中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
智能控制基礎與應用 版權信息
- ISBN：9787577200545
- 條形碼：9787577200545 ; 978-7-5772-0054-5
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能控制基礎與應用 本書特色
本書既講理論，同時也聯系實際，通過大量的案例把晦澀難懂的理論講解得通俗易懂。
智能控制基礎與應用 內容簡介
本書以通俗易懂的語言，簡明扼要地介紹了智能控制的基本內容，包括智能控制基本概念、智能控制算法基礎——模糊控制、神經網絡、群智能算法，以實例分析與設計的形式給出了智能控制器的實現方法，包括模糊控制應用、神經網絡控制應用、群智能算法應用以及綜合智能算法在電力參數分析中的應用等。 本書可作為高等院校自動化、電氣工程及其自動化、計算機應用等專業高年級本科生和控制科學與工程專業碩士研究生智能控制課程的配套教材，也可供自動化領域工程技術人員閱讀和參考。
智能控制基礎與應用 目錄
第1章 智能控制基本概念（1)
1.1 傳統控制面臨的挑戰（1)
1.2 智能控制的提出（1)
1.3 智能控制的基本概念與發展概況（2)
1.3.1 智能控制的概念（2)
1.3.2 智能控制發展概況（3)
1.4 智能控制系統的分類（4)
第2章 模糊控制（5)
2.1 模糊理論（5)
2.1.1 模糊集合及其運算（5)
2.1.2 模糊推理（8)
2.1.3 模糊化與解模糊化（8)
2.2 模糊控制的基本原理（9)
2.3 模糊控制系統的組成（10)
2.4 模糊控制系統的結構與設計原則（12)
2.4.1 模糊控制系統的結構（12)
2.4.2 模糊控制系統的設計原則（12)
2.5 模糊控制系統的設計方法（14)
2.5.1 查表法（14)
2.5.2 梯度下降法（15)
2.6 MATLAB模糊邏輯工具箱簡介（15)
第3章 神經網絡（18)
3.1神經網絡理論基礎（18)
3.1.1 人工神經網絡的定義（18)
3.1.2 神經元的數學模型（18)
3.2 神經網絡學習算法（20)
3.2.1 Hebb學習規則（20)
3.2.2 Delta（δ）學習規則（21)
3.2.3 BP網絡學習算法（21)
3.2.4 RBF網絡的學習算法（26)
3.2.5 Hopfield神經網絡（27)
3.3 神經網絡控制（28)
第4章 群智能算法（30)
4.1 遺傳算法基本原理（31)
4.1.1 遺傳算法的發展（31)
4.1.2 遺傳算法的特點（32)
4.1.3 遺傳算法的基本概念（32)
4.1.4 遺傳算法的基本操作（33)
4.1.5 遺傳算法的流程（37)
4.2 蟻群算法的基本原理（38)
4.2.1 蟻群算法的基本概念（38)
4.2.2 蟻群算法研究現狀（41)
4.2.3 蟻群算法的應用（43)
4.3 粒子群算法（44)
4.3.1 粒子群優化算法的基本原理（44)
4.3.2 粒子群優化算法研究現狀（48)
4.3.3 粒子群算法的應用（50)
4.4 免疫算法（51)
4.4.1 生物免疫系統結構及相關機理（52)
4.4.2 人工免疫系統的研究現狀（52)
4.5 差分進化算法（55)
4.5.1 差分進化算法的基本原理（56)
4.5.2 差分進化算法的參數設置（57)
第5章 模糊控制應用（59)
5.1 模糊控制與PID控制的結合（59)
5.2 船舶航向模糊控制器設計（60)
5.2.1 船舶航向控制原理（60)
5.2.2 船舶航向控制數學模型（61)
5.2.3 船舶航向模糊控制器的結構設計（62)
5.2.4 船舶航向模糊控制器設計（62)
5.2.5 模糊PID控制器設計（66)
5.2.6 仿真分析（69)
5.3 洞庫溫濕度模糊控制器設計（72)
5.3.1 洞庫溫濕度控制系統模型（72)
5.3.2 洞庫溫濕度控制系統架構（74)
5.3.3 應用于洞庫溫濕度控制的模糊控制器設計（74)
5.3.4 洞庫溫濕度模糊PID控制器設計（76)
5.3.5 洞庫溫濕度系統PID控制仿真（78)
5.3.6 洞庫溫濕度系統模糊控制仿真（79)
5.3.7 洞庫溫濕度系統模糊PID控制仿真（80)
5.3.8 溫濕度解耦效果分析（82)
5.4 舵鰭聯合減搖系統模糊PID控制（86)
5.4.1 舵鰭聯合減搖系統的控制策略分析（86)
