人工智能控制

1 引論1
1.1 人工智能的定義與發(fā)展1
1.1.1 人工智能的定義1
1.1.2 人工智能的起源與發(fā)展2
1.2 人類智能與人工智能4
1.2.1 智能信息處理系統(tǒng)的假設(shè)4
1.2.2 人類智能的計(jì)算機(jī)模擬5
1.3 人工智能的各種認(rèn)知觀6
1.4 智能控制的進(jìn)展7
1.4.1 自動(dòng)控制的機(jī)遇與挑戰(zhàn)8
1.4.2 自動(dòng)化與人工智能9
1.4.3 智能控制的發(fā)展10
1.5 智能控制的定義、特點(diǎn)與一般結(jié)構(gòu)13
1.5.1 智能控制的定義與特點(diǎn)13
1.5.2 智能控制器的一般結(jié)構(gòu)13
1.6 智能控制的學(xué)科結(jié)構(gòu)理論14
1.6.1 二元結(jié)構(gòu)理論15
1.6.2 三元結(jié)構(gòu)理論16
1.6.3 四元結(jié)構(gòu)理論17
1.7 本書(shū)概要20
習(xí)題121
2 知識(shí)表示與推理22
2.1 知識(shí)表示的一般方法22
2.2 圖搜索策略23
2.3 一般搜索與推理技術(shù)24
2.4 A算法25
2.5 消解原理28
2.5.1 子句集的求取28
2.5.2 消解推理規(guī)則30
2.5.3 含有變量的消解式31
2.5.4 消解反演求解過(guò)程31
2.6 規(guī)則演繹系統(tǒng)35
2.6.1 規(guī)則正向演繹系統(tǒng)35
2.6.2 規(guī)則逆向演繹系統(tǒng)40
2.6.3 規(guī)則雙向演繹系統(tǒng)42
2.7 產(chǎn)生式系統(tǒng)43
2.7.1 產(chǎn)生式系統(tǒng)的組成43
2.7.2 產(chǎn)生式系統(tǒng)的推理45
2.7.3 產(chǎn)生式系統(tǒng)舉例47
2.8 非單調(diào)推理50
2.8.1 缺省推理51
2.8.2 限定推理54
2.8.3 真值維持系統(tǒng)56
2.9 不確定性推理58
2.9.1 不確定性的表示與度量59
2.9.2 不確定性的算法59
2.10 小結(jié)61
習(xí)題261
3 計(jì)算智能64
3.1 概述64
3.2 神經(jīng)計(jì)算66
3.2.1 人工神經(jīng)網(wǎng)絡(luò)研究的進(jìn)展66
3.2.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與模型67
3.2.3 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理69
3.3 模糊計(jì)算72
3.3.1 模糊集合、模糊邏輯及其運(yùn)算72
3.3.2 模糊邏輯推理74
3.3.3 模糊判決方法76
3.4 遺傳算法78
3.4.1 遺傳算法的基本機(jī)理78
3.4.2 遺傳算法的求解步驟81
3.5 人工生命83
3.5.1 人工生命研究的起源和發(fā)展83
3.5.2 人工生命的定義84
3.5.3 人工生命的研究?jī)?nèi)容和方法85
3.6 粒群優(yōu)化86
3.6.1 群智能和粒群優(yōu)化概述86
3.6.2 粒群優(yōu)化算法87
3.7 蟻群算法89
3.7.1 蟻群算法理論90
3.7.2 蟻群算法的研究與應(yīng)用92
3.8 小結(jié)94
習(xí)題395
4 專家系統(tǒng)97
4.1 專家系統(tǒng)概述97
4.1.1 專家系統(tǒng)的特點(diǎn)97
4.1.2 專家系統(tǒng)的結(jié)構(gòu)和建造步驟98
4.2 基于規(guī)則的專家系統(tǒng)101
4.3 基于框架的專家系統(tǒng)102
4.4 基于模型的專家系統(tǒng)104
4.5 新型專家系統(tǒng)106
4.5.1 新型專家系統(tǒng)的特征106
4.5.2 分布式專家系統(tǒng)107
4.5.3 協(xié)同式專家系統(tǒng)108
4.6 專家系統(tǒng)開(kāi)發(fā)工具109
4.7 專家系統(tǒng)設(shè)計(jì)111
4.7.1 專家知識(shí)的描述112
4.7.2 知識(shí)的使用和決策解釋114
4.8 專家系統(tǒng)實(shí)例--MYCIN剖析116
4.8.1 MYCIN概述116
