智能控制——理论基础、算法设计与应用（第2版）

配套资源 
本书配有教学课件（PPT），下载地址为清华大学出版社网站本书页面。
本书特点
智能控制是智能制造的重要技术，它是自动控制领域的前沿技术，也是一门综合性很强的多学科交叉的新兴学科，被称为自动控制理论发展的第三阶段。智能控制的发展为解决复杂的非线性、不确定系统的控制问题开辟了新的途径。为了促进智能控制和自动化技术的进步，反映智能控制设计与应用中的最新研究成果，帮助广大研究人员和工程技术人员掌握和应用这一领域的最新技术，并学会用MATLAB语言进行各种智能控制算法的分析和设计，作者编写了本书。本书内容涵盖模糊逻辑控制、自适应模糊控制、自适应神经网络控制和智能优化算法等多个研究方向，是一部内容全面的专业教材，具有如下特色：
（1）控制算法取材新颖，内容先进，重点关注学科交叉部分的前沿研究，介绍了一些有潜力的新思想、新方法和新技术；
（2）控制算法均给出了完整的MATLAB仿真程序，并给出了程序说明和仿真结果，具有很强的可读性，便于读者进一步开发；
（3）着重从应用角度出发，不仅系统地介绍了智能控制算法的设计和分析方法，而且以机械系统、电机、倒立摆、飞行器等被控对象为例来说明智能控制算法的实现方法。

本书较全面地叙述了智能控制的基本理论、方法和应用。全书共分18章,主要内容为模糊控制的基 本原理和应用、神经网络控制的基本原理和应用、智能优化算法及其应用和智能 协 调 控 制 基 本 原 理 及 应用。本书系统性强,理论联系实际,叙述深入浅出,适合初学者学习。书中给出了一些智能控制算法的仿 真实例和 MATLAB仿真程序(见配书资源),并配有一定数量的习题,可作为高等院校工业自动化、计算机 应用、电子信息等专业的高年级本科生和硕士研究生的教材,也适合从事自动化领域工作的工程技术人员 阅读和参考。

刘金琨  北京航空航天大学教授，博士生导师。分别于1989年7月、1994年3月和1997年3月获东北大学工学学士、工学硕士和工学博士学位。1997年3月─1998年12月在浙江大学工业控制技术研究所做博士后研究工作；1999年1月─1999年7月在香港科技大学从事合作研究；1999年11月至今在北京航空航天大学自动化科学与电气工程学院从事教学与科研工作；主讲“智能控制”“先进控制系统设计”和“系统辨识”等课程；研究方向为控制理论与应用。自从从事研究工作以来，主持国家自然基金等科研项目10余项，发表学术论文100余篇。曾出版《先进PID控制MATLAB仿真》《机器人控制系统的设计与MATLAB仿真》《滑模变结构控制MATLAB仿真》《RBF神经网络自适应控制MATLAB仿真》《系统辨识》和《微分器设计与应用——信号滤波与求导》《智能控制——理论基础、算法设计与应用》等著作。

第1章绪论
1.1智能控制的发展过程
1.1.1智能控制的提出
1.1.2智能控制的概念
1.1.3智能控制的发展
1.1.4智能控制的技术基础
1.2智能控制的几个重要分支
1.2.1模糊控制
1.2.2神经网络控制
1.2.3智能搜索算法
1.3智能控制的特点、工具及应用
1.3.1智能控制的特点
1.3.2智能控制的研究工具
1.3.3智能控制的应用
思考题
参考文献
第2章模糊控制的理论基础
2.1概述
2.2模糊集合
2.2.1模糊集合的表示
2.2.2模糊集合的运算
2.3隶属函数
2.3.1隶属函数的特点
2.3.2几种典型的隶属函数及其MATLAB表示
2.3.3模糊系统的设计
2.3.4隶属函数的确定方法
2.4模糊关系及其运算
2.4.1模糊关系矩阵
2.4.2模糊矩阵运算
2.4.3模糊矩阵的合成
2.5模糊语句与模糊推理
2.5.1模糊语句
2.5.2模糊推理
思考题
第3章模糊逻辑控制
3.1模糊控制的基本原理
3.1.1模糊控制原理
3.1.2模糊控制器的组成
3.1.3模糊控制系统的工作原理
3.1.4模糊控制器结构
3.2模糊控制系统分类
3.3模糊控制器的设计
3.3.1模糊控制器的设计步骤
3.3.2模糊控制器的MATLAB仿真

