智能控制（第2版）

编者
2021年6月
于哈尔滨工业大学

智能控制对许多人来说，既熟悉又陌生。说熟悉是因为当代“智能”这个词很时髦，说陌生是因为即使从事控制的专业人员也未必对智能控制的内涵理解得很深刻。
自动控制的产生来源于人们对生产过程自动化的需求，既可以减轻人们的劳动强度，又可以提高生产效率和产品质量。随着科学技术的迅猛发展，被控对象变得日益复杂，以至于人们难以用精确的数学模型加以描述，即使建立了非常复杂的数学模型，也难以用于实际的控制系统设计。因此，对于具有不确定性复杂对象的控制难题，基于被控对象精确数学模型的传统控制——经典控制理论及现代控制理论都面临着严峻的挑战。
面对难以用传统控制理论控制的复杂对象，具有一定操作经验的人员采用人工控制方法往往能够取得满意的控制效果。这些操作人员既不需要对象的数学模型，也不需要控制专家的指导，而是凭借他的操作经验，借助于仪器、仪表等传感器对被控对象隐含在输入输出数据中的动态行为不断观测与分析，并根据控制过程的要求，不断通过执行机构对被控过程加以调节，从而实现对复杂对象的有效控制。
随着计算机技术的飞速发展和性能的不断提高，使得用机器模拟人的智能决策行为对复杂对象进行控制变得易于实现，这样的控制形式被称为智能控制。因此，智能控制是借助于计算机模拟人（包括操作人员及控制专家）对难以建立精确数学模型的复杂对象的智能控制决策行为，基于控制系统的输入输出数据的因果关系推理，实现对复杂对象计算机闭环数字控制的形式。
本书作者李士勇教授早在20世纪80年代就开始了模糊控制、智能控制的教学和科研工作，编著《模糊控制和智能控制理论与应用》（1990）； 《模糊控制·神经控制和智能控制论》（第1版1996，第2版1998）荣获1999年“全国优秀科技图书奖”暨“科技进步奖（科技著作）”三等奖。本书跻身于十大领域中国科技论文被引频次的前50部专著与译著排行榜（见《中国科学计量指标： 论文与引文统计》2000卷、2001卷，中国科学院文献情报中心出版）； 据中国知网“中国期刊全文数据库”“中国博士硕士论文全文数据库”“中国重要会议全文数据库”检索结果， 截至2015年11月，该书已被十大领域6232篇论文引用。美国IEEE Fellow、田纳西大学J.H.Hung （洪箴）教授1997年看过作者上述两本著作后曾指出： “李教授在模糊控制、神经网（络）控制和智能控制方面有深入的理论研究以及特殊的学术造诣和贡献。”
用计算机模拟人脑的智能决策行为通常有3种模拟途径： 符号主义、联结主义、行为主义。基于上述3种模拟形式，分别创立和发展了实现智能控制的3种基本形式——基于模糊逻辑推理的智能控制（简称模糊控制）； 基于神经网络推理的智能控制（简称神经控制）； 基于专家知识推理的智能控制（简称专家控制）。本书主要阐述模糊控制、神经控制和专家控制系统的组成、原理、设计及应用等内容。此外，也用一定的篇幅介绍递阶智能控制、学习控制、智能优化算法及智能控制与智能优化融合方面的内容。

智能控制(第2版)

