智能控制系统及其应用 第2版PDF|Epub|txt|kindle电子书版本网盘下载

智能控制系统及其应用 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

《电气自动化新技术丛书》序言1

第4届《电气自动化新技术丛书》编辑委员会的话1

第2版前言1

第1版前言1

第1章 概论1

1.1 智能控制系统国内外发展概况1

1.1.1 控制理论应用面临着新的挑战1

1.1.2 智能控制系统的引入2

1.1.3 智能控制系统的定义3

1.1.4 智能控制系统的特点3

1.1.5 智能控制系统国内外进展概况4

1.2.1 智能控制系统的理论研究5

1.2 智能控制系统的研究课题5

1.2.2 智能控制系统的应用研究10

第2章 智能控制系统的构成原理12

2.1 简单的智能控制系统12

2.1.1 一般自动控制系统的构成12

2.1.2 简单的智能控制系统的构成12

2.2 多级递阶智能控制系统14

2.3 智能控制系统和神经网络（NN）15

2.3.1 神经网络的基本概念15

2.3.2 神经网络输入输出之间的关系模型16

2.3.3 神经网络在自动控制中的应用18

2.3.4 神经网络控制和智能控制的关系21

2.4 遗传算法和智能控制21

2.5 混沌和智能控制22

3.1 知识表达23

3.1.1 知识的含义23

第3章 智能控制系统的设计理论23

3.1.2 知识的分类24

3.1.3 产生式知识表示25

3.1.4 框架知识表示30

3.1.5 谓词逻辑知识表示36

3.1.6 状态空间知识表示39

3.1.7 语义网络知识表示42

3.1.8 不精确知识表示44

3.1.9 知识的发展46

3.2 知识获取46

3.2.1 知识获取过程46

3.2.2 人工方式知识获取48

3.2.3 半自动知识获取49

3.2.4 自动知识获取49

3.2.5 动态特征辨识和模式识别54

3.3.1 知识库57

3.3 智能控制器一般结构的设计理论57

3.3.2 数据库（上下文）58

3.3.3 黑板问题58

3.3.4 自学习环节59

3.3.5 推理和决策机构60

3.4 智能决策和控制理论的结合问题69

3.4.1 问题的引入69

3.4.2 智能自适应控制系统69

3.4.3 带知识库的高炉炼铁过程终点铁水含硅量和温度自适应预报70

3.5 智能控制系统的鲁棒性75

3.5.1 问题的提出75

3.5.2 自动控制系统的稳定鲁棒性问题76

3.5.3 智能控制系统的鲁棒性问题82

4.1.2 自整角机在变压器工作状态下的随动系统85

4.1.1 概述85

4.1 旋转变压器式的精粗测随动系统85

第4章 随动系统的智能控制85

4.1.3 旋转变压器式随动系统87

4.1.4 旋转变压器式精粗测随动系统87

4.2 用微机控制的旋转变压器式精粗测随动系统90

4.2.1 随动系统计算机控制的特点90

4.2.2 微机化随动系统的硬件结构91

4.2.3 被控对象数学模型的建立92

4.2.4 常用控制算法94

4.2.5 系统软件设计97

4.3 随动系统智能控制99

4.3.1 随动系统智能控制框图99

4.3.2 智能控制器的设计99

4.4.1 数字全波整流波形101

4.4.2 系统各种指标测试比较101

4.4 实时控制结果的分析101

第5章 非晶制带钢水液位智能控制105

5.1 非晶制带生产工艺及对自动控制提出的要求105

5.1.1 非晶态合金薄带生产工艺105

5.1.2 对自动控制提出的要求106

5.1.3 控制方案107

5.2 非晶制带生产被控对象的特性分析和数学模型108

5.2.1 电液伺服驱动装置108

5.2.2 差动变压器109

5.5.3 非晶制带钢水液位计算机控制110

5.3.1 硬件结构110

5.3.2 常用控制算法和软件设计110

5.5.4 非晶制带钢水液位智能控制125

5.4.1 智能控制器的设计126

5.4.2 系统软件的设计128

5.5 系统实时控制的结果129

第6章 罩式退火炉自适应预测智能控制132

6.1 概述132

6.2 罩式退火炉计算机温控系统的设计与构成133

6.3 罩式退火炉数学模型的建立135

6.3.1 系统建模的基本步骤135

6.3.2 罩式退火炉的模型类型与结构136

6.3.3 实验信号的设计与产生137

6.3.4 实验过程、数据滤波及预处理141

6.3.5 参数估计142

6.3.6 模型的校验和确认144

6.4 离散系统模型与连续系统模型间的转换146

6.4.1 离散系统模型转换为连续系统模型146

6.4.2 连续系统模型转换为离散系统模型150

6.5.1 零极点配置PID预测控制153

6.5 罩式退火炉的前馈补偿零极点配置自适应PID预测智能控制153

6.5.2 前馈补偿零极点配置自适应PID预测控制158

6.5.3 智能控制器的设计163

6.5.4 实时控制结果165

第7章 电加热炉炉温智能控制167

7.1 电加热炉结构及对自动控制系统提出的要求167

7.1.1 电加热炉结构167

7.1.2 对自动控制提出的要求168

7.2 电加热炉对象模型及控制策略的研究168

7.2.1 电加热炉对象模型168

7.2.2 电加热炉控制策略的研究174

7.3 电加热炉炉温计算机控制175

7.3.1 硬件结构框图175

7.3.2 常用控制算法176

7.4.1 智能控制器的设计191

7.3.3 系统软件设计191

7.4 电加热炉炉温智能控制191

7.4.2 智能控制器的学习环节和修正环节200

7.5 电加热炉炉温实时控制结果204

7.5.1 随机最优控制结果204

7.5.2 非线性PID控制结果205

7.5.3 智能控制结果207

