智能控制（第2版）

第1章 概论
1.1 人工智能
1.1.1 人工智能的定义与发展
1.1.2 人类智能与人工智能
1.1.3 人工智能的各种认知观
1.2 智能控制的进展
1.2.1 自动控制的机遇与挑战
1.2.2 自动化与人工智能
1.2.3 智能控制的发展
1.3 智能控制的定义、特点与结构理论
1.3.1 智能控制的定义与特点
1.3.2 智能控制器的一般结构
1.4 智能控制的结构理论
1.4.1 二元结构理论
1.4.2 三元结构理论
1.4.3 四元结构理论
1.5 本章概要
习题1
第2章 知识表示方法
2.1 状态空间法
2.1.1 问题状态描述
2.1.2 状态图示法
2.2 问题归约法
2.2.1 问题归约描述
2.2.2 与或图表示
2.3 谓词逻辑法
2.3.1 谓词演算
2.3.2 谓词公式
2.3.3 置换与合一
2.4 语义网络法
2.4.1 二元语义网络的表示
2.4.2 多元语义网络的表示
2.4.3 语义网络的推理过程
2.5 框架表示
2.5.1 框架的构成
2.5.2 框架的推理
2.6 剧本表示
2.6.1 剧本的构成
2.6.2 剧本的推理
2.7 过程表示
2.8 小结
习题2
第3章 搜索推理技术
3.1 图搜索策略
3.2 盲目搜索
3.2.1 宽度优先搜索
3.2.2 深度优先搜索
3.2.3 等代价搜索
3.3 启发式搜索
3.3.1 启发式搜索策略和估价函数
3.3.2 有序搜索
3.3.3 A*算法
3.4 消解原理
3.4.1 子句集的求取
3.4.2 消解推理规则
3.4.3 含有变量的消解式
3.4.4 消解反演求解过程
3.5 规则演绎系统
3.5.1 规则正向演绎系统
3.5.2 规则逆向演绎系统
3.5.3 规则双向演绎系统
3.6 产生式系统
3.6.1 产生式系统的组成
3.6.2 产生式系统的推理
3.6.3 产生式系统举例
3.7 系统组织技术
3.7.1 议程表
3.7.2 黑板法
3.7.3 △-极小搜索法
3.8 不确定性推理
3.8.1 关于证据的不确定性
3.8.2 关于结论的不确定性
3.8.3 多个规则支持同一事实时的不确定性
3.9 非单调推理
3.9.1 默认推理
3.9.2 非单调推理系统
3.10 小结
习题3
第4章 递阶控制系统
4.1 递阶智能机器的一般理论
4.1.1 递阶智能机器的一般结构
4.1.2 递阶智能机器的主要定义
4.1.3 IPDI原理的解析公式
4.2 递阶智能控制系统的结构
4.2.1 组织级的结构
4.2.2 协调级的结构
4.2.3 执行级的结构
4.3 智能机器人系统的递阶控制模型
4.3.1 组织级的控制模型
4.3.2 协调级的控制模型
4.3.3 执行级的控制模型
4.4 递阶智能控制系统示例
4.4.1 智能机器人递阶装配系统
4.4.2 核反应堆的递阶控制
4.5 四层递阶控制系统举例
4.5.1 红旗自主车驾驶系统的组成
4.5.2 汽车自主驾驶控制系统的四层递阶结构
4.5.3 驾驶控制系统的结构与算法
4.5.4 自主驾驶系统高速公路试验
4.6 小结
习题4
第5章 专家控制系统
5.1 专家系统
5.1.1 专家系统的特点
5.1.2 专家系统的结构与类型
5.1.3 建筑专家系统的步骤与设计技巧
5.1.4 新型专家系统
5.2 专家控制系统
5.2.1 专家控制系统的控制要求与设计原则
5.2.2 专家控制系统的结构
5.2.3 专家控制系统的类型
5.2.4 专家控制器示例
5.3 专家规划器的设计与实现
5.3.1 规划系统结构和机理
5.3.2 ROPES机器人规划系统
5.4 实时专家控制系统
5.4.1 实时控制系统的特点与要求
5.4.2 REICS系统的结构
5.4.3 REICS的设计与实现
5.4.4 REICS系统的仿真与应用
5.5 小结
习题5
第6章 模糊控制系统
6.1 模糊控制的数学基础
6.1.1 模糊集合、模糊逻辑及其运算
6.1.2 模糊逻辑推理
6.1.3 模糊判决方法
6.2 模糊控制器的结构
6.2.1 模糊控制器的一般结构
6.2.2 PID模糊控制器