3.4模糊控制应用实例——洗衣机的模糊控制
3.5模糊自适应整定PID控制
3.5.1模糊自适应整定PID控制原理
3.5.2仿真实例
3.6大时变扰动下切换增益模糊调节的滑模控制
3.6.1系统描述
3.6.2滑模控制器设计
3.6.3模糊规则设计
3.6.4仿真实例
思考题
第4章自适应模糊控制
4.1模糊逼近
4.1.1模糊系统的设计
4.1.2模糊系统的逼近精度
4.1.3仿真实例
4.2间接自适应模糊控制
4.2.1问题描述
4.2.2自适应模糊滑模控制器设计
4.2.3仿真实例
4.3直接自适应模糊控制
4.3.1问题描述
4.3.2模糊控制器的设计
4.3.3自适应律的设计
4.3.4仿真实例
思考题
第5章基于TS模糊建模的控制
5.1TS模糊模型
5.1.1TS模糊模型的形式
5.1.2仿真实例
5.1.3一类非线性系统的TS模糊建模
5.2TS模糊控制器的设计
5.3倒立摆系统的TS模糊模型
5.4基于线性矩阵不等式的单级倒立摆TS模糊控制
5.4.1LMI不等式的设计及分析
5.4.2不等式的转换 
5.4.3LMI设计实例
5.4.4仿真实例
附加资料： 新的LMI求解工具箱——YALMIP工具箱
思考题
参考文献
第6章机械手自适应模糊控制
6.1简单的自适应模糊滑模控制
6.1.1问题描述
6.1.2模糊逼近原理
6.1.3控制算法设计与分析
6.1.4仿真实例
6.2基于模糊补偿的机械手模糊自适应滑模控制
6.2.1系统描述
6.2.2基于传统模糊补偿的控制
6.2.3自适应控制律的设计
6.2.4基于摩擦模糊逼近的模糊补偿控制
6.2.5仿真实例
6.3模糊系统逼近的最小参数学习法
6.3.1问题描述
6.3.2模糊系统最小参数逼近
6.3.3基于模糊系统逼近的最小参数自适应控制
6.3.4仿真实例
6.4基于模糊补偿的机械手单参数自适应控制
6.4.1系统描述
6.4.2基于模糊系统逼近的最小参数自适应控制
6.4.3仿真实例
附加资料
思考题
参考文献
第7章神经网络理论基础
7.1神经网络发展简史
7.2神经网络原理
7.3神经网络的分类
7.4神经网络学习算法
7.4.1Hebb学习规则
7.4.2Delta(δ)学习规则
7.5神经网络的特征及要素
7.5.1神经网络特征
7.5.2神经网络三要素

