热门搜索: 中考 高考 考试 开卷17
服务电话 024-96192/23945006
 

智能控制与MATLAB实用技术

编号:
wx1201482864
销售价:
¥39.15
(市场价: ¥45.00)
赠送积分:
39
商品介绍

由刘杰、李允公、刘宇、李小号、戴丽等共同编著的《智能控制与MATLAB实用技术》一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,其中包含一些近期新应用的研究成果。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。

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
1.4MATLAB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
2.10.2MATLAB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
3.4BP网络88
3.4.1BP网络模型88
3.4.2BP网络学习算法89
3.5径向基网络92
3.5.1RBF网络结构92
3.5.2RBF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
3.8.1BP神经网络工具箱函数介绍102
3.8.2BP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
4.3.2CHC算法129
4.3.3Messy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xPCTarget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
5.8.2BP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

    **章 绪论

    1.1 智能控制的产生背景

    控制理论的发展经历了古典控制、现代控制和智能控制三个阶段。其中,古典控制理论主要解决单输入单输出问题,主要采用传递函数、频率特性、根轨迹法等频域方法;现代控制理论利用状态空间法描述系统的动态过程,主要解决多输入多输出的控制问题。习惯上,将古典控制和现代控制统称为传统控制理论,其共同特点是须建立被控对象的数学模型,用数学公式刻画被控对象的动态行为,以明确被控对象的输入量与输出量之间的数学关系,如古典控制理论中的传递函数、现代控制理论中的状态方程。现举一简单的例子进行说明,如图1-1所示的R-L-C网络,u为系统输入变量,uC为系统输出变量,即通过控制u来控制uC,因此,需要知道u和uC之间的数学关系,可列出方程:

    (1.1)



    图1-1 R-L-C网络

    根据式(1.1),利用古典控制理论会得到传递函数:



    利用现代控制理论则会得到状态方程:



    只要该系统的电流i、电压uC的初始值已知,则对于给定的u均可求得系统输出电压uC。由此可见,建立被控对象的数学模型是实现控制的一项重要工作内容,同时也说明,传统控制理论要求充分了解被控对象的内部特性,即被控对象应是已知的和确定的。

    传统控制理论在相当长的一段时间内是解决控制问题的有力工具,时至今日也在工业控制中发挥着重要作用。但随着科学技术的飞速发展,被控对象越来越多样化,控制任务越来越复杂,传统控制理论遇到了很多难以解决的问题,主要体现为对于不确定系统、高度非线性系统、高度复杂系统和复杂的控制任务难以建立起有效的数学模型,或数学模型十分复杂,无法满足实时性的要求,如航天、航海、复杂工业流程、机器人、带有生物化学变化的加工过程等。

    模糊数学的创始人Zadeh教授曾提出一个有趣的停车控制问题,即控制车辆停入两辆车之间的空隙中。对于这一控制问题,传统控制理论首先会综合各种因素建立停车过程中的车辆运动学方程,即设车上的一个固定参考点为,车的方向为,则车的状态为。设和分别为车辆前轮的角度和速度,则运动方程为,,另外,设为停着的两辆车确定的约束,为控制目标状态集。控制任务是确定一个使车辆从初始状态转移到目标状态,且转移过程中满足各种约束条件。这个问题无准确解。且由于约束因素多,计算十分复杂,所以对控制器的性能要求较高。

    对于车辆的刹车控制问题,看似较为简单,但刹车系统是一种典型的不确定系统,其不确定性主要来自于轮胎磨损情况的变化、刹车盘温度的变化、路面条件(如正常路面、积冰路面、积雪路面)的变化、周围车辆情况的变化。显然,对于这种自身状态和外部环境处于复杂变化中的被控系统,难以建立起完整、准确的数学模型,从而使传统控制理论显得捉襟见肘。

