本书系统地介绍了智能控制的基本概念、理论和主要方法,包括模糊控制、神经网络控制、专家控制系统、免疫控制、仿人智能控制、遗传算法、蚁群算法、基于DNA的软计算等。智能控制是自动控制发展的高级阶段,是人工智能、控制论、系统论、信息论、仿生学、神经生理学、进化计算和计算机等多种学科的高度综合与集成,是一门新兴的边缘交叉学科。本书较多地介绍了这些方法的融合和集成,如模糊神经网络、模糊专家系统、神经专家系统、遗传模糊控制和遗传神经网络等,并分析了混沌现象及特点,讨论了混沌控制。本书内容丰富,理论联系实际,并配有大量的MATLAB仿真例题和实际应用例子。
本书适合高等院校作为自动化专业、电气及信息类专业本科生和研究生的教材,也可供有关教师和工程技术人员参考。
智能控制是自动控制发展的高级阶段,是人工智能、控制论、系统论、信息论、仿生学、神经生理学、进化计算和计算机等多种学科的高度综合与集成,是一门新兴的边缘交叉学科。智能控制是当今国内外自动化学科中一个十分活跃和具有挑战性的领域,代表着当今科学技术发展的最新方向之一。而且智能控制目前尚未建立起一套完整的理论体系,是一门仍在不断发展和丰富中的具有众多学科集成特点的科学和技术。它不仅包含了自动控制、人工智能、运筹学和信息论的内容,而且还从计算机科学、生物学、心理学等学科中汲取丰富的营养,正在成为自动化领域中最兴旺和发展最迅速的一个分支学科,并被许多发达国家确认为提高国家竞争力的核心技术。
随着智能控制理论和技术的迅速发展,应用领域的不断扩展,并在工业生产、航空航天、生物医学、模式识别、能源工业、环境保护和国防军事等众多领域得到成功应用,智能控制受到控制领域专家和工程技术人员越来越多的重视,培养大批能熟练掌握和应用智能控制的控制工程师的需求也越来越迫切。而且智能控制中众多学科的交叉和融合,开放式的研究空间也为学生视野的开阔和创新能力的培养提供了一个很好的背景和平台。因此,近些年国内、外许多学校的控制专业和电气信息类专业陆续开设了智能控制这门课,并且从理论教学到实践教学方面都给予了足够的重视。本书在参考国内、外智能控制方面的重要文献基础上,结合近几年我们国家级精品课程“智能控制基础”的建设,对其主要内容进行整理和总结,同时也有部分内容是笔者研究工作的总结,如基于ANFIS多模型的故障诊断、基于GABP的冠心病早期诊断和基于TS模型的递归神经网络等。
本书的部分内容在郑州大学电气工程学院本科生和研究生的“智能控制基础”课程中讲授过三遍,在国家级精品课程“智能控制基础”的建设中起了重要作用。本书的具体内容安排如下:
第1章是绪论。简要介绍智能控制的发展历史、基本概念、特点、结构理论、主要类型,阐述了智能控制与传统控制之间的关系和应用前景。
第2章介绍模糊控制。首先在简要介绍模糊控制的数学基础后,以一个简单模糊控制器的设计为例详细讲述模糊控制器的设计过程及注意事项。然后介绍“函数模糊系统”的特例——TakagiSugeno模糊系统、模糊系统的MATLAB仿真,最后阐述模糊系统非线性分析的必要性及主要方法,包括李雅普诺夫(Lyapunov)方法、圆判据、描述函数方法、小增益理论和滑模变结构方法。