7.6神经网络控制的研究领域
思考题
第8章典型神经网络及非线性建模
8.1单神经元网络
8.2BP神经网络
8.2.1BP神经网络特点
8.2.2BP神经网络结构与算法
8.2.3BP神经网络的训练
8.2.4仿真实例
8.3RBF神经网络
8.3.1网络结构
8.3.2控制系统设计中RBF神经网络的逼近
8.3.3RBF神经网络的训练
8.3.4仿真实例
8.4模糊RBF神经网络
8.4.1模糊RBF神经网络结构与算法
8.4.2模糊RBF神经网络学习算法
8.4.3仿真实例
8.5PiSigma模糊神经网络
8.5.1高木关野模糊系统
8.5.2混合型PiSigma模糊神经网络
8.5.3PiSigma模糊神经网络学习算法
8.5.4仿真实例
8.6ELM神经网络
8.6.1ELM神经网络的特点
8.6.2ELM神经网络结构与算法
8.6.3ELM神经网络的训练
8.6.4仿真实例
思考题
参考文献
第9章自适应RBF神经网络控制
9.1一阶系统神经网络自适应控制
9.1.1系统描述
9.1.2滑模控制器设计
9.1.3仿真实例
9.1.4一阶系统自适应RBF控制
9.1.5仿真实例
9.2二阶系统自适应RBF神经网络控制
9.2.1系统描述
9.2.2基于RBF神经网络逼近f(x)的滑模控制 
9.2.3仿真实例
9.3基于RBF神经网络的单参数直接鲁棒自适应控制
9.3.1系统描述
9.3.2控制律和自适应律设计
9.3.3仿真实例
思考题
参考文献
第10章基于RBF神经网络的输入输出受限控制
10.1控制系统位置输出受限控制
10.1.1输出受限引理
10.1.2系统描述
10.1.3控制器的设计
10.1.4仿真实例
10.2基于RBF神经网络的状态输出受限控制
10.2.1系统描述
10.2.2RBF神经网络原理
10.2.3控制器的设计
10.2.4仿真实例

