智能控制系統
盧曉紅等
- 出版商: 科學出版
- 出版日期: 2026-10-01
- 售價: $768
- 語言: 簡體中文
- 頁數: 453
- ISBN: 703086705X
- ISBN-13: 9787030867056
-
相關分類:
控制系統 Control-systems、Machine Learning、DeepLearning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書是一部系統闡述智能控制系統基本原理、設計方法與應用的綜合性教材。全書分10章,主要內容包括微型計算機系統、微機控制系統基礎、數字控制器設計、數字控制技術、模糊控制技術、神經網絡控制技術、深度學習和強化學習、專家控制系統、智能優化算法等。
目錄大綱
目錄
前言
第1章 緒論 1
1.1 微機控制技術概述 1
1.2 微型計算機系統及微機控制系統組成 3
1.3 微機控制系統分類與特點 8
1.3.1 微機控制系統的分類 8
1.3.2 微機控制系統的特點 11
1.4 智能控制技術概述 12
1.4.1 智能控制的產生背景與發展需求 13
1.4.2 智能控制的定義與特征 13
1.4.3 智能控制的理論基礎與結構體系 14
1.5 智能控制的主要類型 15
1.5.1 模糊控制 16
1.5.2 神經網絡控制 16
1.5.3 專家控制 18
1.5.4 其他智能控制 18
1.6 智能控制技術應用及發展趨勢 20
本章習題 22
第2章 微型計算機系統 23
2.1 8086微處理器 23
2.1.1 8086的內部結構 24
2.1.2 8086的總線周期 29
2.1.3 8086的引腳信號及其功能 30
2.1.4 8086存儲器組織 37
2.1.5 8086 I/O組織 41
2.1.6 8086中斷系統 43
2.1.7 8086指令系統 51
2.1.8 匯編語言與程序設計 59
2.2 存儲器 76
2.2.1 半導體存儲器概述 76
2.2.2 存儲器系統 79
2.3 基本接口模塊 81
2.3.1 可編程並行接口芯片8255A 81
2.3.2 可編程定時器/計數器芯片8253 88
2.4 8086微機系統 96
2.4.1 8086模型機的存儲器系統 97
2.4.2 8086模型機的輸入輸出接口 100
2.4.3 8086模型微機的人機接口與系統支持 105
2.5 x86系列微機系統的技術發展 105
本章習題 109
第3章 微機控制系統基礎 112
3.1 數字量輸入輸出接口與過程通道 113
3.1.1 數字量輸入輸出接口技術 113
3.1.2 數字量輸入通道 114
3.1.3 數字量輸出通道 116
3.2 模擬量輸入輸出接口與過程通道 118
3.2.1 模擬信號到數字信號的轉換 118
3.2.2 模擬量輸入通道 119
3.2.3 A/D轉換器及其接口技術 121
3.2.4 模擬量輸出通道 126
3.2.5 D/A轉換器及其接口技術 127
3.3 常用傳感器與執行器 130
3.3.1 傳感器 130
3.3.2 執行器 133
3.4 人機接口 137
3.4.1 LED顯示 137
3.4.2 按鍵輸入 138
3.5 抗幹擾技術 140
3.5.1 過程通道抗幹擾技術 140
3.5.2 CPU及軟件抗幹擾技術 141
本章習題 145
第4章 數字控制器設計 146
4.1 采樣控制系統 147
4.1.1 采樣過程與采樣定理 148
4.1.2 Z傳遞函數 152
4.1.3 穩定性分析 158
4.2 數字控制器的模擬化設計 162
4.2.1 差分變換法 163
4.2.2 模擬PID控制器 165
4.2.3 數字PID控制器 166
4.2.4 PID控制算法的改進 167
4.2.5 PID控制參數的整定 170
4.3 數字控制器的直接設計 172
4.3.1 數字控制器直接設計的一般方法 173
4.3.2 時間最優控制系統 176
4.3.3 純滯後控制技術 181
4.3.4 其他控制技術 185
4.3.5 數字控制器算法實現 187
本章習題 192
第5章 數字控制技術 193
5.1 數字控制基礎 193
5.2 逐點比較法運動軌跡插補 195
5.2.1 逐點比較法直線插補 196
