- 智能控制原理与应用(第4版)
- - 作者：蔡自兴//余伶俐//肖晓明|责编:曾珊
  - 出版社：清华大学
  - ISBN：9787302670841
  - 出版日期：2024/10/01
  - 页数：390
- 售价：31.6

内容大纲
    本书内容包括智能控制概述、基于知识的智能控制、基于数据的智能控制、知识与数据复合智能控制、智能控制的算法与编程、智能控制的计算能力和智能控制的应用等。
    全书共15章。第1章是概论，介绍智能控制的产生、作用和发展历史，叙述智能控制的定义、特点与一般结构，探讨智能控制的学科结构理论、学科体系与系统分类。此后内容分成5篇。第一篇讲述基于知识的智能控制，包括第2～5章，分别介绍递阶控制系统、专家控制系统、模糊控制系统和分布式控制系统。第二篇讲述基于数据的智能控制，包括第6～9章，分别介绍神经控制系统、进化控制系统、免疫控制系统和网络控制系统。第三篇讲述知识与数据复合智能控制，包括第10～13章，分别介绍学习控制系统、仿人控制、自然语言控制和复合智能控制。第四篇讲述智能控制的算法与编程，包括第14章，介绍智能控制算法编程实现与深度学习开源框架。第五篇讲述智能控制的计算能力，包括第15章，介绍智能控制的算力及架构。
    本书是相关专业本科生和研究生学习智能控制的优秀教材，也是从事智能控制研究与开发人员进行相关项目研究的综合手册和实用指南。
作者介绍
蔡自兴，IEEE院士和IEEE终身院士（Fellow）、国际导航与运动控制科学院院士、纽约科学院院士、联合国专家，中南大学信息科学与工程学院教授、博士生导师，湖南省自兴人工智能研究院首席科学家。首届全国高校国家级教学名师奖、吴文俊人工智能科技奖成就奖、徐特立教育奖、宝钢全国优秀教师奖特等奖获得者。历任第八届湖南省政协副主席和全国政协第九届和第十届委员会委员，兼任中国人工智能学会副理事长及智能机器人专业委员会创会主任、IEEE计算智能学会评奖委员会委员和IEEE CIS进化计算技术委员会委员等。已在国内外编著出版专著和教材50多部（版），发表论文1000余篇，他引数万次。主持国家级精品课程、精品资源共享课程、国家级教学团队等国家教育部质量工程项目8项。是我国人工智能、智能控制、机器人学诸学科的学术带头人之一，被誉为“中国人工智能教育第一人”“中国智能机器人学科创始人”“中国智能控制奠基者”。
目录
  第1章  概论
    1.1  智能控制的产生与发展
      1.1.1  自动控制的机遇与挑战
      1.1.2  智能控制的发展和作用
    1.2  中国智能控制发展简史
      1.2.1  我国智能控制科技成果
      1.2.2  我国智能控制教育与人才培养
      1.2.3  我国智能控制存在的问题
    1.3  智能控制的定义、特点与一般结构
      1.3.1  智能控制的定义、特点与评价准则
      1.3.2  智能控制器的一般结构
    1.4  智能控制的学科结构理论
      1.4.1  二元交集结构理论
      1.4.2  三元交集结构理论
      1.4.3  四元交集结构理论
    1.5  智能控制的学科体系
      1.5.1  人工智能的学科体系
      1.5.2  智能控制的学科体系
    1.6  本书概要
    1.7  本章小结
    习题1
第一篇  基于知识的智能控制
  第2章  递阶控制系统
    2.1  递阶智能机器的一般理论
      2.1.1  递阶智能机器的一般结构
      2.1.2  递阶智能机器的信息论基础
      2.1.3  IPDI原理的解析公式
    2.2  递阶智能控制系统的原理与结构
      2.2.1  组织级原理与结构
      2.2.2  协调级原理与结构
      2.2.3  执行级原理与结构
    2.3  递阶智能控制系统举例
      2.3.1  汽车自主驾驶系统的组成
      2.3.2  汽车自主驾驶系统的递阶结构
      2.3.3  自主驾驶系统的软件结构与控制算法
      2.3.4  自主驾驶系统的试验结果
    2.4  小结
    习题2
  第3章  专家控制系统
    3.1  专家系统的基本概念
      3.1.1  专家系统的定义与一般结构
      3.1.2  专家系统的建造步骤
    3.2  专家系统的主要类型与结构
      3.2.1  基于规则的专家系统
      3.2.2  基于框架的专家系统
      3.2.3  基于模型的专家系统
    3.3  专家控制系统的结构与设计
      3.3.1  专家控制系统的结构
      3.3.2  专家控制系统的控制要求与设计原则
      3.3.3  专家控制系统的设计问题