全书共8章，第1章从传统控制到智能控制； 第2章基于模糊逻辑的智能控制； 第3章基于神经网络的智能控制； 第4章专家控制与仿人智能控制； 第5章递阶智能控制与学习控制； 第6章智能优化原理与算法； 第7章智能控制和智能优化的融合； 第8章智能控制的工程应用实例。
参加本书部分章节中部分内容编写工作和提供素材的还有李浩（第2章）、李盼池（第3章）、李巍（第3、4章）、黄忠报（第6、7章）、左兴权（第6章）。
本书是全国工程硕士专业学位教育指导委员会推荐教材。教学参考学时40学时，建议教学时数分配如下： 第1章2学时； 第2章10学时； 第3章8学时； 第4章6学时； 第5章4学时； 第6章6学时； 第7章4学时； 第8章供学生自学。如果教学时数定为30学时，建议重点讲授第1~5章或第1~3章的内容，教师也可根据教学需要选讲部分章节的内容。
为了满足工程硕士研究生的教学需求，编者在撰写过程中尽可能采取由浅入深、深入浅出、启发思维的写作方法，旨在通过本教材的学习达到理解和掌握智能控制基本的概念、原理、设计方法及其应用方面的知识。作者为各章都精心设计了启迪思考题，旨在激发学生的学习积极性和增强创新思维意识。
本书在编写中引用了部分国内外有关智能控制的理论与应用成果，向被引用的文献的作者致以诚挚的谢意！由于智能控制涉及知识面广且处在不断发展过程中，所以书中难免存在一些不足，恳请广大读者给予指正。

编者2016年3月
于哈尔滨工业大学

《智能控制》（第2版）全面论述智能控制的基本概念、原理、方法、技术及工程应用实例。本书立意新颖，取材广泛，内容丰富，结构严谨，自成系统，特色鲜明；由浅入深，深入浅出，论述精辟，逻辑严密，辩证分析，启迪思维。同国内外同类书籍相比，本书在学术上具有以下创新性。

李士勇 ，哈尔滨工业大学二级教授，控制科学与工程国家一级重点学科博士生导师，哈尔滨工业大学教学名师，黑龙江省优秀专家。曾受聘国家模糊控制生产力促进中心专家组专家，Journal of Measurement Science and Instrumentation编委。作为国内早编著模糊控制和智能控制教材并开展教学的开拓者之一，在智能控制领域取得创新性成果。

