智能控制技术 第3版 韦巍 夏杨红

图书标准信息

• 作者 韦巍 夏杨红
• 出版社 机械工业出版社
• 出版时间 2023-12
• 版次 3
• ISBN 9787111737018
• 定价 43.00元
• 装帧 平装
• 开本 16开
• 页数 204页
• 字数 322千字

【内容简介】

智能控制作为控制理论发展的第三个阶段，是人工智能、认知科学、模糊数学、生物控制论、学习理论等在控制论的交叉与结合。本书总结了近些年来智能控制的研究成果，详细阐述了智能控制的基本概念、工作原理和设计方法。本书的主要内容包括：智能控制的基本概念、模糊控制的理论基础、模糊控制系统、人工神经元网络模型、神经网络控制论、智能控制的集成技术、深度学习和强化学习。本书在深入系统地介绍智能控制设计理论和应用方法的同时，还给出了一些设计实例和MATLAB算法例程。本书选材新颖、系统性强、通俗易懂，突出理论联系实际，并配有一定数量的习题、思考题和上机实验题，适合初学者学习智能控制的基本理论和方法。本书可作为高等院校自动化、电气工程及其自动化、计算机科学与技术、电子信息工程等专业高年级本科生的教材，也可供相关专业的工程技术人员阅读和参考。

【目录】

前言

第一章绪论

第一节智能控制的发展过程

一、智能控制问题的提出

二、智能控制的发展

第二节智能控制的主要方法

一、专家系统和专家控制

二、模糊控制

三、神经元网络控制

四、学习控制

第三节智能控制系统的构成原理

一、智能控制系统的结构

二、智能控制系统的特点

三、智能控制系统研究的数学工具

习题和思考题

第二章模糊控制的理论基础

第一节模糊控制概述

一、模糊控制的发展

二、模糊控制的特点

三、模糊控制的定义

第二节模糊集合论基础

一、模糊集合的概念

二、模糊集合的运算

三、模糊集合运算的基本性质

四、隶属度函数的建立

五、模糊关系

第三节模糊逻辑、模糊逻辑推理和合成

一、二值逻辑

二、模糊逻辑及其基本运算

三、模糊语言逻辑

四、模糊逻辑推理

五、模糊关系方程的解

本章小结

习题和思考题

第三章模糊控制系统

第一节模糊控制系统的组成

一、模糊化过程

二、知识库

三、推理决策逻辑

四、准确化计算

第二节模糊控制器的设计

一、模糊控制器的结构设计

二、模糊控制器的基本类型

三、模糊控制器的设计原则

四、模糊控制器的常规设计方法

第三节模糊控制器的设计举例

一、流量控制的模糊控制器设计

二、倒立摆的模糊控制器设计

第四节模糊PID控制器的设计

一、模糊控制器和常规PID的混合结构

二、常规PID参数的模糊自整定技术

本章小结

习题和思考题

上机实验题

第四章人工神经元网络模型

第一节神经网络概述

一、神经元模型

二、神经网络的模型分类

三、神经网络的学习算法

四、神经网络的泛化能力

第二节前向神经网络模型

一、单一人工神经元

二、单层神经网络结构

三、多层神经网络结构

四、多层传播网络的BP学习算法

五、BP学习算法的MATLAB例程

第三节动态神经网络模型

一、带时滞的多层感知器网络

二、Hopfield神经网络

三、回归神经网络

本章小结

习题和思考题

第五章神经网络控制论

第一节神经网络与神经网络控制器

一、神经网络控制的优越性

二、神经网络控制器的分类

三*、神经网络的逼近能力

第二节非线性动态系统的神经网络辨识

一、神经网络的辨识基础

二、神经网络辨识模型的结构

三*、非线性动态系统神经网络的辨识

第三节神经网络控制的学习机制

一、监督式学习

二、增强式学习

第四节神经网络控制器的设计

一、神经网络直接逆模型控制法

二、直接网络控制法

三、多神经网络自学习控制法

四、单一神经元控制法

本章小结

习题和思考题

第六章*智能控制的集成技术

第一节模糊神经网络控制

一、模糊神经网络的结构

二、模糊神经网络的学习算法

第二节基于神经网络的自适应控制

一、自适应控制技术

二、神经网络的模型参考自适应控制

第三节智能控制的优化算法

一、遗传学习算法

二、蚁群学习算法

三、迭代学习算法

本章小结

第七章深度学习

第一节深度学习概述

一、什么是深度学习

二、深度学习模型中的优化

三、GPU的重要性

第二节模型范式

一、卷积神经网络

二、循环神经网络

三、自动编码器

四、注意力模型

第三节深度学习在智能电网中的应用

一、电力设备及系统故障诊断

二、光伏功率预测

三、电力系统快速潮流计算

本章小结

第八章强化学习

第一节强化学习概述

一、强化学习的产生与发展

二、强化学习的关键要素

第二节强化学习理论基础

一、马尔可夫决策过程

二、基于价值函数的强化学习方法

三、基于策略梯度的强化学习方法

第三节深度强化学习

一、基于函数逼近器的强化学习

二、深度Q学习算法

三、深度确定性策略梯度算法

第四节深度强化学习在智能电网中的应用

一、深度强化学习在理论研究阶段的应用

二、深度强化学习在实际优化问题中的应用

本章小结

参考文献