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

智能控制理論與應用(高等院校人工智慧與機器人工程系列教材)

  • 作者：編者:郭磊//宋原|責編:張海麗
  • 出版社：化學工業
  • ISBN：9787122507242
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：190
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統闡述了智能控制的核心理論和工程實現方法，旨在構建從基礎理論到設計實踐的完整知識體系。全書主要內容涵蓋智能控制概述、模糊集合、模糊規則與模糊推理控制、模糊控制與案例分析、人工神經網路原理，以及神經網路控制與強化學習概述。本書不僅深入剖析了模糊邏輯、神經網路、自適應動態規劃等關鍵方法的數學基礎與工作機制，更強調工程實踐，提供了基於MATLAB與Python雙平台的控制器設計範例與詳細實現流程。
    本書旨在實現理論深度和實踐價值的統一，可作為自動化、人工智慧、智能科學與技術等相關專業高年級本科生或研究生「智能控制」課程的核心教材，同時也非常適合從事智能系統研發的工程師，以掌握智能控制系統從理論推導、演算法設計到代碼實現的完整路徑。
作者介紹
編者:郭磊//宋原|責編:張海麗
目錄
第1章  智能控制概述
  1.1  控制理論和應用發展的概況
    1.1.1  控制的本質
    1.1.2  控制理論的發展歷程：從經典到現代，再到智能
  1.2  傳統控制理論的局限性
    1.2.1  依賴被控對象的精確數學模型
    1.2.2  處理複雜系統的能力不足
    1.2.3  缺乏學習和自適應能力
    1.2.4  在工程實現中的挑戰
  1.3  智能控制的組成、定義
    1.3.1  智能的定義
    1.3.2  智能控制的定義
  1.4  智能控制與傳統控制的關係和差別
  1.5  智能控制研究的主要內容
  1.6  靜態反饋控制和動態反饋控制
  1.7  智能控制的分類
  1.8  本書的內容和結構
  思考題與習題
第2章  模糊集合
  2.1  模糊集合概述
    2.1.1  模糊的起源
    2.1.2  電腦思維與人類思維的差異
    2.1.3  模糊邏輯的提出和發展
  2.2  基本定義和術語
    2.2.1  模糊集合及其表達方式
    2.2.2  模糊集合的相關定義
  2.3  模糊集合運算
    2.3.1  模糊集合包含、並集、交集、補集
    2.3.2  模糊集合的運算律
  2.4  隸屬函數的形式與參數化
    2.4.1  確定隸屬函數的基本原則及常用方式
    2.4.2  常用的一維隸屬函數形式及其參數化
    2.4.3  分段線性與光滑函數的性能權衡
    2.4.4  一維參數化隸屬函數的導數
    2.4.5  多維模糊系統建模
  思考題與習題
第3章  模糊規則與模糊推理控制
  3.1  擴展原理
    3.1.1  擴展原理的含義
    3.1.2  應用擴展原理的例題
    3.1.3  擴展原理的推廣
  3.2  模糊關係
    3.2.1  模糊關係的數學定義
    3.2.2  模糊關係的表示方法
  3.3  模糊關係的基本運算
    3.3.1  並、交、補運算
    3.3.2  合成運算
    3.3.3  模糊關係的性質
  3.4  模糊if-then規則
    3.4.1  從語言規則到數學關係

