欢迎来到 博文网 官方网站!
智能控制系统及其应用+2

智能控制系统及其应用+2

内容简介本书作者具有20多年行有

联系电话:
产品详情

内容简介

本书作者具有20多年行有关智能控制理论及其应用的经历,并在中国科学技术大学自动化系教授20年的“智能系统”的课程。本书是在作为“智能系统”课程,2013年出版的教材《智能控制系统及其应用》基础上,增加补充新的研究成果而成的要内括:人工神经网络、模糊逻辑系统、模糊神经网络化算法及其应用,以及深度学网络与应用5大部分,其中第5部分是这次修订版增添的内容。作者在介绍神经网络理论与模糊集合理论的基础上,对人工神经网络与模糊逻辑控制系统的设计及其应用,以及两者之间的相互关系和相互结合行了较深层次上的理论分析与综合,并结化算法在控制中的建模与控制的各种实际应用,使读者能够从中了解和掌握运用模糊神经系统的理论与技行实际的系统设计和灵活应用的方法。通过介年来有关深度学网络与应用,使得读者能够更加深入地了解和应用好人工神经网络。本书选材新颖,材料实,系通强,通俗易懂。既有理论分析与综合,又有实际系统的设计与应用。

目录

2版前言

前言

pan style="font-family: 宋体;">章概述

1.pan style="font-family: 宋体;">自动控制系统及其理论的发展历程

1.2智能控制系统及其理论

1.2.pan style="font-family: 宋体;">智能控制理论

1.2.2智能控制系统的基能特点

1.2.3智能控制技术的应用

1.3智能控制与传统控制的比较分析

1.3.pan style="font-family: 宋体;">传统控制的特点与不足

1.3.2智能控制与传统控制的关系

1.4智能优化算法

1.5本书内容

2章前向神经网络

2.pan style="font-family: 宋体;">感知器网络

2.1.pan style="font-family: 宋体;">感知器的网络结构及能

2.1.2感知器权值的学与训练

2.2自适应线元件

2.2.pan style="font-family: 宋体;">自适应线神经元模型和结构

2.2.2W-H学及其网络的训练

2.3反向传播网络

2.3.pan style="font-family: 宋体;">反向传播网络模型与结构

2.3.2BP算法

2.3.3BP网络的设计

2.3.4BP网络的限制与不足

2.4径向基函数网络

2.4.pan style="font-family: 宋体;">径向基函数网络结构

2.4.2网络训练与设计

2.4.3广义径向基函数网络

3网络训练优化算法及其能对比

3.pan style="font-family: 宋体;">基于标准梯度下降的方法

3.1.pan style="font-family: 宋体;">附加动量法

3.1.2自适应学

3.1.3BP算法

3.2基于数值优化方法的网络训练算法

3.2.pan style="font-family: 宋体;">拟牛顿法

3.2.2共轭梯度法

3.2.3 Levenberg-Marquardt

3.3前向网络的数值能对比

3.3.pan style="font-family: 宋体;">非线函数的

3.3.2非线直流电机的输入/输出特

4章递归神经网络

4.pan style="font-family: 宋体;">各种递归神经网络

4.1.pan style="font-family: 宋体;">全局反馈型递归神经网络

4.1.2前向递归神经网络

4.1.3混合型网络

4.1.4小结

4.2全局反馈递归网络

4.2.pan style="font-family: 宋体;">海布学

4.2.2正交化的权值设计

4.2.3离散型反馈网络的稳定点与稳定域

4.3连续型霍普菲尔德网络

4.3.pan style="font-family: 宋体;">对应于电子电路的网络结构

4.3.2霍普菲尔德能量函数及其稳定分析

4.3.3能量函数与优化计算

4.4自组织竞争网络

4.4.pan style="font-family: 宋体;">网络结构

4.4.2竞争学

4.4.3竞争网络的训练过程

4.5科荷伦自组织映射网络

4.5.pan style="font-family: 宋体;">科荷伦网络拓扑结构

4.5.2网络的训练过程

4.5.3科荷伦网络的应用

5章神经网络在智能控制系统中的应用·

5.pan style="font-family: 宋体;">直接正向模型建立

5.2逆模型建立

5.3系统中的控制

5.3.pan style="font-family: 宋体;">监督式控制

5.3.2直接逆控制

5.4BP网络结构、参数及训练方法的设计与选择

5.4.1BP网络的设计.