第3章介绍模糊建模和模糊辨识。在介绍模糊系统的类型及分割形式后,阐述模糊系统的通用近似特性,重点介绍模糊辨识的常用方法: 最小二乘法、梯度法、模糊聚类和混合方法。
智能控制理论及应用前言 第4章介绍神经网络控制。在概述神经网络的发展历史、人工神经元模型、神经网络特点和学习算法后,重点介绍两类常用的神经网络: 前馈神经网络和反馈神经网络。前馈神经网络包括感知器神经网络、BP神经网络、RBF神经网络和LVQ神经网络; 反馈神经网络包括离散型Hopfield网络、连续型Hopfield网络、Boltzmann机神经网络、Kohonen网络、ART网络、模糊ARTMAP神经网络。在此基础上系统地介绍了基于神经网络的控制,包括神经网络控制的基本思想、直接逆动态控制、神经网络自适应控制、神经网络PID控制和神经网络内模控制等。
第5章介绍模糊神经网络。首先阐述模糊系统和神经网络的优缺点,明确它们具有明显的互补性,介绍它们的融合形式: 在模糊控制中引入神经网络; 在神经网络中引入模糊逻辑; 模糊系统与神经网络在结构上的融合。然后重点介绍两种模糊神经网络: ANFIS和基于TS模糊模型的递归神经网络。并介绍了ANFIS在非线性系统气动执行器的建模上的应用,以及基于TS模糊模型的递归神经网络在系统辨识中的应用。
第6章介绍专家系统。在简要介绍专家系统的概念、结构、特点和分类的基础上,重点讲述专家控制系统,包括专家控制系统的结构、工作原理、专家控制器、专家控制系统的稳定性分析等。最后介绍专家控制系统的改进——模糊专家系统和神经网络专家系统,讲述了它们的应用实例。
第7章介绍遗传算法。首先介绍遗传算法的基本概念和特点,然后讲授遗传算法的基本操作和理论基础、遗传算法的实现和改进的遗传算法,最后介绍遗传算法与智能控制的融合以及遗传算法的应用。
第8章介绍了蚁群算法。首先介绍了蚁群算法的基本概念和特点,然后讲授基本蚁群算法、蚁群算法参数选择、改进的蚁群算法,最后介绍了蚁群算法的应用。
第9章介绍DNA计算与基于DNA的软计算。首先介绍DNA结构、DNA计算的原理,然后阐述DNA计算与软计算的集成,包括DNA计算与遗传算法、模糊系统、神经网络的集成。
第10章介绍免疫控制、仿人智能控制和混沌控制。首先介绍免疫算法的原理、常用的免疫算法、免疫控制及其应用。然后介绍仿人智能控制的基本思想、结构和控制算法。最后介绍了混沌现象及特点、混沌控制的思想和常用方法以及混沌控制的应用。
本书第1章由师黎和陈铁军编写; 第2、3章由师黎和逯鹏编写; 第4章由李晓媛和师黎编写; 第5章由师黎和王丽佳编写; 第6章由李晓媛编写; 第7章由姚利娜和师黎编写; 第8、9、10章由姚利娜编写。师黎为第4、7章提供了部分素材。全书由师黎统稿。
在本书编写过程中得到了许多人的支持和帮助。李辉、崔佳、王丽佳、王治忠、邵国为本书提供了部分素材,陈明静、金晶为本书的文稿整理做了大量工作。在此,向以上提到的各位及其他为本书提供帮助的人们一并表示感谢!
