幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能控制(嵌入式與工業控制技術第2版高等學校電子信息類專業系列教材)

  • 作者：編者:李士勇//李研|責編:曾珊//李曄
  • 出版社：清華大學
  • ISBN：9787302581611
  • 出版日期：2021/10/01
  • 裝幀：平裝
  • 頁數：280
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    21世紀進入了智能時代，智能控製作為自動控制和人工智慧、計算智能等交叉融合的前沿學科，被譽為繼經典控制、現代控制之後的第三代控制理論，它在智能自動化領域佔有極其重要的地位。
    本書論述了智能控制的基本概念、原理、方法、技術及應用實例。全書共8章，內容包括：從傳統控制到智能控制；基於模糊邏輯的智能控制；基於神經網路的智能控制；專家控制與仿人智能控制；遞階智能控制與學習控制；智能優化原理與演算法；最優智能控制原理與設計；智能控制的工程應用實例。本書立意新穎，取材廣泛，內容豐富，結構嚴謹，自成系統，特色鮮明；內容深入淺出，論述精闢，邏輯嚴密，辯證分析，啟迪思維。
    本書是全國工程專業學位研究生教育國家級規劃教材，既可作為自動化、自動控制及相關工程專業研究生教材，也可供智能科學、人工智慧、電腦應用、電子工程、信息工程、機電工程等專業高年級本科生和科技人員學習參考。
作者介紹
編者:李士勇//李研|責編:曾珊//李曄
    李士勇，哈爾濱工業大學二級教授、博士生導師，哈爾濱工業大學教學名師。黑龍江省優秀專家。國家模糊控制生產力促進中心專家組專家、JOURNAL OF MEASUREMENT SCIENCE AND INSTRUMENTATION編委。近四十年來一直從事自動控制、模糊數學、模糊控制、智能控制、智能優化、智能制導、複雜適應系統的理論及其在工業過程與國防高技術領域中應用方面的教學、科研和研究生指導工作。獲2項國家級科研和教學成果獎、7項省部級獎。發表近200篇學術論文。作為第一作者出版15部教材和專著。在智能控制方面百萬字的代表作《模糊控制·神經控制和智能控制論》榮獲1999年「全國優秀科技圖書獎」暨「科技進步獎（科技著作）」，已被6000余篇論文引用，曾躋身於十大領域中國科技論文引用頻次最高的前50部專著與譯著排行榜。美國IEEE FELLOW、田納西大學J.C.HUNG（洪箴）教授曾指出：「李士勇教授在模糊控制、神經網（絡）控制及智能控制方面有深入的理論研究和特殊的學術造詣及貢獻。」在智能優化方面已出版的著作有《蟻群演算法及其應用》《量子計算與量子優化演算法》《智能優化演算法原理與應用》《智能優化演算法與湧現計算》。
目錄
第1章  從傳統控制到智能控制
  1.1  自動控制的基本問題
    1.1.1  自動控制的概念
    1.1.2  自動控制的目的及要求
    1.1.3  自動控制中的矛盾問題
  1.2  自動控制的基本原理
    1.2.1  控制論的創立
    1.2.2  反饋是自動控制的精髓
    1.2.3  反饋在閉環控制中的作用
    1.2.4  反饋控制的基本模式
  1.3  控制理論發展的歷程
    1.3.1  經典控制理論
    1.3.2  現代控制理論
    1.3.3  智能控制理論
  1.4  智能控制理論的基本內容
    1.4.1  智能控制的基本概念
    1.4.2  智能控制的多學科交叉結構
    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  智能控制系統的結構
    1.4.7  智能控制的類型
  啟迪思考題
第2章  基於模糊邏輯的智能控制
  2.1  模糊控制概述
    2.1.1  模糊控制的創立與發展
    2.1.2  模糊控制器的分類
  2.2  模糊邏輯基礎
    2.2.1  基於二值邏輯的經典集合
    2.2.2  模糊集合與模糊概念
    2.2.3  模糊集合及其運算
    2.2.4  模糊矩陣與模糊向量
    2.2.5  模糊關係
    2.2.6  模糊邏輯推理
    2.2.7  模糊系統的萬能逼近特性
  2.3  模糊控制的原理
    2.3.1  模糊控制系統的組成
    2.3.2  模糊控制的工作原理
    2.3.3  模糊控制的魯棒性和穩定性
  2.4  經典模糊控制器的設計方法
    2.4.1  模糊控制器的結構設計
    2.4.2  模糊控制規則的設計
    2.4.3  Mamdani模糊推理法
    2.4.4  精確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  查表式模糊控制器設計
    2.4.7  解析式模糊規則自調整控制器
  2.5  T?S型模糊控制器設計
    2.5.1  T?S模糊模型
    2.5.2  基於T?S模型的模糊推理