4.8.2 咨詢子系統(tǒng)117
4.8.3 靜態(tài)數(shù)據(jù)庫(kù)119
4.8.4 動(dòng)態(tài)數(shù)據(jù)庫(kù)123
4.8.5 非精確推理124
4.8.6 控制策略126
4.9 小結(jié)128
習(xí)題4129
5 艾真體（agent）130
5.1 分布式人工智能130
5.2 agent及其要素131
5.3 艾真體的結(jié)構(gòu)134
5.3.1 艾真體的結(jié)構(gòu)特點(diǎn)134
5.3.2 艾真體的結(jié)構(gòu)分類134
5.4 多艾真體系統(tǒng)136
5.4.1 多艾真體系統(tǒng)的模型和結(jié)構(gòu)137
5.4.2 多艾真體的協(xié)作、協(xié)商和協(xié)調(diào)138
5.4.3 多艾真體的學(xué)習(xí)與規(guī)劃140
5.4.4 多艾真體系統(tǒng)的研究和應(yīng)用領(lǐng)域141
5.5 小結(jié)142
習(xí)題5142
6 遞階控制系統(tǒng)144
6.1 遞階智能機(jī)器的一般理論144
6.1.1 遞階智能機(jī)器的一般結(jié)構(gòu)144
6.1.2 遞階智能機(jī)器的主要定義146
6.1.3 IPDI原理的解析公式148
6.2 遞階智能控制系統(tǒng)的結(jié)構(gòu)149
6.2.1 組織級(jí)的結(jié)構(gòu)149
6.2.2 協(xié)調(diào)級(jí)的結(jié)構(gòu)152
6.2.3 執(zhí)行級(jí)的結(jié)構(gòu)153
6.3 智能機(jī)器人系統(tǒng)的遞階控制模型154
6.3.1 組織級(jí)的控制模型154
6.3.2 協(xié)調(diào)級(jí)的控制模型157
6.3.3 執(zhí)行級(jí)的控制模型159
6.4 遞階控制系統(tǒng)舉例160
6.4.1 紅旗車自主駕駛系統(tǒng)的組成160
6.4.2 汽車自主駕駛控制系統(tǒng)的四層遞階結(jié)構(gòu)162
6.4.3 駕駛控制系統(tǒng)的結(jié)構(gòu)與算法164
6.4.4 自主駕駛系統(tǒng)高速公路試驗(yàn)165
6.5 小結(jié)166
習(xí)題6166
7 專家控制系統(tǒng)168
7.1 專家控制系統(tǒng)的結(jié)構(gòu)與類型168
7.1.1 專家控制系統(tǒng)的控制要求與設(shè)計(jì)原則168
7.1.2 專家控制系統(tǒng)的結(jié)構(gòu)170
7.1.3 專家控制系統(tǒng)的類型173
7.2 PI專家控制器174
7.3 實(shí)時(shí)專家控制系統(tǒng)176
7.3.1 實(shí)時(shí)控制系統(tǒng)的特點(diǎn)與要求176
7.3.2 高爐控制概況與監(jiān)控系統(tǒng)結(jié)構(gòu)177
7.3.3 系統(tǒng)開(kāi)發(fā)與知識(shí)表示178
7.3.4 傳感數(shù)據(jù)的預(yù)處理180
7.4 小結(jié)181
習(xí)題7181
8 模糊控制系統(tǒng)182
8.1 模糊控制器的結(jié)構(gòu)182
8.1.1 模糊控制器的一般結(jié)構(gòu)182
8.1.2 PID模糊控制器183
8.1.3 自組織模糊控制器185
8.1.4 自校正模糊控制器185
8.1.5 自學(xué)習(xí)模糊控制器186
8.1.6 專家模糊控制器187
8.2 模糊控制器的設(shè)計(jì)188
8.2.1 模糊控制器的設(shè)計(jì)內(nèi)容與原則188
8.2.2 模糊控制器的控制規(guī)則形式191
8.2.3 模糊控制系統(tǒng)的設(shè)計(jì)方法192
8.3 模糊控制器的設(shè)計(jì)實(shí)例195
8.3.1 模糊控制器的設(shè)計(jì)196
8.3.2 模糊控制器的在線實(shí)現(xiàn)198
8.4 模糊控制器的特性200
8.4.1 模糊控制器的靜態(tài)特性200
8.4.2 模糊控制器的動(dòng)態(tài)品質(zhì)202
8.4.3 模糊控制系統(tǒng)的可控性204
8.4.4 模糊控制系統(tǒng)的魯棒性205