5.2.2 逐點比較法圓弧插補 200
5.3 進給速度控制和加減速控制 205
5.3.1 進給速度控制 206
5.3.2 加減速控制 207
5.4 電機驅動控制與位置伺服系統 210
5.4.1 步進電機驅動控制 210
5.4.2 直流伺服電機驅動控制 215
5.4.3 交流伺服電機驅動控制 216
5.4.4 位置伺服系統 216
5.5 多軸運動控制 221
5.5.1 多軸運動控制系統結構 221
5.5.2 多軸運動控制系統硬件設計 221
5.5.3 多軸運動控制系統軟件設計 223
5.5.4 基於IPC的多軸運動控制系統設計實例 225
本章習題 228
第6章 模糊控制技術 229
6.1 模糊控制基本原理 229
6.1.1 模糊控制的起源與特點 229
6.1.2 模糊控制的理論基礎 230
6.1.3 模糊邏輯及其推理 239
6.2 模糊控制器設計 243
6.2.1 模糊控制系統 243
6.2.2 模糊控制器的設計步驟 247
6.2.3 模糊自適應PID控制器 250
6.3 模糊控制系統設計與仿真實例 255
6.3.1 單輸入單輸出水箱液位模糊控制系統設計與仿真 255
6.3.2 兩輸入單輸出水箱液位模糊控制系統設計與仿真 259
本章習題 263
第7章 神經網絡控制技術 265
7.1 神經網絡基礎理論 265
7.1.1 神經網絡發展歷程 265
7.1.2 神經網絡原理 266
7.1.3 單層感知器 268
7.1.4 BP神經網絡 274
7.1.5 徑向基函數神經網絡 281
7.2 神經網絡控制 289
7.2.1 神經網絡控制系統結構 290
7.2.2 神經網絡PID控制 291
7.2.3 神經網絡內模控制 297
7.3 神經網絡實現技術 298
7.3.1 神經網絡設計基礎 298
7.3.2 神經網絡訓練與測試 302
7.3.3 神經網絡軟件運行調試 303
7.3.4 MATLAB神經網絡工具箱 304
7.4 模糊神經網絡算法 309
7.4.1 模糊神經元 309
7.4.2 模糊神經網絡 311
7.4.3 模糊神經網絡控制器 312
7.5 應用與仿真實例 314
7.5.1 神經網絡模型參考自適應帶材板形控制系統設計 314
7.5.2 BP神經網絡仿真 318
7.5.3 PID神經網絡控制仿真 318
7.5.4 模糊神經網絡非線性逼近仿真 321
本章習題 322
第8章 深度學習和強化學習 324
8.1 卷積神經網絡 324
8.1.1 卷積運算原理 324
8.1.2 卷積神經網絡的組成 326
8.1.3 深度卷積神經網絡 329
8.1.4 VGG神經網絡 329
8.1.5 GoogLeNet神經網絡 332
8.2 循環神經網絡和遞歸神經網絡 333
8.2.1 循環神經網絡 333
8.2.2 遞歸神經網絡 338
8.3 深度強化學習 343
8.3.1 強化學習 343
8.3.2 深度強化學習的核心分類與關鍵算法解析 348
8.4 應用與仿真實例 352
8.4.1 基於深度學習的手寫體識別 352
8.4.2 基於深度強化學習的月球著陸器仿真 355
本章習題 362
第9章 專家控制系統 363
9.1 專家系統基礎 363
9.1.1 專家系統概述 363
9.1.2 專家系統結構 365
9.1.3 專家系統的知識表示 366
9.1.4 專家系統的推理機制 372
9.1.5 專家系統的知識獲取 377
9.2 專家控制系統概述 380
9.2.1 專家控制系統的特點 380
9.2.2 專家控制系統的類型 381
9.3 專家控制系統的原理與結構 384
9.3.1 專家控制系統的工作原理 384
9.3.2 專家控制系統的設計規範和運行機制 386
9.3.3 專家控制系統的基本結構 388
9.3.4 黑板專家控制系統 390
9.4 專家控制系統應用實例 391
本章習題 396
第10章 智能優化算法 397
10.1 遺傳算法 397
10.1.1 遺傳算法的基本步驟 397
10.1.2 遺傳算法的實現 405
10.1.3 基於遺傳算法的BP神經網絡優化 407
10.2 粒子群優化算法 412
10.2.1 粒子群優化算法基本原理 412
10.2.2 粒子群優化算法流程 414