5.4.2 舵鰭聯合減搖系統控制方案（87)
5.4.3 模糊PID控制器設計（87)
5.4.4 仿真分析（91)
第6章 神經網絡控制應用（95)
6.1 基于神經網絡的船舶航向控制器設計（95)
6.1.1 神經網絡自適應PID算法（95)
6.1.2 傳統PID自動舵的仿真實驗（97)
6.1.3 神經網絡自適應PID自動舵的仿真（101)
6.2 MATLAB神經網絡工具箱及其仿真（108)
6.2.1 MATLAB神經網絡工具箱圖形用戶界面（108)
6.2.2 基于Simulink的神經網絡模塊工具（109)
第7章 智能算法控制應用（112)
7.1 基于粒子群優化算法的離散PID控制器參數優化（112)
7.1.1 優化問題目標函數的選取（112)
7.1.2 仿真優化設計過程（113)
7.1.3 仿真分析（115)
7.2 基于粒子群算法的無人船路徑規劃（118)
7.2.1 無人船路徑規劃的基本概念（118)
7.2.2 環境建模（119)
7.2.3 模型建立（121)
7.2.4 仿真實驗（121)
7.3 基于蟻群算法的無人水下航行器路徑規劃（126)
7.3.1 蟻群算法的路徑規劃設計（126)
7.3.2 仿真結果（129)
7.4 免疫控制（132)
7.4.1 免疫控制的系統結構（132)
7.4.2 免疫控制的自然計算體系和系統計算框圖（134)
7.5 基于蟻群算法的PID控制器參數整定及仿真（135)
7.5.1 基于ACO的PID控制器參數整定（135)
7.5.2 仿真結果及分析（137)
第8章 綜合智能算法在電力參數分析中的應用（139)
8.1 船舶電力系統電力信號模型與電力參數分析方法（139)
8.1.1 采用遺傳算法的電力參數分析方法（139)
8.1.2 采用Adaline神經網絡的電力參數分析方法（141)
8.1.3 采用Prony算法的電力參數分析方法（143)
8.2 基于遺傳神經網絡的船舶電力信號參數分析方法（144)
8.2.1 采用數字微分結合遺傳算法的信號參數粗略估計（145)
8.2.2 基于改進神經網絡的電力信號參數精確分析（146)
8.2.3 仿真算例與分析（148)
8.2.4 小結（150)
8.3 采用改進Prony算法的船舶電力信號參數分析方法（151)
8.3.1 采用差分算法的電力信號預處理（151)
8.3.2 改進Prony算法的船舶電力系統電力參數分析（153)
8.3.3 仿真算例與分析（155)
8.3.4 小結（159)
8.4 本章小結（160)
參考文獻（161)
1.1 傳統控制面臨的挑戰（1)
1.2 智能控制的提出（1)
1.3 智能控制的基本概念與發展概況（2)
1.3.1 智能控制的概念（2)
1.3.2 智能控制發展概況（3)
1.4 智能控制系統的分類（4)
第2章 模糊控制（5)
2.1 模糊理論（5)
2.1.1 模糊集合及其運算（5)
2.1.2 模糊推理（8)
2.1.3 模糊化與解模糊化（8)
2.2 模糊控制的基本原理（9)
2.3 模糊控制系統的組成（10)
2.4 模糊控制系統的結構與設計原則（12)
2.4.1 模糊控制系統的結構（12)
2.4.2 模糊控制系統的設計原則（12)
2.5 模糊控制系統的設計方法（14)
2.5.1 查表法（14)
2.5.2 梯度下降法（15)
2.6 MATLAB模糊邏輯工具箱簡介（15)
第3章 神經網絡（18)
3.1神經網絡理論基礎（18)
3.1.1 人工神經網絡的定義（18)
3.1.2 神經元的數學模型（18)
3.2 神經網絡學習算法（20)
3.2.1 Hebb學習規則（20)
3.2.2 Delta（δ）學習規則（21)
3.2.3 BP網絡學習算法（21)
3.2.4 RBF網絡的學習算法（26)
3.2.5 Hopfield神經網絡（27)
3.3 神經網絡控制（28)
第4章 群智能算法（30)
4.1 遺傳算法基本原理（31)
4.1.1 遺傳算法的發展（31)
4.1.2 遺傳算法的特點（32)
4.1.3 遺傳算法的基本概念（32)
4.1.4 遺傳算法的基本操作（33)
4.1.5 遺傳算法的流程（37)
4.2 蟻群算法的基本原理（38)
4.2.1 蟻群算法的基本概念（38)
4.2.2 蟻群算法研究現狀（41)
4.2.3 蟻群算法的應用（43)
4.3 粒子群算法（44)
4.3.1 粒子群優化算法的基本原理（44)
4.3.2 粒子群優化算法研究現狀（48)