由于笔者的水平所限,书中尚存在一些不足和错误,欢迎读者批评指正。
作者
2009年1月
第1章绪论
1.1智能控制的发展历史
1.2智能控制的定义和特点
1.2.1智能控制的定义
1.2.2智能控制的特点
1.3智能控制的结构理论
1.3.1二元结构论
1.3.2三元结构论
1.3.3四元结构论
1.3.4多元结构或者树形结构
1.4智能控制与传统控制的关系
1.5智能控制的研究对象
1.6智能控制的类型
1.6.1分级递阶控制系统
1.6.2专家控制系统
1.6.3人工神经网络控制系统
1.6.4模糊控制系统
1.6.5遗传算法与控制理论相结合
1.6.6免疫算法控制
1.6.7仿人智能控制
1.6.8学习控制系统
1.6.9混沌控制
1.7智能控制的应用
1.7.1智能控制在机器人技术中的应用
1.7.2智能控制在机械制造中的应用
1.7.3智能控制在电力电子学研究领域中的应用
1.7.4智能控制在工业过程中的应用
1.7.5智能控制在农业生产中的应用
1.7.6智能控制在广义控制领域中的应用
1.8本章小结
参考文献
智能控制理论及应用目录 第2章模糊控制
2.1模糊控制概述
2.1.1模糊控制器设计步骤
2.1.2性能评价
2.1.3应用领域
2.2模糊控制的数学基础
2.2.1语言变量、语言值和规则
2.2.2模糊集合、模糊规则和模糊推理
2.2.3解模糊
2.3一个示范例子的介绍
2.3.1模糊控制器的输入和输出的选择
2.3.2把控制知识融入规则中
2.3.3知识的模糊量化
2.3.4匹配: 决定用哪一条规则
2.3.5结论步骤: 确定结论
2.3.6把结论转换成控制作用
2.3.7模糊决策的图形描述
2.4TakagiSugeno模糊系统
2.4.1TakagiSugeno模糊系统
2.4.2模糊系统是通用近似器
2.4.3广义TS模糊模型
2.5基于MATLAB的智能控制系统设计与仿真
2.5.1模糊逻辑工具箱
2.5.2基于MATLAB的模糊控制系统设计与仿真
2.6模糊系统的非线性分析
2.6.1模糊控制器的参数化
2.6.2李雅普诺夫稳定性分析
2.6.3绝对稳定性和圆判据
2.6.4稳态跟踪误差的分析
2.6.5描述函数分析方法
2.6.6滑模变结构方法
2.6.7小增益理论
2.6.8相平面分析法
2.7热处理系统的温度模糊控制
2.8本章小结
习题
参考文献
第3章模糊建模和模糊辨识
3.1引言
3.2模糊模型的类型与分割形式
3.2.1Mamdani模糊模型
3.2.2TakagiSugeno模糊系统
3.2.3Tsukamoto模糊模型
3.2.4模糊模型的分割形式
3.3模糊系统的通用近似特性
3.3.1模糊基函数
3.3.2模糊系统的通用逼近性
3.3.3用于函数近似的模糊系统求解
3.4模糊辨识的数据选择
3.5模糊辨识和估计的最小二乘算法
3.5.1成批最小二乘算法
3.5.2递推最小二乘算法
3.5.3模糊系统的调整
3.5.4模糊系统的成批最小二乘训练
3.5.5模糊系统的递推最小二乘训练
3.6模糊辨识和估计的梯度法
3.6.1标准模糊系统的训练
3.6.2TS模糊系统的训练
3.6.3动量项和步长大小
3.6.4牛顿(Newton)和高斯牛顿(GaussNewton)方法
3.7模糊的聚类法
3.7.1优化输出预解模糊的聚类方法
3.7.2最近邻聚类法
3.8复合法
3.8.1混合初始化/训练
3.8.2混合条件/结论训练
3.8.3混合交叉训练
3.9本章小结
习题
参考文献
第4章神经网络控制
4.1神经网络理论概述
4.1.1神经网络的发展历史
4.1.2神经网络原理
4.1.3神经网络的特点
4.1.4神经网络结构
4.1.5神经网络的学习
4.2前馈神经网络
4.2.1感知器
4.2.2BP神经网络
4.2.3RBF神经网络
4.2.4LVQ神经网络
4.3反馈神经网络
4.3.1Hopfield网络概述
4.3.2离散型Hopfield网络
4.3.3连续型Hopfield网络
4.3.4Boltzmann机网络
4.3.5Kohonen网络
4.3.6自适应谐振理论(ART)网络
4.3.7模糊自适应共振理论网络
