本書從機電一體化設備智能控制的實際應用出發(fā)，結合MATLAB仿真技術，以挖掘機器人開發(fā)為主要應用實例，對模糊控制、神經網絡控制和遺傳算法及其MATLAB仿真進行比較系統(tǒng)的論述，其中包含一些最新應用的研究成果。
更多科學出版社服務，請掃碼獲取。
智能控制是自動控制的最新發(fā)展階段，主要用來解決傳統(tǒng)控制理論難以解決的問題。智能控制最重要的思想是模擬人類在完成控制任務時的生理、心理、思考和行動特點，并將其用于實際的自動控制中。
為了適應形勢的發(fā)展，在機械工程及自動化專業(yè)的高年級開設了“智能控制實用技術”課程，基本上滿足了教學的需要。這次在原講稿的基礎上，結合幾年來本科生的教學經驗和研究生的研究成果，從機電一體化設備智能控制的實際應用出發(fā)，結合MATLAB仿真技術，以挖掘機器人開發(fā)為主要應用，對模糊控制、神經網絡控制和遺傳算法及其MATLAB仿真進行了比較系統(tǒng)的論述，其中包含一些最新應用的研究成果。本書通俗易懂，注重理論聯(lián)系實際，兼顧學術性與實用性，內容豐富，具有較高的參考價值。
本書可作為高等院校相關專業(yè)本科高年級學生及研究生的教材，也可供從事機電一體化設備的開發(fā)人員以及相關專業(yè)的工程技術人員參考。本書以“機械工程控制基礎”及“MATLAB基礎教程”為先修課程。書中安排了適當?shù)睦}和習題，方便學生鞏固所學的知識，提高理論聯(lián)系實際解決工程問題的能力，本書可謂是本科生和研究生做課題的良師益友。
本書由劉杰負責整體策劃和最后統(tǒng)稿，參加編寫的有東北大學的劉杰、李允公、劉宇、李小號、戴麗和沈陽工程學院的劉勁濤等。感謝東北大學教務處對本書出版所給予的大力支持和資助，感謝東北大學機械工程與自動化學院以及所有關心、支持和幫助過本書出版的同事和朋友。
由于作者水平有限，并且所涉及的許多技術還處在不斷發(fā)展之中，書中難免有缺點和疏漏之處，敬請廣大讀者給予批評指正。
目錄
前言
第1章 緒論 1
1.1 智能控制的產生背景 1
1.2 智能控制的概念與特點 2
1.3 智能控制的幾個重要分支 3
1.4 MATLAB與智能控制相結合 5
1.5 智能控制的應用 6
第2章 模糊控制 8
2.1 模糊及模糊控制概述 8
2.2 模糊集合及其運算 8
2.2.1 普通集合基本概念及運算 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 模糊集合的運算和性質 14
2.3 模糊關系 16
2.3.1 笛卡兒積和普通關系 16
2.3.2 模糊關系的定義 17
2.4 模糊關系的合成 18
2.5 模糊變換 20
2.6 模糊條件語句 22
2.6.1 簡單條件語句 23
2.6.2 多重簡單條件語句 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 模糊控制器的設計 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)應用實例 53
2.10.3 基于實例的模糊控制MATLAB/Simulink仿真介紹 66
2.11 習題 72
第3章 神經網絡控制技術 73
3.1 神經網絡基礎 74
3.1.1 生物神經元簡述 74
3.1.2 人工神經元基礎 75
3.1.3 神經網絡的結構 79
3.1.4 神經網絡的表達 81
3.2 神經網絡的學習方法 82
3.3 感知器網絡 84
3.4 BP網絡 88
3.4.1 BP網絡模型 88
3.4.2 BP網絡學習算法 89
3.5 徑向基網絡 92
3.5.1 RBF網絡結構 92
3.5.2 RBF網絡的學習算法 95
3.6 神經網絡控制 96
3.6.1 神經網絡預測控制 96
3.6.2 神經模型參考控制 97
3.7 神經網絡芯片 98
3.8 神經網絡庫函數(shù)介紹、實例及Simulink仿真 102
3.8.1 BP神經網絡工具箱函數(shù)介紹 102
3.8.2 BP神經網絡工具箱函數(shù)應用實例 104
3.8.3 基于實例的BP神經網絡的MATLAB/Simulink仿真介紹 107
3.9 習題 113
第4章 遺傳算法 114
4.1 概述 114
4.1.1 遺傳與生物進化 114
4.1.2 遺傳算法的發(fā)展與應用 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 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 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 自適應遺傳算法 130
4.3.5 基于小生境技術的遺傳算法 131
4.3.6 混合遺傳算法 132
4.4 遺傳算法應用舉例 133
4.4.1 遺傳算法的具體步驟 133
4.4.2 應用舉例 134
4.5 遺傳算法庫函數(shù)介紹、實例及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)應用實例 140
4.5.3 基于實例的遺傳算法MATLAB/Simulink仿真介紹 141
4.6 習題 143
第5章 綜合實例：液壓挖掘機器人 144
5.1 概述 144
5.2 液壓挖掘機的機器人化改造 145
5.2.1 對液壓挖掘機的電液比例改造 145
5.2.2 基于MATLAB的xPC Target控制平臺 153
5.3 挖掘機器人挖掘臂的運動學建模及仿真 155
5.3.1 挖掘機器人挖掘臂的運動學建模 156
5.3.2 挖掘機器人運動學的MATLAB仿真 162
5.4 挖掘機器人電液驅動系統(tǒng)的建模 164
5.4.1 電液系統(tǒng)的數(shù)學模型 164
5.4.2 參數(shù)辨識模型的建立及其MATLAB求解 169
5.5 挖掘機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 挖掘臂運動軌跡模糊滑模控制的MATLAB/Simulink仿真及實驗 180
5.6 挖掘行為和基本動作與Stateflow分解 189
5.6.1 行為控制與有限狀態(tài)機 190
5.6.2 從挖掘目標到基本動作 192
5.6.3 挖掘目標與挖掘任務 192
5.6.4 挖掘任務與挖掘行為 194
5.6.5 挖掘行為與基本動作 194
5.6.6 基本動作與模糊邏輯 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神經網絡控制的自主挖掘系統(tǒng) 202
5.8.1 挖掘機器人的體系結構 202
5.8.2 BP神經網絡的建立 203
5.8.3 基于BP神經網絡的挖掘機器人挖溝目標的實現(xiàn) 205
參考文獻 213
書單推薦
