新書推薦：
《
白人贫困 美国社会分裂的真相
》
售價：NT$
352.0
《
蜂群城市（一部关于未来城市的硬科幻小说）
》
售價：NT$
296.0
《
做自己的灯塔（13位觉醒年代的历史人物小传，不同领域的人生答案）
》
售價：NT$
296.0
《
2024中国旅游业发展报告
》
售價：NT$
296.0
《
现代中国思想的兴起 二十周年纪念版（两卷四册）
》
售價：NT$
1826.0
《
冲突：从“未开社会”到现代社会的人类学研究
》
售價：NT$
245.0
《
投资金字塔 独创“投资金字塔”交易体系 经典案例分析，图表结合，数据详实 让自己成为股市中赚钱的那拨人
》
售價：NT$
347.0
《
瞧，这个诗人（“轻与重”文丛）
》
售價：NT$
347.0
|
| 編輯推薦： |
|
本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。
|
| 內容簡介： |
本书以讲授智能控制基础知识和技术应用为目标，在阐述理论知识的基础上，结合矿渣微粉生产多模型自适应控制、旋转系统重复控制、柔性关节机器人控制，讲解了智能控制的技术应用；阐述了人工智能与智能控制的联系、智能控制相关政策和发展方向。全书共9 章，包括智能控制概述、神经网络控制系统、模糊控制系统、专家控制系统、智能PID 控制、学习控制、基于智能优化算法的智能控制、机器人智能控制与智能控制展望。
本书可作为高等院校自动化、智能科学与技术、机电工程、机器人、电子工程等相关专业的教材，也可作为相关研究、设计人员的参考书。
|
| 目錄：
|
目录
前言
第1章智能控制概述
1.1智能控制的产生
1.1.1传统控制所面临的问题
1.1.2智能控制的产生和发展
1.2智能控制的定义和研究对象
1.2.1智能控制的定义
1.2.2智能控制的研究对象
1.3智能控制系统的性能和特点
1.3.1智能控制系统的性能
1.3.2智能控制系统的特点
1.4智能控制系统的分类
1.4.1神经网络控制系统
1.4.2模糊控制系统
1.4.3专家控制系统
1.4.4智能PID控制系统
1.4.5学习控制系统
1.4.6进化类优化智能控制系统
本章小结
思考题与习题
参考文献
第2章神经网络控制系统
2.1人工神经网络概述
2.1.1人工神经元及其特性
2.1.2人工神经网络的基本类型
2.1.3人工神经网络学习算法
2.2典型神经网络
2.2.1BP神经网络及其学习算法
2.2.2RBF神经网络及其学习算法
2.3神经网络建模
2.3.1正向模型
2.3.2逆向模型
2.3.3神经网络建模实例
2.4神经网络控制
2.4.1神经网络监督控制
2.4.2神经网络直接逆控制
2.4.3神经网络内模控制
2.4.4神经网络自适应控制
2.4.5神经网络多模型自适应控制
2.5基于动态神经网络的多模型自适应控制器设计与实现
2.5.1矿渣微粉生产多工况切换自适应控制问题
2.5.2基于串并动态神经网络多模型自适应控制器设计
2.5.3矿渣微粉生产神经网络多模型自适应控制实验
本章小结
思考题与习题
参考文献
第3章模糊控制系统
3.1模糊数学基础
3.1.1模糊集合、模糊关系及其运算
3.1.2语言变量、模糊规则与模糊推理
3.2模糊控制系统的原理与结构
3.2.1模糊控制的基本原理
3.2.2模糊控制系统的工作原理
3.3模糊控制器的设计与实现
3.3.1模糊控制系统的设计原则
3.3.2模糊控制系统设计的快速查表法
3.3.3模糊控制系统设计的梯度下降法
3.3.4模糊控制器的设计与应用
本章小结
思考题与习题
参考文献
第4章专家控制系统
4.1专家系统的基本概念
4.1.1专家系统的研究领域及定义
4.1.2专家系统的特点与优点
4.2专家系统的主要类型与基本结构
4.2.1专家系统的主要类型
4.2.2专家系统的基本结构
4.3专家系统的建立
4.3.1专家系统的建立原则
4.3.2专家系统的建立步骤
4.4专家控制系统的设计与实现
4.4.1专家控制系统的特点
4.4.2专家控制系统的基本结构
4.4.3专家控制器的设计与应用
本章小结
思考题与习题
参考文献
第5章智能PID控制
5.1专家PID控制
5.1.1专家PID控制原理
5.1.2专家PID控制系统仿真实例
5.2模糊PID控制
5.2.1模糊PID混合控制
5.2.2基于模糊自整定参数的PID控制
5.2.3模糊PID控制实例
5.3神经网络PID控制
5.3.1神经网络PID控制原理
5.3.2神经网络PID控制系统实例
本章小结
思考题与习题
参考文献
第6章学习控制
6.1学习控制的基本概念
6.1.1学习控制的研究动机
6.1.2学习控制的定义和特点
6.1.3学习控制的分类
6.2重复控制
6.2.1重复控制的定义
6.2.2重复控制的基本算法
6.2.3旋转系统的重复控制实例
6.3迭代学习控制
6.3.1迭代学习控制的基本原理
6.3.2迭代学习控制的基本算法
6.3.3机械臂的迭代学习控制实例
6.4强化学习控制
6.4.1强化学习的基本概念
6.4.2强化学习控制的基本算法
6.4.3基于DNQ算法的倒立摆小车强化学习控制实例
本章小结
思考题与习题
参考文献
第7章基于智能优化算法的智能控制
7.1智能优化算法概述
