本书从机电一体化设备智能控制的实际应用出发，结合MATLAB仿真技术，以挖掘机器人开发为主要应用实例，对模糊控制、神经网络控制和遗传算法及其MATLAB仿真进行比较系统的论述，其中包含一些最新应用的研究成果。
更多科学出版社服务，请扫码获取。
智能控制是自动控制的最新发展阶段，主要用来解决传统控制理论难以解决的问题。智能控制最重要的思想是模拟人类在完成控制任务时的生理、心理、思考和行动特点，并将其用于实际的自动控制中。
为了适应形势的发展，在机械工程及自动化专业的高年级开设了“智能控制实用技术”课程，基本上满足了教学的需要。这次在原讲稿的基础上，结合几年来本科生的教学经验和研究生的研究成果，从机电一体化设备智能控制的实际应用出发，结合MATLAB仿真技术，以挖掘机器人开发为主要应用，对模糊控制、神经网络控制和遗传算法及其MATLAB仿真进行了比较系统的论述，其中包含一些最新应用的研究成果。本书通俗易懂，注重理论联系实际，兼顾学术性与实用性，内容丰富，具有较高的参考价值。
本书可作为高等院校相关专业本科高年级学生及研究生的教材，也可供从事机电一体化设备的开发人员以及相关专业的工程技术人员参考。本书以“机械工程控制基础”及“MATLAB基础教程”为先修课程。书中安排了适当的例题和习题，方便学生巩固所学的知识，提高理论联系实际解决工程问题的能力，本书可谓是本科生和研究生做课题的良师益友。
本书由刘杰负责整体策划和最后统稿，参加编写的有东北大学的刘杰、李允公、刘宇、李小号、戴丽和沈阳工程学院的刘劲涛等。感谢东北大学教务处对本书出版所给予的大力支持和资助，感谢东北大学机械工程与自动化学院以及所有关心、支持和帮助过本书出版的同事和朋友。
由于作者水平有限，并且所涉及的许多技术还处在不断发展之中，书中难免有缺点和疏漏之处，敬请广大读者给予批评指正。
目录
前言
第1章 绪论 1
1.1 智能控制的产生背景 1
1.2 智能控制的概念与特点 2
1.3 智能控制的几个重要分支 3
1.4 MATLAB与智能控制相结合 5
1.5 智能控制的应用 6
第2章 模糊控制 8
2.1 模糊及模糊控制概述 8
2.2 模糊集合及其运算 8
2.2.1 普通集合基本概念及运算 9
2.2.2 普通集合的特征函数 9
2.2.3 模糊集合的定义 10
2.2.4 隶属函数 12
2.2.5 模糊集合的运算和性质 14
2.3 模糊关系 16
2.3.1 笛卡儿积和普通关系 16
2.3.2 模糊关系的定义 17
2.4 模糊关系的合成 18
2.5 模糊变换 20
2.6 模糊条件语句 22
2.6.1 简单条件语句 23
2.6.2 多重简单条件语句 25
2.6.3 多维条件语句 26
2.6.4 多重多维条件语句 28
2.7 模糊推理 30
2.8 模糊控制系统的基本原理 32
2.9 模糊控制器的设计 34
2.9.1 输入模糊化 34
2.9.2 模糊控制规则的建立 37
2.9.3 模糊推理方法 39
2.9.4 逆模糊化方法 44
2.10 模糊控制库函数介绍、实例及Simulink仿真 45
2.10.1 模糊逻辑工具箱函数介绍 45
2.10.2 MATLAB模糊控制工具箱函数应用实例 53
2.10.3 基于实例的模糊控制MATLAB/Simulink仿真介绍 66
2.11 习题 72
第3章 神经网络控制技术 73
3.1 神经网络基础 74
3.1.1 生物神经元简述 74
3.1.2 人工神经元基础 75
3.1.3 神经网络的结构 79
3.1.4 神经网络的表达 81
3.2 神经网络的学习方法 82
3.3 感知器网络 84
3.4 BP网络 88
3.4.1 BP网络模型 88
3.4.2 BP网络学习算法 89
3.5 径向基网络 92
3.5.1 RBF网络结构 92
3.5.2 RBF网络的学习算法 95
3.6 神经网络控制 96
3.6.1 神经网络预测控制 96
3.6.2 神经模型参考控制 97
3.7 神经网络芯片 98
3.8 神经网络库函数介绍、实例及Simulink仿真 102
3.8.1 BP神经网络工具箱函数介绍 102
3.8.2 BP神经网络工具箱函数应用实例 104
3.8.3 基于实例的BP神经网络的MATLAB/Simulink仿真介绍 107
3.9 习题 113
第4章 遗传算法 114
4.1 概述 114
4.1.1 遗传与生物进化 114
4.1.2 遗传算法的发展与应用 114
4.1.3 遗传算法的编码方法 116
4.1.4 遗传算法的基本操作 117
4.2 遗传算法的模式理论 123
4.2.1 模式理论 123
4.2.2 积木块假设 127
4.2.3 遗传算法的欺骗问题 127
4.2.4 遗传算法的收敛性 128
4.3 遗传算法的改进 128
4.3.1 分层遗传算法 129
4.3.2 CHC算法 129
4.3.3 Messy 遗传算法 130
4.3.4 自适应遗传算法 130
4.3.5 基于小生境技术的遗传算法 131
4.3.6 混合遗传算法 132
4.4 遗传算法应用举例 133
4.4.1 遗传算法的具体步骤 133
4.4.2 应用举例 134
4.5 遗传算法库函数介绍、实例及Simulink仿真 137
4.5.1 遗传算法工具箱函数介绍 137
4.5.2 遗传算法工具箱函数应用实例 140
4.5.3 基于实例的遗传算法MATLAB/Simulink仿真介绍 141
4.6 习题 143
第5章 综合实例：液压挖掘机器人 144
5.1 概述 144
5.2 液压挖掘机的机器人化改造 145
5.2.1 对液压挖掘机的电液比例改造 145
5.2.2 基于MATLAB的xPC Target控制平台 153
5.3 挖掘机器人挖掘臂的运动学建模及仿真 155
5.3.1 挖掘机器人挖掘臂的运动学建模 156
5.3.2 挖掘机器人运动学的MATLAB仿真 162
5.4 挖掘机器人电液驱动系统的建模 164
5.4.1 电液系统的数学模型 164
5.4.2 参数辨识模型的建立及其MATLAB求解 169
5.5 挖掘机器人挖掘臂的轨迹规划及模糊滑模控制 171
5.5.1 挖掘臂的轨迹规划插值计算及MATLAB求解 171
5.5.2 挖掘臂的单自由度和二自由度轨迹规划 177
5.5.3 挖掘臂运动轨迹模糊滑模控制的MATLAB/Simulink仿真及实验 180
5.6 挖掘行为和基本动作与Stateflow分解 189
5.6.1 行为控制与有限状态机 190
5.6.2 从挖掘目标到基本动作 192
5.6.3 挖掘目标与挖掘任务 192
5.6.4 挖掘任务与挖掘行为 194
5.6.5 挖掘行为与基本动作 194
5.6.6 基本动作与模糊逻辑 196
5.7 基于模糊行为的石块上表面挖掘操作 199
5.8 基于BP神经网络控制的自主挖掘系统 202
5.8.1 挖掘机器人的体系结构 202
5.8.2 BP神经网络的建立 203
5.8.3 基于BP神经网络的挖掘机器人挖沟目标的实现 205
参考文献 213
书单推荐
