作者：徐本连主编
页数：190
出版社：西安电子科技大学出版社
出版日期：2017
ISBN：9787560647548
电子书格式：pdf/epub/txt
内容简介
本书面向控制科学与工程、机械工程、计算机科学与工程等学科，主要围绕模糊控制、神经网络和群智能算法这三大主流智能控制方法，以LabVIEW为软件开发平台，以实际工程项目为目标，由浅入深地阐述了这些方法的应用实现过程。
本书取材新颖，注重实例，具有一定的前瞻性、创新性和引导性，较好地体现了这一领域的最新进展，可作为高等院校和科研院所计算机、自动化、机械、管理等专业的广大师生和科技工作者的参考书。
本书特色
本书面向控制科学与工程、机械工程、计算机科学与工程等学科，主要围绕模糊控制、神经网络和群智能算法这三大主流智能控制方法，以LabVIEW为软件开发平台，以实际工程项目为目标，由浅入深地阐述了这些方法的应用实现过程。本书取材新颖，注重实例，具有一定的前瞻性、创新性和引导性，较好地体现了这一领域的最进展，可作为高等院校和科研院所计算机、自动化、机械、管理等专业的广大师生和科技工作者的参考书。
目录
第1章 概论 1
1.1 控制科学发展新阶段——智能控制 1
1.1.1 智能控制的提出 1
1.1.2 智能控制的发展 2
1.2 智能控制的几个重要分支 2
1.2.1 模糊控制 2
1.2.2 神经网络 3
1.2.3 群智能算法 5
1.3 智能控制系统的构成 6
1.3.1 智能控制系统的结构 6
1.3.2 智能控制系统的特点 7
1.3.3 智能控制系统研究的主要工具 7
1.4 智能控制的未来 9
习题 9
第2章 模糊控制 10
2.1 概述 10
2.2 模糊集合及其运算 10
2.2.1 模糊集合的概念 10
2.2.2 模糊集合的运算 12
2.2.3 隶属度函数 14
2.3 模糊关系及其运算 17
2.3.1 模糊关系的定义及表示 17
2.3.2 模糊关系的运算 19
2.3.3 模糊矩阵的合成 19
2.4 模糊推理 20
2.4.1 语言变量与蕴含关系 20
2.4.2 近似推理 23
2.5 模糊控制中常见的两种模糊推理模型 24
2.5.1 Mamdani模糊推理模型 24
2.5.2 T-S模糊推理模型 29
2.6 模糊控制的应用 30
2.6.1 模糊控制的原理与特点 30
2.6.2 基于Mamdani模糊推理模型的应用 31
2.6.3 基于T-S模糊推理模型的应用 50
2.7 模糊控制的工业应用——火电机组主汽温模糊控制系统 64
习题 69
第3章 神经网络 70
3.1 神经网络的基本概念 70
3.1.1 生物神经元模型 70
3.1.2 人工神经元模型 72
3.1.3 人工神经网络模型 73
3.1.4 神经网络的学习方式 74
3.2 前馈神经网络 76
3.2.1 感知器 76
3.2.2 BP网络 77
3.2.3 RBF网络 81
3.3 反馈神经网络 81
3.3.1 离散型Hopfield网络 81
3.3.2 连续型Hopfield网络 85
3.4 神经网络的应用 88
3.4.1 单层感知器的线性分类 88
3.4.2 多层感知器的分类 93
3.4.3 BP神经网络的曲线拟合 98
3.4.4 数字识别 105
3.4.5 Hopfield神经网络模式识别 115
3.4.6 TSP路径寻优 118
3.5 神经网络控制的工业应用——电厂煤耗性能的计算 124
3.5.1 背景 124
3.5.2 影响飞灰含碳量的主要因素 124
3.5.3 基于BP神经网络的飞灰含碳量预测 124
习题 133
第4章 群智能算法 134
4.1 引言 134
4.2 蚁群算法 135
4.2.1 蚂蚁的生物学特征 135
4.2.2 蚁群算法原理 136
4.3 粒子群（鸟群）算法 137
4.3.1 鸟群的生物学特征 137
