的表示与知识库结构
8.1.4 传感器数据的预处理和不确定性的表示
8.2 模糊专家控制在啤酒发酵过程中的应用
8.2.1 啤酒发酵工艺
8.2.2 啤酒生产发酵工艺微机控制系统结构
8.2.3 模糊专家控制器设计
8.2.4 系统的实现及控制效果
8.3 神经网络在工业机器人高精度控制中的应用
8.3.1 基于模型的误差补偿方式
8.3.2 应用神经网络补偿误差方式
8.3.3 实验结果
8.4 遗传算法在机器人路径规划中的应用实例
8.4.1 基于栅格划分机器人工作空间的路径规划
8.4.2 基于C空间的非完整轮式移动机器人的路径规划
8.5 模糊-神经网络智能控制在粮食干燥过程中的应用实例
参考文献2100433B
