人工智能控制

1 引论1
1.1 人工智能的定义与发展1
1.1.1 人工智能的定义1
1.1.2 人工智能的起源与发展2
1.2 人类智能与人工智能4
1.2.1 智能信息处理系统的假设4
1.2.2 人类智能的计算机模拟5
1.3 人工智能的各种认知观6
1.4 智能控制的进展7
1.4.1 自动控制的机遇与挑战8
1.4.2 自动化与人工智能9
1.4.3 智能控制的发展10
1.5 智能控制的定义、特点与一般结构13
1.5.1 智能控制的定义与特点13
1.5.2 智能控制器的一般结构13
1.6 智能控制的学科结构理论14
1.6.1 二元结构理论15
1.6.2 三元结构理论16
1.6.3 四元结构理论17
1.7 本书概要20
习题121
2 知识表示与推理22
2.1 知识表示的一般方法22
2.2 图搜索策略23
2.3 一般搜索与推理技术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 消解推理规则30
2.5.3 含有变量的消解式31
2.5.4 消解反演求解过程31
2.6 规则演绎系统35
2.6.1 规则正向演绎系统35
2.6.2 规则逆向演绎系统40
2.6.3 规则双向演绎系统42
2.7 产生式系统43
2.7.1 产生式系统的组成43
2.7.2 产生式系统的推理45
2.7.3 产生式系统举例47
2.8 非单调推理50
2.8.1 缺省推理51
2.8.2 限定推理54
2.8.3 真值维持系统56
2.9 不确定性推理58
2.9.1 不确定性的表示与度量59
2.9.2 不确定性的算法59
2.10 小结61
习题261
3 计算智能64
3.1 概述64
3.2 神经计算66
3.2.1 人工神经网络研究的进展66
3.2.2 人工神经网络的结构与模型67
3.2.3 基于神经网络的知识表示与推理69
3.3 模糊计算72
3.3.1 模糊集合、模糊逻辑及其运算72
3.3.2 模糊逻辑推理74
3.3.3 模糊判决方法76
3.4 遗传算法78
3.4.1 遗传算法的基本机理78
3.4.2 遗传算法的求解步骤81
3.5 人工生命83
3.5.1 人工生命研究的起源和发展83
3.5.2 人工生命的定义84
3.5.3 人工生命的研究内容和方法85
3.6 粒群优化86
3.6.1 群智能和粒群优化概述86
3.6.2 粒群优化算法87
3.7 蚁群算法89
3.7.1 蚁群算法理论90
3.7.2 蚁群算法的研究与应用92
3.8 小结94
习题395
4 专家系统97
4.1 专家系统概述97
4.1.1 专家系统的特点97
4.1.2 专家系统的结构和建造步骤98
4.2 基于规则的专家系统101
4.3 基于框架的专家系统102
4.4 基于模型的专家系统104
4.5 新型专家系统106
4.5.1 新型专家系统的特征106
4.5.2 分布式专家系统107
4.5.3 协同式专家系统108
4.6 专家系统开发工具109
4.7 专家系统设计111
4.7.1 专家知识的描述112
4.7.2 知识的使用和决策解释114
4.8 专家系统实例--MYCIN剖析116
4.8.1 MYCIN概述116
4.8.2 咨询子系统117
4.8.3 静态数据库119
4.8.4 动态数据库123
4.8.5 非精确推理124
4.8.6 控制策略126
4.9 小结128
习题4129
5 艾真体（agent）130
5.1 分布式人工智能130
5.2 agent及其要素131
5.3 艾真体的结构134
5.3.1 艾真体的结构特点134
5.3.2 艾真体的结构分类134
5.4 多艾真体系统136
5.4.1 多艾真体系统的模型和结构137
5.4.2 多艾真体的协作、协商和协调138
5.4.3 多艾真体的学习与规划140
5.4.4 多艾真体系统的研究和应用领域141
5.5 小结142
习题5142
6 递阶控制系统144
6.1 递阶智能机器的一般理论144
6.1.1 递阶智能机器的一般结构144
6.1.2 递阶智能机器的主要定义146
6.1.3 IPDI原理的解析公式148
6.2 递阶智能控制系统的结构149
6.2.1 组织级的结构149
6.2.2 协调级的结构152
6.2.3 执行级的结构153
6.3 智能机器人系统的递阶控制模型154
6.3.1 组织级的控制模型154
6.3.2 协调级的控制模型157
6.3.3 执行级的控制模型159
6.4 递阶控制系统举例160
