目錄
前言
第1章 緒論 1
1.1 智能控制的產(chǎn)生背景 1
1.2 智能控制的概念與特點(diǎn) 2
1.3 智能控制的幾個(gè)重要分支 3
1.4 MATLAB與智能控制相結(jié)合 5
1.5 智能控制的應(yīng)用 6
第2章 模糊控制 8
2.1 模糊及模糊控制概述 8
2.2 模糊集合及其運(yùn)算 8
2.2.1 普通集合基本概念及運(yùn)算 9
2.2.2 普通集合的特征函數(shù) 9
2.2.3 模糊集合的定義 10
2.2.4 隸屬函數(shù) 12
2.2.5 模糊集合的運(yùn)算和性質(zhì) 14
2.3 模糊關(guān)系 16
2.3.1 笛卡兒積和普通關(guān)系 16
2.3.2 模糊關(guān)系的定義 17
2.4 模糊關(guān)系的合成 18
2.5 模糊變換 20
2.6 模糊條件語句 22
2.6.1 簡(jiǎn)單條件語句 23
2.6.2 多重簡(jiǎn)單條件語句 25
2.6.3 多維條件語句 26
2.6.4 多重多維條件語句 28
2.7 模糊推理 30
2.8 模糊控制系統(tǒng)的基本原理 32
2.9 模糊控制器的設(shè)計(jì) 34
2.9.1 輸入模糊化 34
2.9.2 模糊控制規(guī)則的建立 37
2.9.3 模糊推理方法 39
2.9.4 逆模糊化方法 44
2.10 模糊控制庫函數(shù)介紹、實(shí)例及Simulink仿真 45
2.10.1 模糊邏輯工具箱函數(shù)介紹 45
2.10.2 MATLAB模糊控制工具箱函數(shù)應(yīng)用實(shí)例 53
2.10.3 基于實(shí)例的模糊控制MATLAB/Simulink仿真介紹 66
2.11 習(xí)題 72
第3章 神經(jīng)網(wǎng)絡(luò)控制技術(shù) 73
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 74
3.1.1 生物神經(jīng)元簡(jiǎn)述 74
3.1.2 人工神經(jīng)元基礎(chǔ) 75
3.1.3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 79
3.1.4 神經(jīng)網(wǎng)絡(luò)的表達(dá) 81
3.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法 82
3.3 感知器網(wǎng)絡(luò) 84
3.4 BP網(wǎng)絡(luò) 88
3.4.1 BP網(wǎng)絡(luò)模型 88
3.4.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法 89
3.5 徑向基網(wǎng)絡(luò) 92
3.5.1 RBF網(wǎng)絡(luò)結(jié)構(gòu) 92
3.5.2 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法 95
3.6 神經(jīng)網(wǎng)絡(luò)控制 96
3.6.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制 96
3.6.2 神經(jīng)模型參考控制 97
3.7 神經(jīng)網(wǎng)絡(luò)芯片 98
3.8 神經(jīng)網(wǎng)絡(luò)庫函數(shù)介紹、實(shí)例及Simulink仿真 102
3.8.1 BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)介紹 102
3.8.2 BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)應(yīng)用實(shí)例 104
3.8.3 基于實(shí)例的BP神經(jīng)網(wǎng)絡(luò)的MATLAB/Simulink仿真介紹 107
3.9 習(xí)題 113
第4章 遺傳算法 114
4.1 概述 114
4.1.1 遺傳與生物進(jìn)化 114
4.1.2 遺傳算法的發(fā)展與應(yīng)用 114
4.1.3 遺傳算法的編碼方法 116
4.1.4 遺傳算法的基本操作 117
4.2 遺傳算法的模式理論 123
4.2.1 模式理論 123
4.2.2 積木塊假設(shè) 127
4.2.3 遺傳算法的欺騙問題 127
4.2.4 遺傳算法的收斂性 128
4.3 遺傳算法的改進(jìn) 128
4.3.1 分層遺傳算法 129
4.3.2 CHC算法 129
4.3.3 Messy 遺傳算法 130
4.3.4 自適應(yīng)遺傳算法 130
4.3.5 基于小生境技術(shù)的遺傳算法 131
4.3.6 混合遺傳算法 132
4.4 遺傳算法應(yīng)用舉例 133
4.4.1 遺傳算法的具體步驟 133
4.4.2 應(yīng)用舉例 134
4.5 遺傳算法庫函數(shù)介紹、實(shí)例及Simulink仿真 137
4.5.1 遺傳算法工具箱函數(shù)介紹 137
4.5.2 遺傳算法工具箱函數(shù)應(yīng)用實(shí)例 140
4.5.3 基于實(shí)例的遺傳算法MATLAB/Simulink仿真介紹 141
4.6 習(xí)題 143
第5章 綜合實(shí)例：液壓挖掘機(jī)器人 144
5.1 概述 144
5.2 液壓挖掘機(jī)的機(jī)器人化改造 145
5.2.1 對(duì)液壓挖掘機(jī)的電液比例改造 145
5.2.2 基于MATLAB的xPC Target控制平臺(tái) 153
5.3 挖掘機(jī)器人挖掘臂的運(yùn)動(dòng)學(xué)建模及仿真 155
5.3.1 挖掘機(jī)器人挖掘臂的運(yùn)動(dòng)學(xué)建模 156
5.3.2 挖掘機(jī)器人運(yùn)動(dòng)學(xué)的MATLAB仿真 162
5.4 挖掘機(jī)器人電液驅(qū)動(dòng)系統(tǒng)的建模 164
5.4.1 電液系統(tǒng)的數(shù)學(xué)模型 164
5.4.2 參數(shù)辨識(shí)模型的建立及其MATLAB求解 169
5.5 挖掘機(jī)器人挖掘臂的軌跡規(guī)劃及模糊滑�？刂� 171
5.5.1 挖掘臂的軌跡規(guī)劃插值計(jì)算及MATLAB求解 171
5.5.2 挖掘臂的單自由度和二自由度軌跡規(guī)劃 177
5.5.3 挖掘臂運(yùn)動(dòng)軌跡模糊滑�？刂频腗ATLAB/Simulink仿真及實(shí)驗(yàn) 180
5.6 挖掘行為和基本動(dòng)作與Stateflow分解 189
5.6.1 行為控制與有限狀態(tài)機(jī) 190
5.6.2 從挖掘目標(biāo)到基本動(dòng)作 192
5.6.3 挖掘目標(biāo)與挖掘任務(wù) 192
5.6.4 挖掘任務(wù)與挖掘行為 194
5.6.5 挖掘行為與基本動(dòng)作 194
5.6.6 基本動(dòng)作與模糊邏輯 196
5.7 基于模糊行為的石塊上表面挖掘操作 199
5.8 基于BP神經(jīng)網(wǎng)絡(luò)控制的自主挖掘系統(tǒng) 202
5.8.1 挖掘機(jī)器人的體系結(jié)構(gòu) 202
5.8.2 BP神經(jīng)網(wǎng)絡(luò)的建立 203
5.8.3 基于BP神經(jīng)網(wǎng)絡(luò)的挖掘機(jī)器人挖溝目標(biāo)的實(shí)現(xiàn) 205
參考文獻(xiàn) 213