    3.4  专家控制系统应用举例
      3.4.1  实时控制系统的特点与要求
      3.4.2  高炉监控专家系统
    3.5  小结
    习题3
  第4章  模糊控制系统
    4.1  模糊数学基础
      4.1.1  模糊集合及其运算
      4.1.2  模糊关系与模糊变换
      4.1.3  模糊逻辑语言
    4.2  模糊推理与模糊判决
      4.2.1  模糊推理
      4.2.2  模糊判决
    4.3  模糊控制系统原理与结构
      4.3.1  模糊控制原理
      4.3.2  模糊控制系统的原理结构
    4.4  模糊控制器的设计内容
      4.4.1  模糊控制器的设计内容与原则
      4.4.2  模糊控制器的控制规则形式
    4.5  模糊控制系统的设计方法
      4.5.1  模糊系统设计的查表法
      4.5.2  模糊系统设计的梯度下降法
      4.5.3  模糊系统设计的递推最小二乘法
      4.5.4  模糊系统设计的聚类法
    4.6  模糊控制器的设计实例与实现
      4.6.1  造纸机模糊控制系统的设计与实现
      4.6.2  直流调速系统模糊控制器的设计
    4.7  小结
    习题4
  第5章  分布式控制系统
    5.1  分布式人工智能与真体
      5.1.1  分布式人工智能
      5.1.2  真体及其特性
      5.1.3  真体的结构
    5.2  多真体系统
      5.2.1  多真体系统的模型和结构
      5.2.2  多真体系统的协作、协商和协调
      5.2.3  多真体系统的学习与规划
    5.3  多真体控制系统的工作原理
      5.3.1  MAS控制系统的基本原理和结构
      5.3.2  MAS控制系统的信息模型
    5.4  MAS控制系统的设计示例
    5.5  小结
    习题5
第二篇  基于数据的智能控制
  第6章  神经控制系统
    6.1  人工神经网络概述
      6.1.1  神经元及其特性
      6.1.2  人工神经网络的基本类型和学习算法
      6.1.3  人工神经网络的典型模型

      6.1.4  基于神经网络的知识表示与推理
    6.2  深层神经网络与深度学习
      6.2.1  深层神经网络
      6.2.2  深度学习的定义与特点
      6.2.3  深度学习的常用模型
      6.2.4  深度学习应用举例
    6.3  神经控制的结构方案
      6.3.1  NN学习控制
      6.3.2  NN直接逆模控制与内模控制
      6.3.3  NN自适应控制
      6.3.4  NN预测控制
      6.3.5  基于CMAC的控制
      6.3.6  多层NN控制和深度控制
      6.3.7  分级NN控制
    6.4  神经控制系统的设计与应用示例
      6.4.1  石灰窑炉神经内模控制系统的设计
      6.4.2  神经模糊自适应控制器的设计
      6.4.3  神经控制系统应用举例
    6.5  小结
    习题6
  第7章  进化控制系统
    7.1  遗传算法简介
      7.1.1  遗传算法的基本原理
      7.1.2  遗传算法的求解步骤
    7.2  进化控制基本原理
      7.2.1  进化控制原理与系统结构
      7.2.2  进化控制的形式化描述
    7.3  进化控制系统示例
      7.3.1  一种在线混合进化伺服控制器
      7.3.2  一个移动机器人进化控制系统
    7.4  小结
    习题7
  第8章  免疫控制系统
    8.1  免疫算法和人工免疫系统原理
      8.1.1  免疫算法的提出和定义
      8.1.2  免疫算法的步骤和框图
      8.1.3  人工免疫系统的结构
      8.1.4  免疫算法的设计方法和参数选择
    8.2  免疫控制基本原理
      8.2.1  免疫控制的系统结构
      8.2.2  免疫控制的自然计算体系和系统计算框图
    8.3  免疫控制系统示例
      8.3.1  扰动抑制和最优控制器的性能指标
      8.3.2  基于免疫算法的扰动抑制问题
      8.3.3  选择最优参数的计算步骤
      8.3.4  免疫反馈规则与免疫反馈控制器的设计
    8.4  小结
    习题8
  第9章  网络控制系统
    9.1  网络控制系统的结构与特点