10.2.3 粒子群優化算法的參數調節 414
10.2.4 基於粒子群優化算法的PID參數優化 415
10.3 蟻群算法 419
10.3.1 蟻群算法基本原理 419
10.3.2 基於TSP優化的蟻群算法 421
10.3.3 基於蟻群算法的函數參數優化 422
本章習題 427
參考文獻 428
附錄 8086匯編指令 429
前言
第1章 緒論 1
1.1 微機控制技術概述 1
1.2 微型計算機系統及微機控制系統組成 3
1.3 微機控制系統分類與特點 8
1.3.1 微機控制系統的分類 8
1.3.2 微機控制系統的特點 11
1.4 智能控制技術概述 12
1.4.1 智能控制的產生背景與發展需求 13
1.4.2 智能控制的定義與特征 13
1.4.3 智能控制的理論基礎與結構體系 14
1.5 智能控制的主要類型 15
1.5.1 模糊控制 16
1.5.2 神經網絡控制 16
1.5.3 專家控制 18
1.5.4 其他智能控制 18
1.6 智能控制技術應用及發展趨勢 20
本章習題 22
第2章 微型計算機系統 23
2.1 8086微處理器 23
2.1.1 8086的內部結構 24
2.1.2 8086的總線周期 29
2.1.3 8086的引腳信號及其功能 30
2.1.4 8086存儲器組織 37
2.1.5 8086 I/O組織 41
2.1.6 8086中斷系統 43
2.1.7 8086指令系統 51
2.1.8 匯編語言與程序設計 59
2.2 存儲器 76
2.2.1 半導體存儲器概述 76
2.2.2 存儲器系統 79
2.3 基本接口模塊 81
2.3.1 可編程並行接口芯片8255A 81
2.3.2 可編程定時器/計數器芯片8253 88
2.4 8086微機系統 96
2.4.1 8086模型機的存儲器系統 97
2.4.2 8086模型機的輸入輸出接口 100
2.4.3 8086模型微機的人機接口與系統支持 105
2.5 x86系列微機系統的技術發展 105
本章習題 109
第3章 微機控制系統基礎 112
3.1 數字量輸入輸出接口與過程通道 113
3.1.1 數字量輸入輸出接口技術 113
3.1.2 數字量輸入通道 114
3.1.3 數字量輸出通道 116
3.2 模擬量輸入輸出接口與過程通道 118
3.2.1 模擬信號到數字信號的轉換 118
3.2.2 模擬量輸入通道 119
3.2.3 A/D轉換器及其接口技術 121
3.2.4 模擬量輸出通道 126
3.2.5 D/A轉換器及其接口技術 127
3.3 常用傳感器與執行器 130
3.3.1 傳感器 130
3.3.2 執行器 133
3.4 人機接口 137
3.4.1 LED顯示 137
3.4.2 按鍵輸入 138
3.5 抗幹擾技術 140
3.5.1 過程通道抗幹擾技術 140
3.5.2 CPU及軟件抗幹擾技術 141
本章習題 145
第4章 數字控制器設計 146
4.1 采樣控制系統 147
4.1.1 采樣過程與采樣定理 148
4.1.2 Z傳遞函數 152
4.1.3 穩定性分析 158
4.2 數字控制器的模擬化設計 162
4.2.1 差分變換法 163
4.2.2 模擬PID控制器 165
4.2.3 數字PID控制器 166
4.2.4 PID控制算法的改進 167
4.2.5 PID控制參數的整定 170
4.3 數字控制器的直接設計 172
4.3.1 數字控制器直接設計的一般方法 173
4.3.2 時間最優控制系統 176
4.3.3 純滯後控制技術 181
4.3.4 其他控制技術 185
4.3.5 數字控制器算法實現 187
本章習題 192
第5章 數字控制技術 193
5.1 數字控制基礎 193
5.2 逐點比較法運動軌跡插補 195
5.2.1 逐點比較法直線插補 196
5.2.2 逐點比較法圓弧插補 200
5.3 進給速度控制和加減速控制 205
5.3.1 進給速度控制 206
5.3.2 加減速控制 207
5.4 電機驅動控制與位置伺服系統 210
5.4.1 步進電機驅動控制 210
5.4.2 直流伺服電機驅動控制 215
5.4.3 交流伺服電機驅動控制 216
5.4.4 位置伺服系統 216