10.3基于RBF神经网络的输入受限滑模控制
10.3.1系统描述
10.3.2RBF神经网络逼近及双曲正切函数特点
10.3.3控制器的设计及分析
10.3.4仿真实例
思考题
参考文献
第11章基于RBF神经网络的执行器自适应容错控制
11.1执行器容错控制描述
11.2SISO系统执行器自适应容错控制
11.2.1控制问题描述
11.2.2控制律的设计与分析
11.2.3仿真实例
11.3基于RBF神经网络的SISO系统执行器自适应容错控制
11.3.1控制问题描述
11.3.2RBF神经网络设计
11.3.3控制律的设计与分析
11.3.4仿真实例
11.4MISO系统执行器自适应容错控制
11.4.1控制问题描述
11.4.2控制律的设计与分析
11.4.3仿真实例
11.5MISO系统执行器自适应神经网络容错控制
11.5.1控制问题描述
11.5.2RBF神经网络设计
11.5.3控制律的设计与分析
11.5.4仿真实例
11.6带执行器卡死的MISO系统自适应容错控制
11.6.1控制问题描述
11.6.2控制律的设计与分析
11.6.3仿真实例
11.7带执行器卡死的MISO系统神经网络自适应容错控制
11.7.1控制问题描述
11.7.2RBF神经网络设计
11.7.3控制律的设计与分析
11.7.4仿真实例
11.8基于传感器和执行器容错的自适应控制
11.8.1系统描述
11.8.2控制器设计与分析
11.8.3仿真实例
11.9基于传感器和执行器容错的神经网络自适应控制
11.9.1系统描述
11.9.2控制器设计与分析
11.9.3神经网络逼近
11.9.4仿真实例
附加资料
思考题
参考文献
第12章机械系统神经网络自适应控制
12.1一种简单的RBF神经网络自适应滑模控制
12.1.1问题描述
12.1.2RBF神经网络原理
12.1.3控制算法设计与分析
12.1.4仿真实例
12.2基于RBF神经网络逼近的机械手自适应控制
12.2.1问题的提出
12.2.2基于RBF神经网络逼近的控制器
12.2.3仿真实例
12.3基于RBF神经网络的最小参数自适应控制
12.3.1问题描述
12.3.2基于RBF神经网络逼近的最小参数自适应控制
12.3.3仿真实例
12.4机械手神经网络单参数自适应控制
12.4.1问题的提出
12.4.2神经网络设计
12.4.3控制器设计
12.4.4仿真实例
12.5一类欠驱动机械系统神经网络滑模控制
12.5.1系统描述
12.5.2RBF神经网络原理
12.5.3滑模控制律的设计
12.5.4收敛性分析
12.5.5仿真实例
附加资料
思考题
参考文献
第13章基于RBF神经网络的反演自适应控制
13.1一种三阶非线性系统的反演控制
13.1.1系统描述
13.1.2反演控制器设计
13.1.3仿真实例
13.2基于RBF神经网络的三阶非线性系统反演控制
13.2.1系统描述
13.2.2RBF神经网络原理
13.2.3神经网络反演控制器设计
13.2.4仿真实例
思考题
参考文献
第14章基于LMI的神经网络自适应控制
14.1基于LMI的控制
14.1.1系统描述
14.1.2控制器的设计与分析
14.1.3仿真实例
14.2基于LMI的神经网络自适应控制
14.2.1系统描述
14.2.2RBF神经网络设计
14.2.3控制器的设计与分析
14.2.4仿真实例
14.3基于LMI的神经网络自适应跟踪控制
14.3.1系统描述
14.3.2仿真实例
思考题
第15章智能优化算法
15.1TSP优化
15.2遗传算法
15.2.1遗传算法的基本原理
15.2.2遗传算法的特点
15.2.3遗传算法的应用领域
15.2.4遗传算法的优化设计
15.2.5基于遗传算法的函数优化
15.3基于遗传算法的TSP优化
15.3.1TSP的编码
15.3.2TSP的遗传算法设计
15.3.3仿真实例
15.4粒子群优化算法
15.4.1粒子群算法基本原理
15.4.2算法流程
15.4.3基于粒子群算法的函数优化
15.4.4基于粒子群算法的TSP优化
15.5标准差分进化算法
15.5.1差分进化算法的基本流程
15.5.2差分进化算法的参数设置
15.5.3基于差分进化算法的函数优化
15.5.4基于差分进化算法的TSP优化
15.6基于差分进化最优轨迹规划的PD控制
15.6.1问题的提出
15.6.2一个简单的样条插值实例
15.6.3最优轨迹的设计
15.6.4最优轨迹的优化
15.6.5仿真实例
15.7蚁群算法
15.7.1蚁群算法的基本原理
15.7.2基于TSP优化的蚁群算法
15.7.3仿真实例
15.8Hopfield神经网络
15.8.1Hopfield神经网络原理
15.8.2求解TSP的Hopfield神经网络设计
15.8.3仿真实例
思考题
参考文献
第16章智能优化算法的应用
16.1柔性机械手动力学模型参数辨识
16.1.1柔性机械手模型描述
16.1.2仿真实例
16.2飞行器纵向模型参数辨识
16.2.1问题描述
16.2.2仿真实例
16.3VTOL参数辨识
16.3.1VTOL参数辨识问题
16.3.2基于粒子群算法的参数辨识
16.3.3基于差分进化算法的VTOL参数辨识
16.4四旋翼飞行器建模与参数辨识
16.4.1四旋翼飞行器动力学模型
16.4.2动力学模型的变换
16.4.3模型测试
16.4.4基于粒子群算法的参数辨识
16.4.5基于差分进化算法的参数辨识
16.5基于粒子群算法的航班着陆调度
16.5.1问题描述
16.5.2优化问题的设计
16.5.3仿真实例
16.6基于差分进化算法的产品加工生产调度
16.6.1问题描述
16.6.2优化问题的设计
16.6.3仿真实例
16.7基于差分进化算法的无人机三维路径规划
16.7.1问题描述
16.7.2目标函数设计
16.7.3基于差分进化算法的路径规划
16.7.4仿真实例
思考题
参考文献
第17章神经网络自适应协调控制
17.1主辅电机的协调控制
17.1.1系统描述
17.1.2控制律设计与分析
17.1.3仿真实例
17.2基于神经网络的主辅电机协调控制
17.2.1系统描述
17.2.2RBF神经网络的设计
17.2.3控制律设计与分析
17.2.4仿真实例
思考题
参考文献
第18章多智能体系统一致性控制的设计与分析
18.1多智能体系统介绍
18.2多智能体系统的位置一致性跟踪控制
18.2.1系统描述
18.2.2控制器的设计
18.2.3稳定性分析
18.2.4仿真实例
18.3二阶线性多智能体系统一致性控制
18.3.1系统描述
18.3.2控制律设计
18.3.3仿真实例
18.3.4Laplacian矩阵分析
18.4基于RBF神经网络的多智能体系统一致性控制
18.4.1系统描述
18.4.2基于RBF神经网络逼近的滑模控制
18.4.3控制律设计
18.4.4仿真实例
18.5基于执行器容错的多智能体系统控制
18.5.1系统描述
18.5.2控制律设计
18.5.3仿真实例
思考题
参考文献

