中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册
> >>
智能控制技术 第3版

智能控制技术 第3版

出版社:机械工业出版社出版时间:2023-12-01
开本: 16开 页数: 194
本类榜单:教材销量榜
中 图 价:¥32.3(7.5折) 定价  ¥43.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

智能控制技术 第3版 版权信息

智能控制技术 第3版 本书特色

本书总结了近些年来智能控制的研究成果,详细阐述了智能控制的基本概念、工作原理和设计方法。

智能控制技术 第3版 内容简介

智能控制作为控制理论发展的第三个阶段,是人工智能、认知科学、模糊数学、生物控制论、学习理论等在控制论的交叉与结合。本书总结了近些年来智能控制的研究成果,详细阐述了智能控制的基本概念、工作原理和设计方法。本书的主要内容包括:智能控制的基本概念、模糊控制的理论基础、模糊控制系统、人工神经元网络模型、神经网络控制论、智能控制的集成技术、深度学习和强化学习。本书在深入系统地介绍智能控制设计理论和应用方法的同时,还给出了一些设计实例和MATLAB算法例程。本书选材新颖、系统性强、通俗易懂,突出理论联系实际,并配有一定数量的习题、思考题和上机实验题,适合初学者学习智能控制的基本理论和方法。本书可作为高等院校自动化、电气工程及其自动化、计算机科学与技术、电子信息工程等专业高年级本科生的教材,也可供相关专业的工程技术人员阅读和参考。本书配有教学课件、习题答案,欢迎选用本书作教材的教师登录www.cmpedu.com注册后下载,或加微信13910750469索取。

智能控制技术 第3版 目录

前言
**章绪论
**节智能控制的发展过程
一、智能控制问题的提出
二、智能控制的发展
第二节智能控制的主要方法
一、专家系统和专家控制
二、模糊控制
三、神经元网络控制
四、学习控制
第三节智能控制系统的构成原理
一、智能控制系统的结构
二、智能控制系统的特点
三、智能控制系统研究的数学工具
习题和思考题
第二章模糊控制的理论基础
**节模糊控制概述
一、模糊控制的发展
二、模糊控制的特点
三、模糊控制的定义
第二节模糊集合论基础
一、模糊集合的概念
二、模糊集合的运算
三、模糊集合运算的基本性质
四、隶属度函数的建立
五、模糊关系
第三节模糊逻辑、模糊逻辑推理和合成
一、二值逻辑
二、模糊逻辑及其基本运算
三、模糊语言逻辑
四、模糊逻辑推理
五、模糊关系方程的解
本章小结
习题和思考题
第三章模糊控制系统
**节模糊控制系统的组成
一、模糊化过程
二、知识库
三、推理决策逻辑
四、精确化计算
第二节模糊控制器的设计
一、模糊控制器的结构设计
二、模糊控制器的基本类型
三、模糊控制器的设计原则
四、模糊控制器的常规设计方法
第三节模糊控制器的设计举例
一、流量控制的模糊控制器设计
二、倒立摆的模糊控制器设计
第四节模糊PID控制器的设计
一、模糊控制器和常规PID的混合结构
二、常规PID参数的模糊自整定技术
本章小结
习题和思考题
上机实验题
第四章人工神经元网络模型
**节神经网络概述
一、神经元模型
二、神经网络的模型分类
三、神经网络的学习算法
四、神经网络的泛化能力
第二节前向神经网络模型
一、单一人工神经元
二、单层神经网络结构
三、多层神经网络结构
四、多层传播网络的BP学习算法
五、BP学习算法的MATLAB例程
第三节动态神经网络模型
一、带时滞的多层感知器网络
二、Hopfield神经网络
三、回归神经网络
本章小结
习题和思考题
第五章神经网络控制论
**节神经网络与神经网络控制器
一、神经网络控制的优越性
二、神经网络控制器的分类
三*、神经网络的逼近能力
第二节非线性动态系统的神经网络辨识
一、神经网络的辨识基础
二、神经网络辨识模型的结构
三*、非线性动态系统神经网络的辨识
第三节神经网络控制的学习机制
一、监督式学习
二、增强式学习
第四节神经网络控制器的设计
一、神经网络直接逆模型控制法
二、直接网络控制法
三、多神经网络自学习控制法
四、单一神经元控制法
本章小结
习题和思考题
第六章*智能控制的集成技术
**节模糊神经网络控制
一、模糊神经网络的结构
二、模糊神经网络的学习算法
第二节基于神经网络的自适应控制
一、自适应控制技术
二、神经网络的模型参考自适应控制
第三节智能控制的优化算法
一、遗传学习算法
二、蚁群学习算法
三、迭代学习算法
本章小结
第七章深度学习
**节深度学习概述
一、什么是深度学习
二、深度学习模型中的优化
三、GPU的重要性
第二节模型范式
一、卷积神经网络
二、循环神经网络
三、自动编码器
四、注意力模型
第三节深度学习在智能电网中的应用
一、电力设备及系统故障诊断
二、光伏功率预测
三、电力系统快速潮流计算
本章小结
第八章强化学习
**节强化学习概述
一、强化学习的产生与发展
二、强化学习的关键要素
第二节强化学习理论基础
一、马尔可夫决策过程
二、基于价值函数的强化学习方法
三、基于策略梯度的强化学习方法
第三节深度强化学习
一、基于函数逼近器的强化学习
二、深度Q学习算法
三、深度确定性策略梯度算法
第四节深度强化学习在智能电网中的应用
一、深度强化学习在理论研究阶段的应用
二、深度强化学习在实际优化问题中的应用
本章小结
参考文献
展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服