●前言
第1章緒論
1.1智能控制的產生背景
1.2智能控制的概念與特點
1.3智能控制的幾個重要分支
1.4MATLAB與智能控制相結合
1.5智能控制的應用
第2章模糊控制
2.1模糊及模糊控制概述
2.2模糊集合及其運算
2.2.1普通集合基本概念及運算
2.2.2普通集合的特征函數
2.2.3模糊集合的定義
2.2.4隸屬函數
2.2.5模糊集合的運算和性質
2.3模糊關繫
2.3.1笛卡兒積和普通關繫
2.3.2模糊關繫的定義
2.4模糊關繫的合成
2.5模糊變換
2.6模糊條件語句
2.6.1簡單條件語句
2.6.2多重簡單條件語句
2.6.3多維條件語句
2.6.4.多重多維條件語句
2.7模糊推理
2.8模糊控制繫統的基本原理
2.9模糊控制器的設計
2.9.1輸入模糊化
2.9.2模糊控制規則的建立
2.9.3模糊推理方法
2.9.4逆模糊化方法
2.10模糊控制庫函數介紹、實例及Simulink仿真
2.10.1模糊邏輯工具箱函數介紹
2.10.2MATLAB模糊控制工具箱函數應用實例
2.10.3基於實例的模糊控制MATLAB/simulink仿真介紹
2.11習題
第3章神經網絡控制技術
3.1神經網絡基礎
3.1.1生簡述
3.1.2人基礎
3.1.3神經網絡的結構
3.1.4神經網絡的表達
3.2神經網絡的學習方法
3.3感知器網絡
3.4BP網絡
3.4.1BP網絡模型
3.4.2BP網絡學習算法
3.5徑向基網絡
3.5.1RBF網絡結構
3.5.2RBF網絡的學習算法
3.6神經網絡控制
3.6.1神經網絡預測控制
3.6.2神經模型參考控制
3.7神經網絡芯片
3.8神經網絡庫函數介紹、實例及Simulink仿真
3.8.1BP神經網絡工具箱函數介紹
3.8.2BP神經網絡工具箱函數應用實例
3.8.3基於實例的BP神經網絡的MATLAB/Simulink仿真介紹
3.9習題
第4章遺傳算法
4.1概述
4.1.1遺傳與生物進化
4.1.2遺傳算法的發展與應用
4.1.3遺傳算法的編碼方法
4.1.4遺傳算法的基本操作
4.2遺傳算法的模式理論
4.2.1模式理論
4.2.2積木塊假設
4.2.3遺傳算法的欺騙問題
4.2.4遺傳算法的收斂性
4.3遺傳算法的改進
4.3.1分層遺傳算法
4.3.2CHC算法
4.3.3Messy遺傳算法
4.3.4自適應遺傳算法
4.3.5基於小生境技術的遺傳算法
4.3.6混合遺傳算法
4.4遺傳算法應用舉例
4.4.1遺傳算法的具體步驟
4.4.2應用舉例
4.5遺傳算法庫函數介紹、實例及Simulink仿真
4.5.1遺傳算法工具箱函數介紹
4.5.2遺傳算法工具箱函數應用實例
4.5.3基於實例的遺傳算法MATLAB/Simulink仿真介紹
4.6習題
第5章綜合實例:液壓挖掘機器人
5.1概述
5.2液壓挖掘機的機器人化改造
5.2.1對液壓挖掘機的電液比例改造
5.2.2基於MATLAB的xPCTarget控制平臺
5.3挖掘機器人挖掘臂的運動學建模及仿真
5.3.1挖掘機器人挖掘臂的運動學建模
5.3.2挖掘機器人運動學的MAq?LAB仿真
5.4挖掘機器人電液驅動繫統的建模
5.4.1電液繫統的數學模型
5.4.2參數辨識模型的建立及其MATLAB求解
5.5挖掘機器人挖掘臂的軌跡規劃及模糊滑模控制
5.5.1挖掘臂的軌跡規劃插值計算及MATLAB求解
5.5.2挖掘臂的單自由度和二自由度軌跡規劃
5.5.3挖掘臂運動軌跡模糊滑模控制的MATLAB/Simulink仿真及實驗
5.6挖掘行為和基本動作與Stateflow分解
5.6.1行為控制與有限狀態機
5.6.2從挖掘目標到基本動作
5.6.3挖掘目標與挖掘任務
5.6.4挖掘任務與挖掘行為
5.6.5挖掘行為與基本動作
5.6.6基本動作與模糊邏輯
5.7基於模糊行為的石塊上表面挖掘操作
5.8基於BP神經網絡控制的自主挖掘繫統
5.8.1挖掘機器人的體繫結構
5.8.2BP神經網絡的建立
5.8.3基於BP神經網絡的挖掘機器人挖溝目標的實現
參考文獻