    3.4.2  語言變數與語言值
    3.4.3  模糊if-then規則的結構解析
    3.4.4  模糊蘊含運算
    3.4.5  模糊if-then規則的數學表示
    3.4.6  模糊關係計算實例
  3.5  模糊推理複合規則
    3.5.1  模糊推理複合規則的定義
    3.5.2  模糊推理複合規則的數學基礎與幾何解釋
    3.5.3  基於Mamdani模型的推理過程
    3.5.4  推理計算實例
  思考題與習題
第4章  模糊控制與案例分析
  0594.1  模糊控制系統概述
    4.1.1  基本定義與核心思想
    4.1.2  系統結構與工作流程
    4.1.3  模糊控制器的基本組成模塊
  4.2  Mamdani型模糊控制器
    4.2.1  Mamdani型模糊控制器的結構解析
    4.2.2  規則庫的設計原則和方法
    4.2.3  解模糊化方法
    4.2.4  Mamdani型模糊控制器的實例分析
  4.3  T-S型模糊控制器
    4.3.1  T-S型模糊控制器的結構和特點
    4.3.2  T-S型模糊控制器的工作流程
    4.3.3  T-S型模糊控制器的實例分析
  4.4  模糊控制器的設計方法和參數整定
    4.4.1  常規設計流程與步驟
    4.4.2  比例因子的選取與整定
    4.4.3  基於經驗的規則與隸屬函數參數調整
  4.5  模糊控制器的模擬與實現
    4.5.1  基於Python的開發路徑
    4.5.2  基於Python模糊控制器開發
    4.5.3  搭建控制系統的Python開發環境
  4.6  模糊控制器的設計案例
    4.6.1  PD型Mamdani模糊邏輯控制器的設計
    4.6.2  基於MATLAB實現Mamdani型模糊控制器
    4.6.3  基於Python實現Mamdani型模糊控制器
    4.6.4  基於T-S模糊模型和並行分散式補償的狀態反饋鎮定方法
    4.6.5  基於MATLAB實現T-S模糊模型和並行分散式補償的狀態反饋鎮定
    4.6.6  基於Python實現T-S模糊模型和並行分散式補償的狀態反饋鎮定
  思考題與習題
第5章  人工神經網路原理
  5.1  人工神經網路基礎
    5.1.1  人工神經網路的基本定義與發展歷程
    5.1.2  生物神經元與人工神經元的關係
    5.1.3  人工神經元的數學模型和激活函數
    5.1.4  人工神經元的激活函數
    5.1.5  人工神經網路的基本拓撲結構
    5.1.6  人工神經網路的特徵和功能
  5.2  感知器模型

    5.2.1  單層感知器的結構與工作原理
    5.2.2  感知器在線性分類問題中的應用
    5.2.3  感知器的學習演算法與權重調整規則
    5.2.4  單層感知器處理線性不可分問題的局限性
    5.2.5  從單層感知器到多層感知器的發展
  5.3  多層前饋神經網路與BP演算法
    5.3.1  多層感知器的結構與優勢
    5.3.2  BP演算法的提出背景與歷史意義
    5.3.3  BP演算法的數學原理推導
    5.3.4  BP演算法的具體實現流程
    5.3.5  BP演算法的局限性及改進方法
  5.4  徑向基函數神經網路
    5.4.1  RBF神經網路的基本結構
    5.4.2  RBF神經網路的數學模型和函數特性
    5.4.3  RBF神經網路參數的選擇策略
    5.4.4  RBF神經網路的學習演算法和訓練策略
    5.4.5  BP神經網路與RBF神經網路的對比分析
  思考題與習題
第6章  神經網路控制
  6.1  神經網路控制概述
    6.1.1  控制範式的轉變：為何需要神經網路控制？
    6.1.2  神經網路控制器的核心特性與優勢
  6.2  神經網路的逼近能力
    6.2.1  通用逼近定理
    6.2.2  BP神經網路的逼近能力
    6.2.3  RBF神經網路的逼近能力
    6.2.4  神經網路分類能力與逼近能力
  6.3  神經網路控制器的典型結構分類
    6.3.1  間接學習型控制
    6.3.2  直接自適應控制
    6.3.3  神經PID控制
    6.3.4  前饋-反饋複合控制
  6.4  神經網路控制器原理及設計
    6.4.1  基於單神經元的自適應PID控制器設計
    6.4.2  RBF神經網路與PD控制器的複合控制
    6.4.3  基於RBF神經網路的理想模型自適應控制設計
    6.4.4  基於RBF神經網路的魯棒自適應控制設計
    6.4.5  基於RBF神經網路的增強魯棒自適應控制器設計
  6.5  神經網路控制器的設計案例
    6.5.1  問題描述和系統模型
    6.5.2  基於MATLAB實現RBF神經網路控制器
    6.5.3  基於Python實現RBF神經網路控制器
  思考題與習題
第7章  強化學習概述
  7.1  引言：從最優控制到學習控制
    7.1.1  最優控制問題的數學描述
    7.1.2  動態規劃的困境：維度災難
    7.1.3  解決方案：函數逼近和學習
  7.2  自適應動態規劃（ADP）的數學基礎
    7.2.1  HJB方程：最優性的判據

    7.2.2  HJB方程的解：驗證定理與黏性解理論
  7.3  自適應動態規劃的核心範式：近似動態規劃
    7.3.1  ADP的基本思想
    7.3.2  基於值迭代的最優自適應控制
    7.3.3  基於策略迭代的最優自適應控制
    7.3.4  值迭代與策略迭代：範式對比與架構實現
    7.3.5  啟示：從演算法到工程實現的哲學
    7.3.6  從經典最優控制到ADP：線性二次型調節器與策略迭代
    7.3.7  線性二次型策略迭代演算法的實現案例
  思考題與習題
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