      9.1.1  网络控制系统的一般原理与结构
      9.1.2  网络控制系统的特点与影响因素
    9.2  网络控制系统的建模与性能评价标准
      9.2.1  网络控制系统的建模
      9.2.2  网络控制系统的性能评价标准
    9.3  网络控制系统稳定性与控制器设计方法
      9.3.1  网络控制系统的稳定性
      9.3.2  网络控制系统的控制器设计方法
    9.4  网络控制系统的调度
      9.4.1  网络控制系统的调度方法
      9.4.2  网络控制系统调度的时间参数
    9.5  网络控制系统的仿真与工程实现
      9.5.1  网络控制系统的仿真平台
      9.5.2  网络控制系统的工程实现
    9.6  网络控制系统的应用举例
      9.6.1  烟草包装的网络测控系统
      9.6.2  热电厂集散控制系统
    9.7  小结
    习题9
第三篇  知识与数据复合智能控制
  第10章  学习控制系统
    10.1  学习控制概述
      10.1.1  学习控制的定义与研究意义
      10.1.2  学习控制的发展及其与自适应控制的关系
      10.1.3  控制律映射及对学习控制的要求
    10.2  学习控制方案
      10.2.1  基于模式识别的学习控制
      10.2.2  迭代学习控制
      10.2.3  重复学习控制
      10.2.4  增强学习控制
      10.2.5  基于神经网络的学习控制
    10.3  学习控制系统应用举例
      10.3.1  无缝钢管张力减径过程壁厚控制迭代学习控制算法
      10.3.2  钢管壁厚迭代学习控制的仿真及应用结果
    10.4  小结
    习题10
  第11章  仿人控制
    11.1  仿人控制基本原理与原型算法
      11.1.1  仿人控制的基本原理
      11.1.2  仿人控制的原型算法和智能属性
    11.2  仿人控制的特征模型和决策模态
      11.2.1  仿人控制的特征模式与特征辨识
      11.2.2  仿人控制的多模态控制
    11.3  仿人控制器的设计与实现
      11.3.1  仿人控制系统的设计依据
      11.3.2  仿人智能控制器设计与实现的一般步骤
    11.4  仿人控制器的设计与实现示例
      11.4.1  小车单摆系统仿人控制器的设计
      11.4.2  小车单摆系统仿人控制器的实现
    11.5  小结

    习题11
  第12章  自然语言控制
    12.1  自然语言控制的发展和定义
      12.1.1  自然语言处理的发展和文本表示方式
      12.1.2  自然语言控制的定义
    12.2  自然语言控制的步骤及流程框图
    12.3  自然语言控制系统的设计
    12.4  自然语言控制系统示例
      12.4.1  基于ChatGPT的机器人控制系统
      12.4.2  基于自然语言处理的工业机器人自动编程
    12.5  小结
    习题12
  第13章  复合智能控制
    13.1  复合智能控制概述
    13.2  模糊神经复合控制原理
    13.3  自学习模糊神经控制系统
      13.3.1  自学习模糊神经控制模型
      13.3.2  自学习模糊神经控制算法
      13.3.3  弧焊过程自学习模糊神经控制系统
    13.4  专家模糊复合控制器
      13.4.1  专家模糊控制系统的结构
      13.4.2  专家模糊控制系统示例
    13.5  进化模糊复合控制器
      13.5.1  控制器设计步骤和参数优化方法
      13.5.2  解释（编码）函数的设计
      13.5.3  规则编码
      13.5.4  初始种群和适应度函数的计算
      13.5.5  直流电动机GA优化模糊速度控制系统
      13.5.6  进化、模糊和神经复合的故障诊断系统设计
    13.6  小结
    习题13
第四篇  智能控制的算法与编程
  第14章  智能控制算法编程实现与深度学习开源框架
    14.1  智能控制算法的定义、特点与分类
      14.1.1  智能控制算法的定义与特点
      14.1.2  智能控制算法的分类
    14.2  智能控制算法的MATLAB仿真设计与实现
      14.2.1  MATLAB模糊控制工具箱
      14.2.2  基于模糊逻辑工具箱的模糊控制器
      14.2.3  模糊控制系统的Simulink仿真
      14.2.4  MATLAB神经网络工具箱及其仿真
      14.2.5  神经控制算法的MATLAB仿真程序设计与实现
      14.2.6  模糊控制与神经网络控制的实验
    14.3  Python语言
      14.3.1  Python简介
      14.3.2  Python的基本语法与功能
    14.4  基于Python的深度学习框架设计
      14.4.1  深度学习框架的发展
      14.4.2  深度学习开源框架的比较
      14.4.3  深度学习框架基本功能

      14.4.4  基于Python的深度学习算法应用实例分析
    14.5  小结
    习题14
第五篇  智能控制的计算能力
  第15章  智能控制的算力及架构
    15.1  智能算力的定义与分类
      15.1.1  智能算力的定义
      15.1.2  智能算力和芯片的分类
    15.2  智能芯片的发展
      15.2.1  智能芯片的发展简史
      15.2.2  智能芯片的发展态势
    15.3  智能控制算力网络
      15.3.1  智能算力网络的定义和特征
      15.3.2  智能算力网络的基本架构和工作机制
      15.3.3  智能算力网络的关键技术
      15.3.4  智能算力网络的应用示例
    15.4  普适智能算力网络
      15.4.1  普适智能算力网络的基本架构
      15.4.2  普适智能算力网络的应用示例
    15.5  智能控制算力的研究与应用概况
    15.6  小结
    习题15
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目