第1章从传统控制到智能控制

1.1自动控制的基本问题

1.1.1自动控制的概念

1.1.2自动控制的目的及要求

1.1.3自动控制中的矛盾问题

1.2自动控制的基本原理

1.2.1控制论的创立

1.2.2反馈是自动控制的精髓

1.2.3反馈在闭环控制中的作用

1.2.4反馈控制的基本模式

1.3控制理论发展的历程

1.3.1经典控制理论

1.3.2现代控制理论

1.3.3智能控制理论

1.4智能控制理论的基本内容

1.4.1智能控制的基本概念

1.4.2智能控制的多学科交叉结构

1.4.3智能控制的基本原理

1.4.4智能控制的基本功能

1.4.5智能控制的基本要素

1.4.6智能控制系统的结构

1.4.7智能控制的类型

启迪思考题

第2章基于模糊逻辑的智能控制

2.1模糊控制概述

2.1.1模糊控制的创立与发展

2.1.2模糊控制器的分类

2.2模糊逻辑基础

2.2.1基于二值逻辑的经典集合

2.2.2模糊集合与模糊概念

2.2.3模糊集合及其运算

2.2.4模糊矩阵与模糊向量

2.2.5模糊关系

2.2.6模糊逻辑推理

2.2.7模糊系统的逼近特性

2.3模糊控制的原理

2.3.1模糊控制系统的组成

2.3.2模糊控制的工作原理

2.3.3模糊控制的鲁棒性和稳定性

2.4经典模糊控制器的设计方法

2.4.1模糊控制器的结构设计

2.4.2模糊控制规则的设计

2.4.3Mamdani模糊推理法

2.4.4精确量的模糊化及量化因子

2.4.5模糊量的清晰化及比例因子

2.4.6查表式模糊控制器设计

2.4.7解析式模糊规则自调整控制器

2.5TS型模糊控制器设计

2.5.1TS模糊模型

2.5.2基于TS模型的模糊推理

2.5.3TS型模糊控制系统设计

2.6模糊PID控制

2.6.1模糊PID复合控制

2.6.2基于模糊推理优化参数的PID控制

2.7自适应模糊控制

2.7.1模糊系统辨识

2.7.2自适应模糊控制的基本原理

2.7.3模型参考自适应模糊控制

2.8模糊控制的实现技术

2.8.1模糊控制软件开发工具

2.8.2模糊控制芯片

2.9基于MATLAB的模糊控制系统设计

2.9.1MATLAB模糊逻辑工具箱

2.9.2基于MATLAB的模糊控制系统仿真

启迪思考题

第3章基于神经网络的智能控制

3.1神经网络系统基础

3.1.1神经网络研究概述

3.1.2神经细胞结构与功能

3.1.3人工神经元模型

3.1.4神经网络的特点

3.1.5神经网络结构模型

3.1.6神经网络训练与学习

3.1.7神经网络的学习规则

3.2控制和识别中的常用神经网络

3.2.1感知器

3.2.2前馈神经网络

3.2.3径向基神经网络

3.2.4反馈神经网络

3.2.5小脑模型神经网络

3.2.6大脑模型自组织神经网络

3.2.7Boltzmann机

3.2.8深度信念网络

3.2.9卷积神经网络

3.2.10循环神经网络

3.2.11递归神经网络

3.3基于神经网络的系统辨识

3.3.1神经网络的逼近能力

3.3.2神经网络系统辨识的原理

3.3.3基于BP网络的非线性系统模型辨识

3.4基于神经网络的智能控制

3.4.1神经控制的基本原理

3.4.2基于神经网络智能控制的类型

3.4.3基于传统控制理论的神经控制

3.5神经元PID控制

3.5.1神经元PID控制

3.5.2自适应神经元PID控制

3.6神经自适应控制

3.6.1模型参考神经自适应控制

3.6.2神经自校正控制

3.7基于MATLAB的神经控制系统设计

3.7.1MATLAB神经网络工具箱

3.7.2基于MATLAB的模型参考神经自适应控制系统仿真

启迪思考题

第4章专家控制与仿人智能控制

4.1专家系统的基本概念

4.1.1专家与专家系统

4.1.2专家系统的基本结构

4.2专家控制系统的结构与原理

4.2.1专家控制系统的特点

4.2.2专家控制系统的结构

4.2.3专家控制系统的原理

4.2.4实时过程控制专家系统举例

4.3专家控制器

4.3.1专家控制器的结构

4.3.2一种工业过程专家控制器设计

4.4仿人智能控制原理与结构

4.4.1从常规PID控制谈起

4.4.2仿人智能控制的原理

4.4.3系统动态行为识别的特征变量

4.4.4仿人智能控制器的结构

4.5仿人智能控制的多种模式

4.5.1仿人智能积分控制

4.5.2仿人智能采样控制

4.5.3仿人极值采样智能控制

启迪思考题

第5章递阶智能控制与学习控制

5.1大系统控制的形式与结构

5.1.1大系统控制的基本形式

5.1.2大系统控制的递阶结构

5.2分层递阶控制的基本原理

5.2.1协调的基本概念

5.2.2协调的基本原则