6.4.1 红旗车自主驾驶系统的组成160
6.4.2 汽车自主驾驶控制系统的四层递阶结构162
6.4.3 驾驶控制系统的结构与算法164
6.4.4 自主驾驶系统高速公路试验165
6.5 小结166
习题6166
7 专家控制系统168
7.1 专家控制系统的结构与类型168
7.1.1 专家控制系统的控制要求与设计原则168
7.1.2 专家控制系统的结构170
7.1.3 专家控制系统的类型173
7.2 PI专家控制器174
7.3 实时专家控制系统176
7.3.1 实时控制系统的特点与要求176
7.3.2 高炉控制概况与监控系统结构177
7.3.3 系统开发与知识表示178
7.3.4 传感数据的预处理180
7.4 小结181
习题7181
8 模糊控制系统182
8.1 模糊控制器的结构182
8.1.1 模糊控制器的一般结构182
8.1.2 PID模糊控制器183
8.1.3 自组织模糊控制器185
8.1.4 自校正模糊控制器185
8.1.5 自学习模糊控制器186
8.1.6 专家模糊控制器187
8.2 模糊控制器的设计188
8.2.1 模糊控制器的设计内容与原则188
8.2.2 模糊控制器的控制规则形式191
8.2.3 模糊控制系统的设计方法192
8.3 模糊控制器的设计实例195
8.3.1 模糊控制器的设计196
8.3.2 模糊控制器的在线实现198
8.4 模糊控制器的特性200
8.4.1 模糊控制器的静态特性200
8.4.2 模糊控制器的动态品质202
8.4.3 模糊控制系统的可控性204
8.4.4 模糊控制系统的鲁棒性205
8.5 模糊控制系统应用举例206
8.5.1 双支撑状态的两足机器人力控制问题207
8.5.2 模糊变增益力控制原理208
8.5.3 两足机器人控制的实现与结果209
8.6 小结211
习题8211
9 神经控制系统213
9.1 神经控制的结构方案213
9.1.1 NN学习控制213
9.1.2 NN直接逆模型控制213
9.1.3 NN自适应控制214
9.1.4 NN内模控制215
9.1.5 NN预测控制215
9.1.6 基于CMAC的控制216
9.1.7 多层NN控制217
9.1.8 分级NN控制219
9.2 模糊逻辑、专家系统及神经网络在控制中的集成220
9.2.1 模糊神经网络原理220
9.2.2 模糊神经控制方案222
9.3 神经控制系统设计实例224
9.3.1 石灰窑炉神经内模控制系统的设计224
9.3.2 神经模糊自适应控制器的设计228
9.4 神经控制系统应用举例231
9.4.1 水轮发电机双神经元同步控制系统231
9.4.2 高速列车运行过程的直接模糊神经控制233
9.5 小结239
习题9239
10 学习控制系统240
10.1 学习控制概述240
10.1.1 什么是学习控制240
10.1.2 为什么要研究学习控制241
10.1.3 学习控制的发展242
10.2 学习控制方案243
10.2.1 基于模式识别的学习控制243
10.2.2 反复学习控制246
10.2.3 重复学习控制248
10.2.4 基于神经网络的学习控制248
10.3 学习控制的某些问题249
10.3.1 学习控制系统的建模249
10.3.2 学习控制的稳定性和收敛性分析252
10.4 学习控制系统举例258
10.4.1 自学习模糊神经控制模型259
10.4.2 自学习模糊神经控制算法260
10.4.3 弧焊过程自学习模糊神经控制系统261
10.5 小结262
习题10263
11 其他智能控制264
11.1 仿人控制264
11.1.1 仿人控制原理与原型算法264
11.1.2 仿人控制器的属性与设计依据266
11.1.3 仿人智能控制器设计与实现的一般步骤267
11.2 进化控制271
11.2.1 进化控制及其形式化描述271
11.2.2 移动机器人进化控制系统的体系结构和算法272
11.3 小结274
习题11275
12 人工智能控制的展望276
12.1 人工智能的争论276
12.2 智能控制的应用研究277
12.3 智能控制的进一步研究问题281
12.3.1 智能控制将起更重要的作用281
12.3.2 智能控制的进一步研究问题282
12.4 展望智能控制的发展283
12.4.1 寻求更新的理论框架283
12.4.2 进行更好的技术集成284
12.4.3 开发更成熟的应用方法284
12.5 结束语285
习题12286