6.2.3 自组织模糊控制器
6.2.4 自校正模糊控制器
6.2.5 自学习模糊控制器
6.2.6 专家模糊控制器
6.3 模糊控制器的设计
6.3.1 模糊控制器的设计内容与原则
6.3.2 模糊控制器的控制规则形式
6.4 模糊控制系统的设计方法
6.4.1 查表法
6.4.2 梯度下降法
6.4.3 递推最小二乘法
6.4.4 聚类法
6.4.5 模糊系统设计的其他方法
6.5 模糊控制器的设计实例
6.5.1 造纸机模糊控制系统的设计
6.5.2 直流调速系统模糊控制器的设计
6.6 模糊控制器的特性
6.6.1 模糊控制器的静态特性
6.6.2 模糊控制器的动态品质
6.6.3 模糊控制系统的可控性
6.6.4 模糊控制系统的鲁棒性
6.6.5 一类模糊控制系统在定向干扰下的可控性与鲁棒性
6.7 模糊控制系统应用举例
6.7.1 双支撑状态的两足机器人力控制问题
6.7.2 模糊变增益力控制原理
6.7.3 两足机器人控制的实现与结果
6.8 小结
习题6
第7章 神经控制系统
7.1 神经网络简介
7.1.1 人工神经网络研究的起源
7.1.2 用于控制的人工神经网络
7.2 人工神经网络的结构
7.2.1 神经元及其特性
7.2.2 人工神经网络的基本类型
7.2.3 人工神经网络的典型模型
7.3 人工神经网络示例及其算法
7.3.1 多层感知器（MLP）
7.3.2 数据群处理方法（GMDH）网络
7.3.3 自适应谐振理论（ART）网络
7.3.4 学习矢量量化（LVQ）网络
7.3.5 Kohonen网络
7.3.6 Hopfield网络
7.3.7 Elman and Jordan网络
7.3.8 小脑模型连接控制（CMAC）网络
7.4 神经控制的结构方案
7.4.1 NN学习控制
7.4.2 NN直接逆控制
7.4.3 NN自适应控制
7.4.4 NN内模控制
7.4.5 NN预测控制
7.4.6 NN自适应判断控制
7.4.7 基于CAMC控制
7.4.8 多层NN控制
7.4.9 分级NN控制
7.5 模糊逻辑、专家系统及神经网络在控制中的集成
7.5.1 模糊神经网络原理
7.5.2 模糊神经控制方案
7.6 神经控制器的设计实例
7.6.1 石灰窑神经内模控制系统的设计
7.6.2 神经模糊自适应控制器的设计
7.7 神经控制系统应用举例
7.7.1 水轮发电机双神经元同步控制系统
7.7.2 高速列车运行过程的直接模糊神经控制
7.8 小结
习题7
第8章 学习控制系统
8.1 学习控制概述
8.1.1 什么是学习控制
8.1.2 为什么要研究学习控制
8.1.3 学习控制的发展
8.2 学习控制方案
8.2.1 基于模式识别的学习控制
8.2.2 反复学习控制
8.2.3 重复学习控制
8.2.4 基于神经网络的学习控制
8.3 学习控制的某些问题
8.3.1 学习控制系统的建模
8.3.2 学习控制的稳定性和收敛性分析
8.4 学习控制系统举例
8.4.1 自学习模糊神经控制模型
8.4.2 自学习模糊神经控制算法
8.4.3 弧焊过程自学习模糊神经控制系统
8.5 小结
习题8
第9章 其他智能控制
9.1 仿人控制
9.1.1 仿人控制原理与原型算法
9.1.2 仿人控制器的属性与设计步骤
9.2 进化控制
9.2.1 遗传算法的基本原理
9.2.2 遗传算法的求解步骤
9.2.3 进化控制及其形式化描述
9.2.4 移动机器人进化控制系统的体系结构和算法
9.3 免疫控制
9.3.1 免疫算法的提出和定义
9.3.2 免疫算法的设计方法和参数选择
9.3.3 免疫控制的系统结构和计算框图
9.3.4 免疫控制系统示例
9.4 小结
习题9
第10章 智能控制的应用与研究展望
10.1 智能控制的应用研究领域与现状
10.2 智能控制应用研究存在的问题
10.3 智能控制的进一步研究问题
10.3.1 智能控制将起越来越重要的作用
10.3.2 智能控制的进一步研究问题
10.4 展望智能控制的发展
10.4.1 寻求更新的理论框架
10.4.2 进行更好的技术集成
10.4.3 开发更成熟的应用方法
10.5 结束语
习题10
参考文献