4.4神经网络控制
4.4.1神经网络控制的基本思想
4.4.2直接逆动态控制
4.4.3神经网络自适应控制
4.4.4神经网络PID控制
4.4.5神经网络内模控制
4.4.6神经网络模型预测控制
4.5本章小结
习题
参考文献
第5章模糊神经网络
5.1引言
5.2模糊系统与神经网络的融合方式
5.2.1基于模糊技术的神经网络
5.2.2基于神经网络的模糊系统
5.2.3模糊逻辑与神经网络在结构上的融合
5.3模糊神经网络学习算法研究
5.4自适应神经网络模糊推理系统(ANFIS)
5.4.1自适应网络
5.4.2自适应神经模糊推理系统
5.4.3基于多模型的气动执行器故障诊断
5.5基于TS模糊模型的递归神经网络及其在系统辨识中的应用
5.5.1基于TS模糊模型的递归神经网络
5.5.2基于TS模糊模型的递归神经网络在系统辨识中的应用
5.5.3仿真实例
5.6本章小结
习题
参考文献
第6章专家系统
6.1概述
6.1.1专家系统的概念
6.1.2专家系统的结构
6.1.3专家系统的特点与分类
6.1.4专家系统的建立步骤
6.2专家控制系统
6.2.1专家控制系统的结构与工作原理
6.2.2实时专家控制系统
6.2.3专家控制器
6.2.4PID专家控制器应用实例
6.2.5专家控制系统的稳定性
6.3模糊专家系统
6.3.1模糊专家系统的基本结构
6.3.2建立模糊专家系统
6.3.3模糊专家系统应用实例1——基于模糊专家系统的
电针灸器的设计
6.3.4模糊专家系统应用实例2——智能水下机器人
自救模糊专家系统
6.4神经网络专家系统
6.4.1神经网络与专家系统的集成
6.4.2神经网络专家系统的基本结构
6.4.3神经网络专家系统的知识库
6.4.4神经网络专家系统的推理机制
6.4.5神经网络专家系统的解释机制
6.4.6神经网络专家系统的实例——基于神经网络专家系统的火电厂
锅炉在线故障诊断
6.5本章小结
习题
参考文献
第7章遗传算法
7.1遗传算法概述
7.1.1遗传算法的发展概况
7.1.2遗传算法的生物学基础
7.1.3遗传算法的特点
7.2遗传算法的基本操作
7.2.1复制
7.2.2交叉
7.2.3变异
7.3遗传算法的理论基础
7.3.1模式定理
7.3.2积木块假说
7.3.3内在并行性
7.3.4Walsh模式变换
7.3.5编码
7.3.6适应度函数及其尺度变换
7.4遗传算法的实现及改进算法
7.4.1遗传算法的实现
7.4.2改进的遗传算法
7.5遗传算法和其他智能控制技术的融合
7.5.1遗传算法和模糊控制的融合
7.5.2遗传算法和神经网络的融合
7.6遗传算法的应用
7.7本章小结
习题
参考文献
第8章蚁群算法
8.1概述
8.1.1蚁群的群体行为
8.1.2蚁群算法的特点
8.2基本蚁群算法
8.2.1蚁群算法的原理
8.2.2蚁群算法的实现
8.3蚁群算法参数选择
8.3.1蚁群算法参数对其性能的影响
8.3.2蚁群算法参数选择方法
8.4改进的蚁群算法
8.4.1AntQ蚁群算法
8.4.2ACS算法
8.4.3最大最小蚂蚁系统
8.4.4自适应蚁群算法
8.4.5其他改进算法
8.5蚁群算法的应用实例
8.5.1基于蚁群算法的PID参数优化过程
8.5.2计算机仿真结果
8.6本章小结
习题
参考文献
第9章DNA计算与基于DNA的软计算
9.1DNA计算
9.1.1概述
9.1.2DNA的结构
9.1.3DNA计算的原理
9.2DNA计算与其他软计算的集成
9.2.1DNA计算与遗传算法的集成
9.2.2DNA计算与模糊系统的集成
9.2.3DNA计算与神经网络的集成
9.3本章小结
习题
参考文献
第10章其他智能控制
10.1免疫控制
10.1.1免疫及免疫算法简介
10.1.2常用的免疫算法
10.1.3免疫控制
10.1.4免疫控制应用实例
10.2仿人智能控制
10.2.1仿人智能控制的基本思想和基本概念
10.2.2仿人智能控制系统结构
10.2.3仿人智能控制算法
10.3混沌控制
10.3.1混沌概述
10.3.2混沌控制方法
10.3.3混沌控制应用
10.4本章小结
习题
参考文献