4.3.3 粒子群算法的應用（50)
4.4 免疫算法（51)
4.4.1 生物免疫系統結構及相關機理（52)
4.4.2 人工免疫系統的研究現狀（52)
4.5 差分進化算法（55)
4.5.1 差分進化算法的基本原理（56)
4.5.2 差分進化算法的參數設置（57)
第5章 模糊控制應用（59)
5.1 模糊控制與PID控制的結合（59)
5.2 船舶航向模糊控制器設計（60)
5.2.1 船舶航向控制原理（60)
5.2.2 船舶航向控制數學模型（61)
5.2.3 船舶航向模糊控制器的結構設計（62)
5.2.4 船舶航向模糊控制器設計（62)
5.2.5 模糊PID控制器設計（66)
5.2.6 仿真分析（69)
5.3 洞庫溫濕度模糊控制器設計（72)
5.3.1 洞庫溫濕度控制系統模型（72)
5.3.2 洞庫溫濕度控制系統架構（74)
5.3.3 應用于洞庫溫濕度控制的模糊控制器設計（74)
5.3.4 洞庫溫濕度模糊PID控制器設計（76)
5.3.5 洞庫溫濕度系統PID控制仿真（78)
5.3.6 洞庫溫濕度系統模糊控制仿真（79)
5.3.7 洞庫溫濕度系統模糊PID控制仿真（80)
5.3.8 溫濕度解耦效果分析（82)
5.4 舵鰭聯合減搖系統模糊PID控制（86)
5.4.1 舵鰭聯合減搖系統的控制策略分析（86)
5.4.2 舵鰭聯合減搖系統控制方案（87)
5.4.3 模糊PID控制器設計（87)
5.4.4 仿真分析（91)
第6章 神經網絡控制應用（95)
6.1 基于神經網絡的船舶航向控制器設計（95)
6.1.1 神經網絡自適應PID算法（95)
6.1.2 傳統PID自動舵的仿真實驗（97)
6.1.3 神經網絡自適應PID自動舵的仿真（101)
6.2 MATLAB神經網絡工具箱及其仿真（108)
6.2.1 MATLAB神經網絡工具箱圖形用戶界面（108)
6.2.2 基于Simulink的神經網絡模塊工具（109)
第7章 智能算法控制應用（112)
7.1 基于粒子群優化算法的離散PID控制器參數優化（112)
7.1.1 優化問題目標函數的選取（112)
7.1.2 仿真優化設計過程（113)
7.1.3 仿真分析（115)
7.2 基于粒子群算法的無人船路徑規劃（118)
7.2.1 無人船路徑規劃的基本概念（118)
7.2.2 環境建模（119)
7.2.3 模型建立（121)
7.2.4 仿真實驗（121)
7.3 基于蟻群算法的無人水下航行器路徑規劃（126)
7.3.1 蟻群算法的路徑規劃設計（126)
7.3.2 仿真結果（129)
7.4 免疫控制（132)
7.4.1 免疫控制的系統結構（132)
7.4.2 免疫控制的自然計算體系和系統計算框圖（134)
7.5 基于蟻群算法的PID控制器參數整定及仿真（135)
7.5.1 基于ACO的PID控制器參數整定（135)
7.5.2 仿真結果及分析（137)
第8章 綜合智能算法在電力參數分析中的應用（139)
8.1 船舶電力系統電力信號模型與電力參數分析方法（139)
8.1.1 采用遺傳算法的電力參數分析方法（139)
8.1.2 采用Adaline神經網絡的電力參數分析方法（141)
8.1.3 采用Prony算法的電力參數分析方法（143)
8.2 基于遺傳神經網絡的船舶電力信號參數分析方法（144)
8.2.1 采用數字微分結合遺傳算法的信號參數粗略估計（145)
8.2.2 基于改進神經網絡的電力信號參數精確分析（146)
8.2.3 仿真算例與分析（148)
8.2.4 小結（150)
8.3 采用改進Prony算法的船舶電力信號參數分析方法（151)
8.3.1 采用差分算法的電力信號預處理（151)
8.3.2 改進Prony算法的船舶電力系統電力參數分析（153)
8.3.3 仿真算例與分析（155)
8.3.4 小結（159)
8.4 本章小結（160)
參考文獻（161)
展開全部
智能控制基礎與應用 作者簡介
王家林，博士，副教授，主持和參與基礎加強計劃技術領域基金、國家自然科學基金等10余項，獲大學教育成果一等獎，發表論文20余篇。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
- >
李白與唐代文化
- >
唐代進士錄
- >
山海經
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