    然而,值得思考的是,熟练的车辆驾驶人员不依靠车辆运动的数学模型、不进行各种准确计算即可轻松完成这一任务,他所依靠的只是经验和直觉而已。同样,在很多传统控制理论难以发挥作用的控制场合中,熟练的操作人员凭借经验和直觉即能胜任,如电热炉温度控制、粮食烘干控制、机械臂的柔顺控制、港口集装箱吊车控制等。由此至少可以得出两点结论:一是建立被控对象的数学模型不是解决所有控制问题的**途径;二是以模拟人类智能的方式来实现控制任务既具有合理性,又具有深远的理论研究和实际应用价值,将具有这种特征的控制理论与方法统称为智能控制理论。

    1.2 智能控制的概念与特点

    智能控制是自动控制的*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*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当中。

    提到智能控制,就不得不谈及人工智能这一学科。智能控制是典型的多学科交叉的产物,智能控制涵盖了人工智能、自动控制、运筹学、信息论、系统论、心理学、计算机科学等众多学科。其中,人工智能是智能控制产生和发展的重要基础。对于人工智能,目前存在多种定义,如“人工智能是研究怎样让电脑模拟人脑从事推理、规划、设计、思考、学习等思维活动,解决专家才能处理的复杂问题”“人工智能是一门通过计算过程力图理解和模拟智能行为的学科”“人工智能的*终目的是建立关于自然智能试题行为的理论和指导创造具有智能行为的人工制品”,通俗地理解,人工智能是一门让计算机具有人类的智能,能够像人一样自主地、创造性地去处理问题。目前,人工智能已能够实现数学定理证明、博弈、语言理解、医疗诊断等众多功能。因此,人工智能和智能控制在很多方面具有相同的目标,如模拟人类思考、解决只有专家才能处理的复杂问题等。所以,也可以说,智能控制是人工智能在自动控制领域中的具体应用。

    和许多新兴的学科一样,智能控制尚没有统一的定义,常见的描述形式如下。

    (1) 能够代替人在不确定性变化的环境中决策的能力、反复练习学习新功能的能力和在不允许有操作者的环境中智能操作的控制。

    (2) 不需要人的干预,而又具有由人操作的控制系统那样的能力的控制,即由人操作的系统具有判断、决策和学习的能力,无论控制对象所处的环境怎么变化,其都具有识别、模型化和恰当解决问题的能力的控制。

    (3) 驱动智能机器自主实现目标的过程,是无需人的干预就能够独立驱动智能机器实现其目标的自动控制。

    也有人提出,凡是传统控制理论难以解决的问题都属于智能控制问题。

    无论从智能控制的各种定义,还是从实际控制中对智能控制系统的要求来看,智能控制一般具有如下功能特点:

    (1) 学习功能。人类之所以能够逐步掌握某项技术并能熟练操作被控对象,是因其具有学习能力。因此,智能控制系统也应具有很好的学习能力。控制系统应能够从外界环境中获取信息,并进行识别、记忆和学习,通过不断地积累知识和经验来逐步提高控制系统的性能。低层次的学习是对被控对象参数的学习,高层次的学习则是更新知识。

    (2) 适应功能。控制系统能够在被控对象的动力学特性变化、外部环境变化、运行条件变化等情况下均能进行良好的控制,即使系统某一部分发生故障也能实现控制。

    (3) 自组织功能。控制系统对于复杂的任务和多种传感器信息具有自行组织与协调的功能,当出现多目标时,可自行决策进行解决。

    (4) 优化功能。控制系统能够不断优化控制参数和控制系统的结构形式,以获得*优的控制性能。

    1.3 智能控制的几个重要分支

    由于研究者对人类智能的认识和模拟的思路与方法各有不同,因此,与传统控制理论不同,智能控制不是一套独立的知识体系,而是对所有具有“智能”特点的控制理论的统称。智能控制包含了多个分支,如专家智能控制、分级递阶控制、模糊控制、神经网络控制、遗传算法等,各个分支之间没有明显的关联,但可以相互融合。下面简要介绍智能控制中的五个重要分支。