8.5 模糊控制系統(tǒng)應(yīng)用舉例206
8.5.1 雙支撐狀態(tài)的兩足機(jī)器人力控制問(wèn)題207
8.5.2 模糊變?cè)鲆媪刂圃?08
8.5.3 兩足機(jī)器人控制的實(shí)現(xiàn)與結(jié)果209
8.6 小結(jié)211
習(xí)題8211
9 神經(jīng)控制系統(tǒng)213
9.1 神經(jīng)控制的結(jié)構(gòu)方案213
9.1.1 NN學(xué)習(xí)控制213
9.1.2 NN直接逆模型控制213
9.1.3 NN自適應(yīng)控制214
9.1.4 NN內(nèi)?？刂?15
9.1.5 NN預(yù)測(cè)控制215
9.1.6 基于CMAC的控制216
9.1.7 多層NN控制217
9.1.8 分級(jí)NN控制219
9.2 模糊邏輯、專家系統(tǒng)及神經(jīng)網(wǎng)絡(luò)在控制中的集成220
9.2.1 模糊神經(jīng)網(wǎng)絡(luò)原理220
9.2.2 模糊神經(jīng)控制方案222
9.3 神經(jīng)控制系統(tǒng)設(shè)計(jì)實(shí)例224
9.3.1 石灰窯爐神經(jīng)內(nèi)?？刂葡到y(tǒng)的設(shè)計(jì)224
9.3.2 神經(jīng)模糊自適應(yīng)控制器的設(shè)計(jì)228
9.4 神經(jīng)控制系統(tǒng)應(yīng)用舉例231
9.4.1 水輪發(fā)電機(jī)雙神經(jīng)元同步控制系統(tǒng)231
9.4.2 高速列車運(yùn)行過(guò)程的直接模糊神經(jīng)控制233
9.5 小結(jié)239
習(xí)題9239
10 學(xué)習(xí)控制系統(tǒng)240
10.1 學(xué)習(xí)控制概述240
10.1.1 什么是學(xué)習(xí)控制240
10.1.2 為什么要研究學(xué)習(xí)控制241
10.1.3 學(xué)習(xí)控制的發(fā)展242
10.2 學(xué)習(xí)控制方案243
10.2.1 基于模式識(shí)別的學(xué)習(xí)控制243
10.2.2 反復(fù)學(xué)習(xí)控制246
10.2.3 重復(fù)學(xué)習(xí)控制248
10.2.4 基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)控制248
10.3 學(xué)習(xí)控制的某些問(wèn)題249
10.3.1 學(xué)習(xí)控制系統(tǒng)的建模249
10.3.2 學(xué)習(xí)控制的穩(wěn)定性和收斂性分析252
10.4 學(xué)習(xí)控制系統(tǒng)舉例258
10.4.1 自學(xué)習(xí)模糊神經(jīng)控制模型259
10.4.2 自學(xué)習(xí)模糊神經(jīng)控制算法260
10.4.3 弧焊過(guò)程自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)261
10.5 小結(jié)262
習(xí)題10263
11 其他智能控制264
11.1 仿人控制264
11.1.1 仿人控制原理與原型算法264
11.1.2 仿人控制器的屬性與設(shè)計(jì)依據(jù)266
11.1.3 仿人智能控制器設(shè)計(jì)與實(shí)現(xiàn)的一般步驟267
11.2 進(jìn)化控制271
11.2.1 進(jìn)化控制及其形式化描述271
11.2.2 移動(dòng)機(jī)器人進(jìn)化控制系統(tǒng)的體系結(jié)構(gòu)和算法272
11.3 小結(jié)274
習(xí)題11275
12 人工智能控制的展望276
12.1 人工智能的爭(zhēng)論276
12.2 智能控制的應(yīng)用研究277
12.3 智能控制的進(jìn)一步研究問(wèn)題281
12.3.1 智能控制將起更重要的作用281
12.3.2 智能控制的進(jìn)一步研究問(wèn)題282
12.4 展望智能控制的發(fā)展283
12.4.1 尋求更新的理論框架283
12.4.2 進(jìn)行更好的技術(shù)集成284
12.4.3 開(kāi)發(fā)更成熟的應(yīng)用方法284
12.5 結(jié)束語(yǔ)285
習(xí)題12286