第8章 高炉、焦炉混合煤气压力和热值智能复合控制系统209

8.1 高炉、焦炉混合煤气生产工艺及对自动控制提出的要求209

8.1.1 高炉、焦炉混合煤气生产工艺209

8.1.2 对自动控制提出的要求211

8.1.3 控制方案选择211

8.2 智能复合控制算法214

8.2.1 单神经元自适应PSD控制算法和仿人规则控制算法214

8.2.2 模糊解耦控制算法215

8.3.1 系统硬件配置219

8.3 智能复合控制系统的硬件配置和软件设计219

8.3.2 系统软件设计220

8.4 高炉、焦炉混合煤气智能复合控制系统运行结果223

8.5 结束语225

第9章 电弧炉炼钢过程智能控制226

9.1 电弧炉炼钢工艺过程及对自动控制提出的要求226

9.1.1 电弧炉结构226

9.1.2 工艺特点226

9.1.3 对自动控制提出的特殊要求227

9.2 电弧炉炼钢过程电极升降智能复合控制系统228

9.2.1 快速最优（Bang-Bang）控制-229

9.2.2 模糊控制233

9.2.3 PID控制235

9.2.5 电极升降控制系统平衡问题236

9.2.4 智能复合控制问题236

9.2.6 电极升降控制系统实验结果237

9.3 电弧炉炼钢过程的数学模型及终点自适应预报系统238

9.3.1 氧化期数学模型的建立与终点预报方程239

9.3.2 氧化期钢液温度、含碳量和含磷量终点预报系统程序流程图249

9.3.3 氧化期预报系统运行结果249

9.3.4 还原期操作251

9.4 电弧炉炼钢过程智能自适应预测操作指导系统的设计252

9.4.1 问题的引入252

9.4.2 IPOGS总结构流程图及设计253

9.4.3 系统运行结果265

9.5 电弧炉炼钢过程闭环控制研究267

9.5.2 协调级268

9.5.3 知识库构成268

9.5.1 组织级268

9.5.4 电弧炉炼钢过程自动控制程序总流程图269

9.5.5 结束语269

第10章 高温力学试验机的神经网络自适应智能控制270

10.1 溉述270

10.2 高温力学试验机电加热炉的结构及计算机控制系统构成271

10.3 电加热炉神经网络模型的建立273

10.3.1 反向传播学习算法原理273

10.3.2 电加热炉的神经网络模型280

10.4 使用单神经元的电加热炉自适应智能控制283

10.4.1 神经网络学习规则284

10.4.2 单神经元自适应PID智能控制器285

10.4.3 单神经元自适应PSD智能控制器299

10.4.4 电加热炉单神经元自适应智能控制304

10.5.1 内模控制器的设计306

10.5 使用多神经元的电加热炉前馈补偿内模控制306

10.5.2 神经网络的前馈补偿内模控制311

10.5.3 电加热炉的神经网络前馈补偿内模控制313

第11章 遗传算法及其应用314

11.1 概述314

11.2 基本遗传算法315

11.2.1 遗传算法的基本原理316

11.2.2 遗传算法的基本操作317

11.2.3 遗传算法的特点323

11.3 模式定理325

11.3.1 模式325

11.3.2 选择对模式的影响327

11.3.3 交叉对模式的影响328

11.3.4 变异对模式的影响330

11.3.5 模式定理331

11.3.6 积木块假设333

11.4 遗传算法实现中的几个问题334

11.4.1 编码的评估准则与方法334

11.4.2 初始群体的产生339

11.4.3 适应度函数340

11.4.4 遗传操作344

11.4.5 关键参数的确定351

11.5 遗传算法与人工神经网络的结合352

11.5.1 基于遗传算法优化神经网络连接权352

11.5.2 基于遗传算法优化神经网络的结构360

11.5.3 遗传算法与神经网络相结合在电弧炉控制中的应用365

11.6 遗传算法与模糊控制的结合371

11.6.1 基本模糊控制器372

11.6.2 基于遗传算法优化量化和比例因子的力学持久机电加热炉模糊控制器…………………………………………引11.6.3 基于遗传算法优化隶属函数和融合因子的大容量输油泵模糊控制器388

11.7 遗传算法在函数最优化中的应用395

11.8 遗传算法在建模及预报中的应用400

11.8.1 遗传算法在人体能量代谢分析系统辨识中的应用400

11.8.2 遗传算法在SO2催化氧化反应动力学非线性模型参数估计中的应用406

11.8.3 遗传算法在水泥强度预测中的应用412

11.9 遗传算法在自动控制系统中的应用416

11.9.1 遗传算法在平整机机电控制系统参数整定和控制中的应用416

11.9.2 遗传算法在力学持久机PID控制系统中的应用423

11.10 结束语430

第12章 混沌及其应用431

12.1 混沌概念的引入431

12.1.1 人类本身存在的混沌现象431

12.1.2 控制工程中存在的混沌现象432

12.1.3 混沌的基本定义433

12.2 混沌学科的发展434

12.3 混沌的应用范围435

12.4 混沌研究中应关注的问题436

12.4.1 混沌基本特性………………-436

12.4.2 混沌学科的基本术语438

12.4.3 Logistic方程439

12.4.4 Lyapunov指数441

12.4.5 混沌的短期预测功能443

12.4.6 混沌时间序列数据相空间重构基本思想443

12.5 混沌的应用444

12.5.1 长春市120急救中心接收车祸次数混沌时间序列预测444

12.5.2 混沌控制452

12.5.3 混沌系统的反控制问题和混沌系统保密通信的基本概念461

附录464

附录A 随动系统智能控制程序清单464

附录B 电弧炉炼钢过程终点含碳量、含磷量及温度的预报结果与实测结果比较表472

参考文献478