7.1.1智能优化算法的定义和主要类型
7.1.2智能优化算法与传统优化算法的区别和联系
7.2进化类优化算法
7.2.1遗传算法
7.2.2差分进化算法
7.3群智能优化算法
7.3.1蚁群算法
7.3.2粒子群算法
7.4智能优化算法在智能控制中的应用
7.4.1进化类优化算法在智能控制中的应用
7.4.2群智能优化算法在智能控制中的应用
本章小结
思考题与习题
参考文献
第8章机器人智能控制
8.1机器人控制系统概述
8.1.1机器人控制系统的特点
8.1.2机器人控制系统的功能
8.2机器人位置与力控制
8.2.1机器人位置控制
8.2.2机器人力控制
8.2.3机器人力与位置协同控制
8.3智能控制技术在机器人中的应用
8.3.1机械臂轨迹跟踪神经网络控制
8.3.2柔性关节机器人自适应控制
8.3.3机器人控制技术在人机交互中的应用
本章小结
思考题与习题
参考文献
第9章智能控制展望
9.1人工智能与智能控制
9.1.1深度学习与智能控制
9.1.2模式识别与智能控制
9.1.3自然语言处理与智能控制
9.2智能控制理论的发展趋势
9.2.1多智能体技术
9.2.2深度学习神经网络
9.2.3混杂控制系统
9.3智能控制的应用需求与展望
9.3.1工业领域智能控制
9.3.2交通领域智能控制
9.4智能控制相关政策及发展规划
本章小结
思考题与习题
参考文献
|
| 內容試閱：
|
前言
智能控制采用各种智能化技术实现复杂系统的控制目标，是具备自学习、自组织、自适应能力的新型自动控制技术。智能控制的发展为解决复杂的非线性、不确定系统的控制问题开辟了新的途径，并被广泛应用于各类工业过程系统、机器人系统、智能制造系统等场景。
近年来，已有大量智能控制理论研究及其工程应用论文发表。编著者多年来一直从事复杂系统智能控制理论和应用方面的教学和研究工作，为了反映智能控制理论设计和工程应用中的最新研究成果，促进自动控制相关专业学生学习，并使广大研究人员和工程技术人员能够了解、掌握和应用智能控制领域的前沿理论和技术应用，编著了本书，供广大读者学习和参考。
本书共9章，具体内容安排如下。
第1章为智能控制概述，简要介绍了智能控制的产生、定义、研究对象、性能、特点和分类。
第2章介绍神经网络控制系统，在介绍神经网络激活函数、基本类型、学习算法等理论基础之上，重点介绍了BP神经网络、RBF神经网络；进一步系统地介绍了神经网络的建模和控制方法，包括正向、逆向模型构建，神经网络监督控制、神经网络直接逆控制、神经网络内模控制、神经网络自适应控制、神经网络多模型自适应控制等，并面向矿渣微粉生产过程，给出了基于动态神经网络的多模型自适应控制分析、设计与实验。
第3章介绍模糊控制系统，首先简要介绍了模糊集合、模糊关系及其运算，语言变量、模糊规则与模糊推理等模糊数学基础；然后介绍了模糊控制的基本原理与模糊控制系统的工作原理；最后阐述了模糊控制系统的设计原则及快速查表法、梯度下降法等设计方法，并以双阀水箱为例介绍了模糊控制器的设计与应用实现。
第4章介绍专家控制系统，在简要介绍专家系统的基本概念、主要类型与基本结构的基础上，阐明了专家系统的建立原则和建立步骤，并重点阐述了专家控制系统的特点、基本结构及其设计与应用。
第5章介绍智能PID控制，融合前述专家控制、模糊控制与神经网络控制方法，分别介绍了专家PID控制、模糊PID控制与神经网络PID控制的基本原理与控制实例。
第6章介绍学习控制，介绍研究动机、定义、特点、分类等学习控制的基本概念；阐述重复控制的定义、基本算法，并给出了旋转系统的重复控制实例；介绍了迭代学习控制的基本原理、基本算法，并给出了机械臂的迭代学习控制实例；介绍了强化学习的基本概念、基本算法，并给出了基于DNQ算法的倒立摆小车强化学习控制实例。
第7章介绍基于智能优化算法的智能控制，首先阐述了智能优化算法的基本概念；然后介绍了以遗传算法、差分进化算法为代表的进化类优化算法和以蚁群算法、粒子群算法为代表的群智能优化算法，并介绍了进化类优化算法、群智能优化算法在智能控制中的应用。
第8章介绍机器人智能控制，首先从特点、功能方面对机器人控制系统进行了概述；然后分别介绍机器人位置控制、力控制及力与位置协同控制，重点阐述了机械臂轨迹跟踪神经网络控制、柔性关节机器人自适应控制、机器人控制技术在人机交互中的应用等机器人智能控制案例。
第9章对智能控制进行展望，首先阐述了深度学习、模式识别、自然语言处理等人工智能技术与智能控制的彼此联系与相互作用，然后从多智能体技术、深度学习神经网络和混杂控制系统方面对智能控制理论发展趋势进行了介绍，接下来以工业、交通领域为例介绍了实际场景对于智能控制的应用需求与展望，最后介绍了智能控制的相关政策及发展规划。
第1、2章由李晓理和王康编写，第3章由李晓理和于晓威编写，第4章由刘茜编写，第5章由高仕琪编写，第6章由余攀编写，第7章由王香伟编写，第8章由刘春芳编写，第9章由鄂新华编写。全书由李晓理统稿。
本书由北京市教育科学“十四五”规划2022年度优化关注课题“首都高校研究生教育质量提升研究（CDEA22009）”资助。
由于编著者水平有限，书中尚存在一些不足和疏漏之处，欢迎读者批评指正。
编著者于北京工业大学
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