    2.5.3  T?S型模糊控制系統設計
  2.6  模糊?PID控制
    2.6.1  模糊?PID複合控制
    2.6.2  基於模糊推理優化參數的PID控制
  2.7  自適應模糊控制
    2.7.1  模糊系統辨識
    2.7.2  自適應模糊控制的基本原理
    2.7.3  模型參考自適應模糊控制
  2.8  模糊控制的實現技術
    2.8.1  模糊控制軟體開發工具
    2.8.2  模糊控制晶元
  2.9  基於MATLAB的模糊控制系統設計
    2.9.1  MATLAB模糊邏輯工具箱
    2.9.2  基於MATLAB的模糊控制系統模擬
  啟迪思考題
第3章  基於神經網路的智能控制
  3.1  神經網路系統基礎
    3.1.1  神經網路研究概述
    3.1.2  神經細胞結構與功能
    3.1.3  人工神經元模型
    3.1.4  神經網路的特點
    3.1.5  神經網路結構模型
    3.1.6  神經網路訓練與學習
    3.1.7  神經網路的學習規則
  3.2  控制和識別中的常用神經網路
    3.2.1  感知器
    3.2.2  前饋神經網路
    3.2.3  徑向基神經網路
    3.2.4  反饋神經網路
    3.2.5  小腦模型神經網路
    3.2.6  大腦模型自組織神經網路
    3.2.7  Boltzmann機
    3.2.8  深度信念網路
    3.2.9  卷積神經網路
    3.2.10  循環神經網路
    3.2.11  遞歸神經網路
  3.3  基於神經網路的系統辨識
    3.3.1  神經網路的逼近能力
    3.3.2  神經網路系統辨識的原理
    3.3.3  基於BP網路的非線性系統模型辨識
  3.4  基於神經網路的智能控制
    3.4.1  神經控制的基本原理
    3.4.2  基於神經網路智能控制的類型
    3.4.3  基於傳統控制理論的神經控制
  3.5  神經元PID控制
    3.5.1  神經元PID控制
    3.5.2  自適應神經元PID控制
  3.6  神經自適應控制
    3.6.1  模型參考神經自適應控制
    3.6.2  神經自校正控制

  3.7  基於MATLAB的神經控制系統設計
    3.7.1  MATLAB神經網路工具箱
    3.7.2  基於MATLAB的模型參考神經自適應控制系統模擬
  啟迪思考題
第4章  專家控制與仿人智能控制
  4.1  專家系統的基本概念
    4.1.1  專家與專家系統
    4.1.2  專家系統的基本結構
  4.2  專家控制系統的結構與原理
    4.2.1  專家控制系統的特點
    4.2.2  專家控制系統的結構
    4.2.3  專家控制系統的原理
    4.2.4  實時過程式控制制專家系統舉例
  4.3  專家控制器
    4.3.1  專家控制器的結構
    4.3.2  一種工業過程專家控制器設計
  4.4  仿人智能控制原理與結構
    4.4.1  從常規PID控制談起
    4.4.2  仿人智能控制的原理
    4.4.3  系統動態行為識別的特徵變數
    4.4.4  仿人智能控制器的結構
  4.5  仿人智能控制的多種模式
    4.5.1  仿人智能積分控制
    4.5.2  仿人智能採樣控制
    4.5.3  仿人極值採樣智能控制
  啟迪思考題
第5章  遞階智能控制與學習控制
  5.1  大系統控制的形式與結構
    5.1.1  大系統控制的基本形式
    5.1.2  大系統控制的遞階結構
  5.2  分層遞階控制的基本原理
    5.2.1  協調的基本概念
    5.2.2  協調的基本原則
  5.3  遞階智能控制的結構與原理
    5.3.1  遞階智能控制的結構
    5.3.2  遞階智能控制的原理
  5.4  蒸汽鍋爐的遞階模糊控制
    5.4.1  模糊變數與規則間的數量關係
    5.4.2  遞階模糊控制規則
    5.4.3  蒸汽鍋爐的兩級遞階模糊控制系統
  5.5  學習控制系統
    5.5.1  學習控制的基本概念
    5.5.2  迭代學習控制
    5.5.3  重複學習控制
    5.5.4  其他學習控制形式
  5.6  基於規則的自學習控制系統
    5.6.1  產生式自學習控制系統
    5.6.2  基於規則的自學習模糊控制舉例
  啟迪思考題
第6章  智能優化原理與演算法