5.4.2采用自适应学与固定学的比较

5.4.3算法的能比较

5.5具有PID特的神经网络非线自适应控制

5.5.1NLPIDC的结构

5.5.2NLPIDC的输入/输出关系

5.5.3NLPIDC的权值调整公式

5.5.4NLPIDC闭环控制系统的稳定分析

5.5.5NLPIDC的实时在线控制策略步骤

5.5.6基于ADAMSMatlab的三级倒立摆镇定控制仿台

5.6.7 NLPIDC在三级倒立摆镇定控制中的应用

6章模糊理论基础

6.pan style="font-family: 宋体;">基本概念与术语

6.2模糊集合及其隶属函数

6.2.pan style="font-family: 宋体;">模糊集合的定义

6.2.2模糊集合的表示方法

6.2.3模糊集合的并、交、补运算

6.2.4模糊集合的隶属函数

6.3模糊逻辑

6.3.pan style="font-family: 宋体;">二值逻辑、多值逻辑和模糊逻辑

6.3.2模糊逻辑的基本运算

6.3.3模糊关系和模糊矩阵

6.3.4模糊语言及其算子

6.4模糊规则与模糊推理

6.4.pan style="font-family: 宋体;">模糊如果-那么规则

6.4.2模糊逻辑推理

7章模糊控制器的设计方法

7.pan style="font-family: 宋体;">与模糊控制的事例

7.1.pan style="font-family: 宋体;">采用的非模糊求解方法

7.1.2模糊方法

7.2模糊逻辑控制过程

7.3输入变量和输出变量的确定

7.4论域的确定

7.5确定模糊化和解模糊化方法

7.5.pan style="font-family: 宋体;">模糊化方法

7.5.2解模糊判决方法

7.6模糊控制规则

......

14.4.5卷积神经网络各层节点数的计算

14.5N激活函数

14.6深度学的反向传播算法

14.6.pan style="font-family: 宋体;">全连接层权值参数调整学

14.6.2卷积层的权值修正公式的推导

14.6.3误差8的反向传播

14.6.4池化层误差反向传播算法的推导

14.7N网络权值的训练过程

14.7.pan style="font-family: 宋体;">卷积神经网络训练后的验证过程与数据处理策略

14.7.2深度学的分析与讨论·

14.8小结·

pan style="font-family: 宋体;">章卷积神经网络的应用

15.1 Matlab环境下N的设计

15.1.pan style="font-family: 宋体;">设计网络的体系结构

15.1.2构建由数字产生训练用数据组

15.1.3训练新的卷积神经网络

15.1.4训练后网络图像分类和能验证

15.2 Matlab环境下LeNet网络的手写数字识别

15.2.1 LeNet神经网络的结构与程序

15.2.2 MatConvNet工具箱安装.

15.2.3MNIST数据集的产生与获取

15.2.4 LeNet网络的训练

15.2.5测试训练好的网络

15.3多指灵巧机械手对不同物体的自动识别

15.3.pan style="font-family: 宋体;">深度卷积网络结构设计与分析

15.3.2级卷积神经网络的设计

15.3.3级卷积神经网络的设计

15.3.4第三级卷积神经网络的设计

15.3.5数据集选择与网络训练

15.3.6 实际实验及其结果分析

15.4基于深度学拟仿真教学实台

15.4.pan style="font-family: 宋体;">虚拟仿台实验内容

15.4.2抓取框检测深度卷积网络的设计

15.4.3抓取框检测网络训练

15.4.4深度神经网络的自动抓取虚拟仿真实验

15.5小结

参考文献

摘要与插图

自从美国科学家维纳(Wiener)于20世纪40年代创立控制论以来,控制科学已经经历了经典控制理论和现代控制理论两个阶段。随着控制科学的不断发展,人们对控制系统能的要求也不断提高。在处理复杂系统控制问题时,面对控制系统的复杂、不确定、突变所带来的问题,国内外控制科学界一直都在探索新的控制理论,逐步形成了智能控制理论。为了适应不同技术领域和社会发展对控制科学提出的新要求,越来越多的学者意识到在传统控制中加入逻辑、推理和启发式知识的重要,把传统控制理论与模糊逻辑、神经网络、遗传算法等人工智能技术相结合,充分利用人的控制知识对复杂系行智能化控制,逐渐形成了智能控制理论较完整的体系。