智能控制是自动控制领域的前沿学科之一，它是一门综合性很强的多学科交叉的新兴学科，被称为自动控制理论发展的第三阶段。智能控制的发展为解决复杂的非线性、不确定系统的控制问题开辟了新的途径。
有关智能控制理论及其工程应用，近年来已有大量的论文发表。作者多年来一直从事控制理论及应用方面的教学和研究工作，为了促进智能控制和自动化技术的进步，反映智能控制设计与应用中的最新研究成果，并使广大研究人员和工程技术人员能了解、掌握和应用这一领域的最新技术，学会用MATLAB语言进行各种智能控制算法的分析和设计，作者编写了本书，供广大读者学习和参考。
本书共分18章。第1章绪论，着重介绍智能控制的产生和发展背景，以及智能控制的基本概念； 第2章介绍模糊控制的数学基础； 第3章介绍模糊逻辑控制的基本原理及模糊控制器的设计方法； 第4章介绍模糊逼近的基本原理及自适应模糊控制器的设计方法； 第5章介绍TS模糊建模方法和TS模糊控制器的设计方法； 第6章以机械手为被控对象，介绍模糊自适应控制算法的设计和分析方法； 第7章介绍神经网络控制的理论基础； 第8章介绍几种典型的神经网络； 第9章介绍基于RBF神经网络的自适应控制算法和分析方法； 第10章介绍基于RBF神经网络的输入输出受限控制设计方法； 第11章介绍基于RBF神经网络的执行器自适应容错控制算法设计和分析方法； 第12章以机械手为例，介绍神经网络自适应控制设计方法； 第13章介绍基于RBF神经网络的反演自适应控制设计方法； 第14章介绍基于LMI的神经网络自适应控制设计方法； 第15章介绍几种智能优化算法； 第16章介绍智能优化算法的几种应用； 第17章介绍基于神经网络的主辅电机的协调控制； 第18章介绍多智能体系统一致性控制的设计与分析。
本书是在总结作者多年研究成果的基础上，进一步理论化、系统化、规范化、实用化而成的，其特点如下： 
(1) 控制算法取材新颖，内容先进，重点关注学科交叉部分的前沿研究和介绍一些有潜力的新思想、新方法和新技术，取材着重于基本概念、基本理论和基本方法。 
(2) 针对每种控制算法给出了完整的MATLAB仿真程序（见配书资源），并给出了程序的说明和仿真结果，具有很强的可读性。 
(3) 着重从应用角度出发，突出理论联系实际，面向广大工程技术人员，内容具有很强的工程性和实用性。例如，书中为了介绍一些智能控制算法的设计和分析方法，以机械系统、电机、倒立摆、飞行器等为被控对象来辅助说明。
(4) 所给出的各种控制算法完整，程序设计、结构设计力求简单明了，便于自学和进一步开发。
为了适应相关专业高年级本科生和研究生的教学需要，本书在选材上更加着重于基础性和实用性。为了更好地介绍智能控制理论和应用的发展，书中增加了一些新的智能控制理论和实际应用内容,主要体现： 第8章增加了几种典型的神经网络算法介绍，包括BP神经网络、模糊RBF神经网络、PiSigma模糊神经网络和ELM神经网络； 第11章增加了基于传感器和执行器容错的神经网络自适应控制； 第15章增加了蚁群算法的介绍； 第16章增加了基于粒子群算法的航班着陆调度和基于差分进化算法的产品加工生产调度； 增加了第18章，介绍多智能体系统一致性协调控制等内容； 对原有的第17章内容进行了修改。

由于编者水平有限，书中难免存在一些不足之处，真诚欢迎广大读者批评指正。编者相信，通过与广大同行的交流，编者会得到许多新的有益的建议，从而将本书写得更好。

编者
2023年3月

于北京航空航天大学