5.3递阶智能控制的结构与原理

5.3.1递阶智能控制的结构

5.3.2递阶智能控制的原理

5.4蒸汽锅炉的递阶模糊控制

5.4.1模糊变量与规则间的数量关系

5.4.2递阶模糊控制规则

5.4.3蒸汽锅炉的两级递阶模糊控制系统

5.5学习控制系统

5.5.1学习控制的基本概念

5.5.2迭代学习控制

5.5.3重复学习控制

5.5.4其他学习控制形式

5.6基于规则的自学习控制系统

5.6.1产生式自学习控制系统

5.6.2基于规则的自学习模糊控制举例

启迪思考题

第6章智能优化原理与算法

6.1智能优化算法概述

6.1.1从人工智能到计算智能

6.1.2智能优化算法的产生、种类及特点

6.1.3仿人智能优化算法

6.1.4进化算法 

6.1.5群智能优化算法

6.1.6仿自然优化算法

6.1.7仿植物生长算法

6.2智能优化算法的理论基础

6.2.1系统科学

6.2.2复杂适应系统理论

6.2.3复杂适应系统的运行机制

6.2.4复杂适应系统理论的特点

6.2.5智能优化算法的原理

6.3遗传算法

6.3.1生物的进化与遗传

6.3.2遗传算法的基本概念

6.3.3遗传算法的基本操作

6.3.4遗传算法实现步骤

6.3.5遗传算法用于函数优化

6.3.6遗传算法和模糊逻辑及神经网络的融合

6.4RBF神经网络优化算法

6.4.1RBF神经网络

6.4.2RBF网络学习算法

6.4.3RBF神经网络在控制中的应用

6.5粒子群优化算法

6.5.1粒子群优化的基本思想

6.5.2粒子群优化算法原理

6.5.3PSO算法步骤

6.5.4PSO算法的改进及应用

6.6免疫优化算法

6.6.1免疫学的基本概念

6.6.2免疫系统的组织结构

6.6.3免疫机制与克隆选择理论

6.6.4人工免疫模型与免疫算法

6.6.5免疫应答中的学习与优化

6.6.6免疫克隆选择算法

6.6.7免疫优化算法的应用

6.7教学优化算法

6.7.1教学优化算法的原理

6.7.2教学优化算法的数学描述

6.7.3教学优化算法的实现步骤

6.8正弦余弦算法

6.8.1正弦余弦算法的原理

6.8.2正弦余弦算法的数学描述

6.8.3正弦余弦算法的实现步骤

6.9涡流搜索算法

6.9.1涡流搜索算法的原理

6.9.2涡流搜索算法的数学描述

6.9.3涡流搜索算法的实现流程

6.10阴阳对优化算法

6.10.1阴阳对优化的哲学原理

6.10.2阴阳对优化算法的描述

6.10.3阴阳对优化算法实现步骤

启迪思考题

第7章智能控制原理与设计

7.1智能控制的原理与结构

7.1.1智能控制的原理

7.1.2智能控制的结构

7.2智能控制中的快速智能优化算法

7.3基于粒子群算法的模糊控制器优化设计

7.3.1PSO算法

7.3.2模糊控制器的设计原理

7.3.3PSO优化的模糊控制器在主汽温控制中的应用

7.4基于RBF神经网络优化PID控制参数

7.4.1RBF神经网络对被控对象的辨识

7.4.2RBF网络优化PID控制参数的算法实现

7.5基于免疫克隆优化的模糊神经控制器

7.5.1免疫克隆选择算法的优化机理

7.5.2改进的免疫克隆选择算法

7.5.3基于免疫克隆选择算法的模糊神经控制器优化设计

7.5.4仿真结果及结论

启迪思考题

第8章智能控制的工程应用实例

8.1基于神经网络推理的加热炉温度模糊控制

8.1.1基于神经网络推理的模糊控制

8.1.2模糊控制器的神经网络实现

8.1.3现场运行效果

8.2神经网络在车底炉燃烧控制中的应用

8.2.1燃烧控制系统的设计

8.2.2神经网络模型的建立

8.2.3神经网络的训练过程

8.2.4神经网络在车底炉燃烧控制中的应用实例

8.3专家控制在静电除尘器电源控制系统中的应用

8.3.1高压直流静电除尘电源控制系统

8.3.2专家控制系统控制器设计

8.3.3控制结果及其分析

8.4学习控制在数控凸轮轴磨床上的应用

8.4.1FANUC数控系统学习控制功能

8.4.2学习控制的实现

8.4.3学习控制效果

8.5仿人智能温度控制器在加热炉中的应用

8.5.1仿人智能控温系统的组成

8.5.2仿人智能温度控制算法

8.5.3实际应用结果及性能对比

8.6深度神经网络及强化学习在计算机围棋AlphaGo Zero中的应用

8.6.1AlphaGo Zero的深度神经网络结构

8.6.2异步优势强化算法A3C

8.6.3AlphaGo Zero的蒙特卡罗树搜索

8.6.4AlphaGo Zero的训练流程

8.6.5AlphaGo Zero 的启示

启迪思考题

参考文献

全面涵盖模糊控制|神经控制|专家控制|仿人智能控制|递阶智能控制|学习控制|智能控制及其工程应用实例。