  6.1  智能優化演算法概述
    6.1.1  從人工智慧到計算智能
    6.1.2  智能優化演算法的產生、種類及特點
    6.1.3  仿人智能優化演算法
    6.1.4  進化演算法
    6.1.5  群智能優化演算法
    6.1.6  仿自然優化演算法
    6.1.7  仿植物生長演算法
  6.2  智能優化演算法的理論基礎
    6.2.1  系統科學
    6.2.2  複雜適應系統理論
    6.2.3  複雜適應系統的運行機制
    6.2.4  複雜適應系統理論的特點
    6.2.5  智能優化演算法的原理
  6.3  遺傳演算法
    6.3.1  生物的進化與遺傳
    6.3.2  遺傳演算法的基本概念
    6.3.3  遺傳演算法的基本操作
    6.3.4  遺傳演算法實現步驟
    6.3.5  遺傳演算法用於函數優化
    6.3.6  遺傳演算法和模糊邏輯及神經網路的融合
  6.4  RBF神經網路優化演算法
    6.4.1  RBF神經網路
    6.4.2  RBF網路學習演算法
    6.4.3  RBF神經網路在控制中的應用
  6.5  粒子群優化演算法
    6.5.1  粒子群優化的基本思想
    6.5.2  粒子群優化演算法原理
    6.5.3  PSO演算法步驟
    6.5.4  PSO演算法的改進及應用
  6.6  免疫優化演算法
    6.6.1  免疫學的基本概念
    6.6.2  免疫系統的組織結構
    6.6.3  免疫機制與克隆選擇理論
    6.6.4  人工免疫模型與免疫演算法
    6.6.5  免疫應答中的學習與優化
    6.6.6  免疫克隆選擇演算法
    6.6.7  免疫優化演算法的應用
  6.7  教學優化演算法
    6.7.1  教學優化演算法的原理
    6.7.2  教學優化演算法的數學描述
    6.7.3  教學優化演算法的實現步驟
  6.8  正弦餘弦演算法
    6.8.1  正弦餘弦演算法的原理
    6.8.2  正弦餘弦演算法的數學描述
    6.8.3  正弦餘弦演算法的實現步驟
  6.9  渦流搜索演算法
    6.9.1  渦流搜索演算法的原理
    6.9.2  渦流搜索演算法的數學描述
    6.9.3  渦流搜索演算法的實現流程

  6.10  陰?陽對優化演算法
    6.10.1  陰?陽對優化的哲學原理
    6.10.2  陰?陽對優化演算法的描述
    6.10.3  陰?陽對優化演算法實現步驟
  啟迪思考題
第7章  最優智能控制原理與設計
  7.1  最優智能控制的原理與結構
    7.1.1  最優智能控制的原理
    7.1.2  最優智能控制的結構
  7.2  最優智能控制中的快速智能優化演算法
  7.3  基於粒子群演算法的模糊控制器優化設計
    7.3.1  PSO演算法
    7.3.2  模糊控制器的設計原理
    7.3.3  PSO優化的模糊控制器在主汽溫控制中的應用
  7.4  基於RBF神經網路優化PID控制參數
    7.4.1  RBF神經網路對被控對象的辨識
    7.4.2  RBF網路優化PID控制參數的演算法實現
  7.5  基於免疫克隆優化的模糊神經控制器
    7.5.1  免疫克隆選擇演算法的優化機理
    7.5.2  改進的免疫克隆選擇演算法
    7.5.3  基於免疫克隆選擇演算法的模糊神經控制器優化設計
    7.5.4  模擬結果及結論
  啟迪思考題
第8章  智能控制的工程應用實例
  8.1  基於神經網路推理的加熱爐溫度模糊控制
    8.1.1  基於神經網路推理的模糊控制
    8.1.2  模糊控制器的神經網路實現
    8.1.3  現場運行效果
  8.2  神經網路在車底爐燃燒控制中的應用
    8.2.1  燃燒控制系統的設計
    8.2.2  神經網路模型的建立
    8.2.3  神經網路的訓練過程
    8.2.4  神經網路在車底爐燃燒控制中的應用實例
  8.3  專家控制在靜電除塵器電源控制系統中的應用
    8.3.1  高壓直流靜電除塵電源控制系統
    8.3.2  專家控制系統控制器設計
    8.3.3  控制結果及其分析
  8.4  學習控制在數控凸輪軸磨床上的應用
    8.4.1  FANUC數控系統學習控制功能
    8.4.2  學習控制的實現
    8.4.3  學習控制效果
  8.5  仿人智能溫度控制器在加熱爐中的應用
    8.5.1  仿人智能控溫系統的組成
    8.5.2  仿人智能溫度控制演算法
    8.5.3  實際應用結果及性能對比
  8.6  深度神經網路及強化學習在電腦圍棋AlphaGo Zero中的應用
    8.6.1  AlphaGo Zero的深度神經網路結構
    8.6.2  非同步優勢強化演算法A3C
    8.6.3  AlphaGo Zero的蒙特卡羅樹搜索
    8.6.4  AlphaGo Zero的訓練流程

    8.6.5  AlphaGo Zero 的啟示
  啟迪思考題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032