在讨论智能控制理论之前,有必要对经典控制理论和现代控制理论的内容、特点及其与智能控制理论之间的关系作一了解。

1.pan style="font-family: 宋体;">自动控制系统及其理论的发展历程

现代社会中的各个领域都在广泛地采用自动控制理论与技术,在卫星的运行、导弹的制导和飞机的驾驶中,自动控制系统一直都起着重要的作用。自动控制是指采用某种控制装置使机器设备或生产过程自动地按照事先给定或设计出的规律运行,使一个或数个物理量,如电压、电流、速度、温度、流量等,能够在的精度范围内按照给定的规律变化。如果将工作的机器设备称为被控对象,将表征其工作状态的物理量称为被控量,将给定的规律称为命令信号(或参考输入),则控制的任务又可概述为:采用适当的外加控制策略使被控对象的被控量等于参考输入。这个任务如果由人来完成,则称为人工控制;如果靠自动装置承担,即在没有人的直接参与下,利用控制装置自动操纵被控对象,使被控量保持恒定或按规律变化,则称为自动控制。由自动控制装置与被控对象组成的系统称为自动控制系统。自动控制的基本原理是通过在整个控制系统中引入负反馈形成反馈控制系统来完成系统控制任务的。通常,将系统检测出来的输出信号送回到系统的输入端,并与参考输入信号比较的过程称为反馈。若反馈信号与输入信号相减,则为负反馈;若相加,则为正反馈。在反馈控制系统中,如果给定的输入量保持常量或者间缓慢变化,而系统的基本任务是在有扰动的情况下,使实际的输出变量保持期望的数值,这类系统称为自动调节系统。如果系统的期望输入是间变化的函数,控制的目标是使系统的输出变量跟踪期望的输入信号,这类系统称为自动跟踪系统。事实上,除了反馈控制外,对不同的被控过程的自动控制方式可以是不同的。这种实现自动控制的方式是控制系统的类型。在实际应用中,存在着大量不同的控制方法与系统类型,并且可以通过不同的角度来得到各种不同的分类方法。比如反馈控制系统又称为闭环控制系统,这是因为系统的输出信号对控制作用有直接的影响。系统输出量对其控制作用没有影响的系统称为开环控制系统。开环控制系统既不需要测量部件(或子系统)对输出行测量,也不需要将它反馈到系统的输入端与输入行比较。因此对应于每一个给定的输入量,系统产生一个输出量与之对应,系统的精度只取决于系统前向通道中控制器的作用。在实际系统中,如果各个部件(或子系统)的输入/输出特都是线的,或可以线化的,这样的系统又称为线控制系统。线系统的能可以用线微分方程描述,并可以使用叠加原理。当系统中含有非线特的部件(或子系统)时,所组成的系统则称为非线控制系统。非线系统不能采用叠加原理。经典的分析非线系统的工程方法有面法和描述函数法。

经典(又称为古典)控制理论(1935~1950年)的建立过程中有以下的历史事件:1940年,美国的奈奎斯特(Nyquist)提出对系统行分析的频率响应法;美国泰勒(Taylor)仪器公司的(Ziegler)和尼柯尔斯(Nichols)于1942年提出比例-微分-积分(PID)参数的佳调整法;美国麻省理工学院(MIT)的维纳通过研究过程的预测,于1942年提出维纳滤波理论,并于1948年出版《控制论》一书,这标志着控制论学科的诞生;1938年在贝尔(Bell)实验室,在波德(Bode的火炮控制系统研究小组工作的香农(Shannon)提出继电器逻辑自动化理论,随后他于1948年出版专著《通信的数字理论》,奠定了信息论的基础;1948年,美国的艾旺斯(Evansy)提出根轨迹法。这一时期多本有关控制的经典名著相继问世,其括:1942年史密斯(Smith)的《自动控制工程》,1945年波德的《网络分析及反馈放大器》,麦考(MacColl)的《伺服机构的基本理论》,以及1954年钱学森经典控制理论研究的主要对象为线、定常、时不变系统,主要研究单输入/单输出系统的控制问题,它是基于被控系统的数学模型行系统分析、综合及控制器设计的。所以,系统模型的建立或已知是控制器设计的基本的要求或前提。对于一般的线系统,都是根据机理建模,系统的动力学方程为微分方程,通过将系统方程的输出与输入变量之比的拉普拉斯变换所获得的传递函数作为系统的数学模型,将系统的微分方程转换为多项式代数方程,然后对系统的传递函行分析与综合。分析系统的基本方法主要是频率法,其大的特点是不需要求解系统的微分方程可以判断出被控系统的特,如系统的稳定和收敛等,从而形成了一套系统控制理论及其分析方法。这些由当时世界上的聪明人所想出的聪明的、简单易行的系统分析方法,在当时计算机不普及的情况下发挥了巨大的作用。由经典控制理论中的超前-滞后补偿控制方法所发展出来的PID控制器设计方法今在控制系统的理论设计与实际的应用中仍然发挥着重要的作用。

20世纪50年入现代控制理论的发展阶段后,先后提出和发展出重要的理论与技术,其中有影响的事括:苏联的庞特里亚金(Pontryagin)于1956年发表《优过程数......

在线客服
微信联系
客服
扫码加微信(手机同号)
电话咨询
返回顶部