4.3.2 粒子群算法原理 138
4.4 烟花算法 140
4.4.1 烟花燃放现象特征 140
4.4.2 烟花算法原理 142
4.5 群智能算法的应用实例 144
4.5.1 蚁群算法的应用 145
4.5.2 粒子群算法的应用 150
4.5.3 烟花算法的应用 154
4.6 群智能算法的工程应用案例 160
4.6.1 基于蚁群算法的多细胞跟踪技术 161
4.6.2 基于粒子群算法的多细胞跟踪技术 172
4.6.3 基于烟花算法的多细胞跟踪技术 184
习题 189
参考文献 190
1.1 控制科学发展新阶段——智能控制 1
1.1.1 智能控制的提出 1
1.1.2 智能控制的发展 2
1.2 智能控制的几个重要分支 2
1.2.1 模糊控制 2
1.2.2 神经网络 3
1.2.3 群智能算法 5
1.3 智能控制系统的构成 6
1.3.1 智能控制系统的结构 6
1.3.2 智能控制系统的特点 7
1.3.3 智能控制系统研究的主要工具 7
1.4 智能控制的未来 9
习题 9
第2章 模糊控制 10
2.1 概述 10
2.2 模糊集合及其运算 10
2.2.1 模糊集合的概念 10
2.2.2 模糊集合的运算 12
2.2.3 隶属度函数 14
2.3 模糊关系及其运算 17
2.3.1 模糊关系的定义及表示 17
2.3.2 模糊关系的运算 19
2.3.3 模糊矩阵的合成 19
2.4 模糊推理 20
2.4.1 语言变量与蕴含关系 20
2.4.2 近似推理 23
2.5 模糊控制中常见的两种模糊推理模型 24
2.5.1 Mamdani模糊推理模型 24
2.5.2 T-S模糊推理模型 29
2.6 模糊控制的应用 30
2.6.1 模糊控制的原理与特点 30
2.6.2 基于Mamdani模糊推理模型的应用 31
2.6.3 基于T-S模糊推理模型的应用 50
2.7 模糊控制的工业应用——火电机组主汽温模糊控制系统 64
习题 69
第3章 神经网络 70
3.1 神经网络的基本概念 70
3.1.1 生物神经元模型 70
3.1.2 人工神经元模型 72
3.1.3 人工神经网络模型 73
3.1.4 神经网络的学习方式 74
3.2 前馈神经网络 76
3.2.1 感知器 76
3.2.2 BP网络 77
3.2.3 RBF网络 81
3.3 反馈神经网络 81
3.3.1 离散型Hopfield网络 81
3.3.2 连续型Hopfield网络 85
3.4 神经网络的应用 88
3.4.1 单层感知器的线性分类 88
3.4.2 多层感知器的分类 93
3.4.3 BP神经网络的曲线拟合 98
3.4.4 数字识别 105
3.4.5 Hopfield神经网络模式识别 115
3.4.6 TSP路径寻优 118
3.5 神经网络控制的工业应用——电厂煤耗性能的计算 124
3.5.1 背景 124
3.5.2 影响飞灰含碳量的主要因素 124
3.5.3 基于BP神经网络的飞灰含碳量预测 124
习题 133
第4章 群智能算法 134
4.1 引言 134
4.2 蚁群算法 135
4.2.1 蚂蚁的生物学特征 135
4.2.2 蚁群算法原理 136
4.3 粒子群（鸟群）算法 137
4.3.1 鸟群的生物学特征 137
4.3.2 粒子群算法原理 138
4.4 烟花算法 140
4.4.1 烟花燃放现象特征 140
4.4.2 烟花算法原理 142
4.5 群智能算法的应用实例 144
4.5.1 蚁群算法的应用 145
4.5.2 粒子群算法的应用 150
4.5.3 烟花算法的应用 154
4.6 群智能算法的工程应用案例 160
4.6.1 基于蚁群算法的多细胞跟踪技术 161
4.6.2 基于粒子群算法的多细胞跟踪技术 172
4.6.3 基于烟花算法的多细胞跟踪技术 184
习题 189
参考文献 190