5.5 多軸運動控制 221
5.5.1 多軸運動控制系統結構 221
5.5.2 多軸運動控制系統硬件設計 221
5.5.3 多軸運動控制系統軟件設計 223
5.5.4 基於IPC的多軸運動控制系統設計實例 225
本章習題 228
第6章 模糊控制技術 229
6.1 模糊控制基本原理 229
6.1.1 模糊控制的起源與特點 229
6.1.2 模糊控制的理論基礎 230
6.1.3 模糊邏輯及其推理 239
6.2 模糊控制器設計 243
6.2.1 模糊控制系統 243
6.2.2 模糊控制器的設計步驟 247
6.2.3 模糊自適應PID控制器 250
6.3 模糊控制系統設計與仿真實例 255
6.3.1 單輸入單輸出水箱液位模糊控制系統設計與仿真 255
6.3.2 兩輸入單輸出水箱液位模糊控制系統設計與仿真 259
本章習題 263
第7章 神經網絡控制技術 265
7.1 神經網絡基礎理論 265
7.1.1 神經網絡發展歷程 265
7.1.2 神經網絡原理 266
7.1.3 單層感知器 268
7.1.4 BP神經網絡 274
7.1.5 徑向基函數神經網絡 281
7.2 神經網絡控制 289
7.2.1 神經網絡控制系統結構 290
7.2.2 神經網絡PID控制 291
7.2.3 神經網絡內模控制 297
7.3 神經網絡實現技術 298
7.3.1 神經網絡設計基礎 298
7.3.2 神經網絡訓練與測試 302
7.3.3 神經網絡軟件運行調試 303
7.3.4 MATLAB神經網絡工具箱 304
7.4 模糊神經網絡算法 309
7.4.1 模糊神經元 309
7.4.2 模糊神經網絡 311
7.4.3 模糊神經網絡控制器 312
7.5 應用與仿真實例 314
7.5.1 神經網絡模型參考自適應帶材板形控制系統設計 314
7.5.2 BP神經網絡仿真 318
7.5.3 PID神經網絡控制仿真 318
7.5.4 模糊神經網絡非線性逼近仿真 321
本章習題 322
第8章 深度學習和強化學習 324
8.1 卷積神經網絡 324
8.1.1 卷積運算原理 324
8.1.2 卷積神經網絡的組成 326
8.1.3 深度卷積神經網絡 329
8.1.4 VGG神經網絡 329
8.1.5 GoogLeNet神經網絡 332
8.2 循環神經網絡和遞歸神經網絡 333
8.2.1 循環神經網絡 333
8.2.2 遞歸神經網絡 338
8.3 深度強化學習 343
8.3.1 強化學習 343
8.3.2 深度強化學習的核心分類與關鍵算法解析 348
8.4 應用與仿真實例 352
8.4.1 基於深度學習的手寫體識別 352
8.4.2 基於深度強化學習的月球著陸器仿真 355
本章習題 362
第9章 專家控制系統 363
9.1 專家系統基礎 363
9.1.1 專家系統概述 363
9.1.2 專家系統結構 365
9.1.3 專家系統的知識表示 366
9.1.4 專家系統的推理機制 372
9.1.5 專家系統的知識獲取 377
9.2 專家控制系統概述 380
9.2.1 專家控制系統的特點 380
9.2.2 專家控制系統的類型 381
9.3 專家控制系統的原理與結構 384
9.3.1 專家控制系統的工作原理 384
9.3.2 專家控制系統的設計規範和運行機制 386
9.3.3 專家控制系統的基本結構 388
9.3.4 黑板專家控制系統 390
9.4 專家控制系統應用實例 391
本章習題 396
第10章 智能優化算法 397
10.1 遺傳算法 397
10.1.1 遺傳算法的基本步驟 397
10.1.2 遺傳算法的實現 405
10.1.3 基於遺傳算法的BP神經網絡優化 407
10.2 粒子群優化算法 412
10.2.1 粒子群優化算法基本原理 412
10.2.2 粒子群優化算法流程 414
10.2.3 粒子群優化算法的參數調節 414
10.2.4 基於粒子群優化算法的PID參數優化 415
10.3 蟻群算法 419
10.3.1 蟻群算法基本原理 419
10.3.2 基於TSP優化的蟻群算法 421
10.3.3 基於蟻群算法的函數參數優化 422
本章習題 427
參考文獻 428
附錄 8086匯編指令 429