    1. 专家智能控制

    专家智能控制是专家系统理论和控制技术相结合的产物。专家系统的实质是计算机软件程序,其中包含了人类专家的知识和经验,从而可以让计算机像人类专家那样去解决各种问题,目前可以处理预测、诊断、设计、规划等诸多工程问题。专家控制系统可分为直接专家控制系统和间接专家控制系统。在直接专家控制系统中,专家系统处于内环或执行级,由其直接给出控制信号;而在间接专家控制系统中,专家系统处于外环或监控级中,专家系统只是通过调整控制器的结构和参数来参与控制。在实际应用中多采用间接专家控制系统。

    专家控制不需要被控对象的数学模型,因此,是解决不确定性系统控制的一种有效方法。

    2. 分级递阶控制

    分级递阶控制建立在自适应控制和自组织控制的基础上,属于*早的智能控制理论之一。分级递阶控制遵循“精度随智能降低而提高”的原则,将控制系统分为组织级、协调级和执行级。其中,组织级通过人机接口和用户进行交互,执行*高决策的控制功能,监视并指导协调级和执行级的所有行为,其智能程度*高;协调级在组织级和执行级之间起连接作用,其工作包括人工智能和运筹学;执行级通常是执行一个确定的动作,其精度较高,但智能程度较低。

    3. 模糊控制

    模糊控制的理论基础是模糊集理论,这一理论由Zadeh教授首先提出,这一理论使用数学方法表达如“比较好”“**大”等这类日常生活中对事物的模糊描述。模糊控制的基本出发点是人在操控某一系统时依靠的是经验,并且人在实际控制过程中不进行准确计算,而是使用模糊化的推理,如“如果温度很高,则降低电压”。因此,模糊控制的核心是对经验的有效总结,并将经验转化为相应的模糊控制规则。由于依靠的是人类经验,所以模糊控制方法十分适合于无法建立被控对象数学模型的场合,也是目前*活跃、实际应用*多的一种智能控制理论。

    4. 神经网络控制

    神经网络是一种很有特色的人工智能方法,这一方法试图通过模拟人的神经系统的结构和运行机制来解决各种工程问题。神经网络的功能主要是对输入数据进行映射,从而得到输出,如三层BP(Back Propagation)网络可实现任意的非线性映射。而控制问题实质上也是映射问题,即对被控系统的输出数据进行映射,从而得到控制系统的输出,因此,神经网络方法很自然地应用到智能控制领域,用于解决强非线性系统、无法建立数学模型的系统的控制问题。目前,神经网络控制的研究十分活跃,但实际应用较少。

    5. 遗传算法

    遗传算法是一种寻优方法,常用于模糊控制规则的优化和神经网络的权阈值寻优。这一算法充分体现了人工智能的特色和思想,它模拟生物遗传原理,并遵循自然界中“适者生存,不适者淘汰”的生物繁衍规律。算法向寻优目标逐步靠近的过程相当于生物通过多代遗传产生*优个体的过程。遗传算法是处理非线性、高维、多极值寻优问题的有力工具。

    1.4 MATLAB与智能控制相结合

    MATLAB是美国MathWorks公司出品的商业数学软件,是用于算法开发、数据可视化、数据分析以及数值计算的不错技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。

    MATLAB是Matrix&Laboratory两个词的组合,意为矩阵工厂(矩阵实验室)。是由美国MathWorks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言(如C、FORTRAN)的编辑模式,代表了当今靠前科学计算软件的**水平。

    MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中以及数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通信、图像处理、信号检测等领域。

    MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分相似,故用MATLAB来解算问题要比用C、FORTRAN等语言完成相同的事情简捷得多,并且MATLAB也吸收了Maple等软件的优点,使其成为一个强大的数学软件。在新的版本中也加入了对C、FORTRAN、C++、JAVA的支持。

    MATLAB具有良好的编程环境,该软件由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件,其中许多工具采用的是图形用户界面,包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级,MATLAB的用户界面也越来越精致,更加接近Windows的标准界面,人机交互性更强,

商品参数
基本信息
出版社 科学出版社
ISBN 9787030520920
条码 9787030520920
编者 刘杰 等 编著
译者 --
出版年月 2017-03-01 00:00:00.0
开本 16开
装帧 平装
页数 214
字数 326千字
版次 1
印次 1
纸张
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]