9787030292773 智能控制论 科学出版社 涂序彦,王枞,刘建毅 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

涂序彦，王枞，刘建毅 著

图书标签:

• 智能控制
• 控制理论
• 人工智能
• 系统工程
• 优化算法
• 科学出版社
• 涂序彦
• 王枞
• 刘建毅
• 控制论

店铺： 聚雅图书专营店

出版社： 科学出版社

ISBN：9787030292773

商品编码：29342787194

包装：平装

出版时间：2010-10-01

基本信息

书名：智能控制论

定价：40.00元

作者：涂序彦,王枞,刘建毅

出版社：科学出版社

出版日期：2010-10-01

ISBN：9787030292773

字数：

页码：

版次：1

装帧：平装

开本：16开

商品重量：0.318kg

编辑推荐

---

智能控制论是控制论向智能水平高度发展的新分支，大系统控制论是控制论向系统规模广度发展的新分支。本书是《大系统控制论》的姐妹篇，是关于智能控制论学科的专著，以“智能特性”为纲编排全书内容，如自寻优、自学习、自识别、自适应、自稳定、自组织、自协调等，重点研究拟人的智能控制系统。

内容提要

---

智能控制论（intelligent cybemetics）研究生物与机器的智能控制过程的共同规律，是基于广义智能、面向广义控制的广义智能控制理论，是控制论向智能水平高度发展的新分支。
本书是关于智能控制论学科的专著，以“智能特性”为纲编排全书内容，如自寻优、自学习、自识别、自适应、自稳定、自组织、自协调等，重点研究拟人的智能控制系统。
本书可作为控制学科、智能学科等领域的高年级本科生和研究生的教学参考书，也可供相关领域的研究人员参考。

目录

---

前言
章 绪论
1.1 智能控制
1.1.1 智能控制发展概况
1.1.2 智能控制历史背景
1.1.3 国外智能控制研究进展
1.1.4 智能控制研究进展
1.2 智能控制系统
1.2.1 智能控制系统的概念
1.2.2 智能控制系统的评判
1.3 智能控制理论
1.3.1 控制理论的发展
1.3.2 智能控制理论的概念
1.4 智能控制论
1.4.1 控制论的发展
1.4.2 人工智能的发展
1.4.3 智能控制论的概念
1.5 小结
思考题
第2章 智能控制论的学科架构
2.1 智能控制论的研究对象
2.1.1 广义智能控制系统
2.1.2 智能广义控制系统
2.2 智能控制论的学科内容
2.2.1 广义智能控制系统协同建模
2.2.2 广义智能控制系统协同分析
2.2.3 广义智能控制系统协同设计
2.3 智能控制论的科学方法
2.4 智能控制论的学科架构
2.5 小结
思考题
第3章 自寻优智能控制
3.1 人的自寻优性能
3.2 自寻优控制的概念
3.3 自寻优控制器的结构
3.4 自寻优控制的方法
3.4.1 极值搜索自寻优控制方法
3.4.2 区间优选自寻优控制方法
3.5 多级自寻优控制系统
3.5.1 多级自寻优控制系统的结构
3.5.2 多级自寻优控制系统的方法
3.6 自寻优控制系统的应用
3.6.1 锅炉燃烧过程的自寻优控制系统
3.6.2 热风炉燃烧过程的自寻优控制系统
3.7 小结
思考题
第4章 自学习智能控制
4.1 自学习控制模型
4.1.1 自学习控制的概念
4.1.2 自学习控制系统的结构
4.1.3 自学习控制器的设计原理
4.2 广义机器学习
4.2.1 机器学习的概念与方法
4.2.2 基于知识的机器学习
4.2.3 基于神经网络的机器学习
4.2.4 基于模式识别的机器学习
4.3 自学习控制系统
4.3.1 基于知识推理的自学习控制系统
4.3.2 基于神经网络的自学习控制系统
4.3.3 基于模式识别的自学习控制系统
4.4 产生式自学习控制系统
4.4.1 产生式自学习控制系统的结构
4.4.2 产生式自学习控制系统的原理
4.4.3 产生式自学习控制系统的实验
4.5 小结
思考题
第5章 自识别智能控制
5.1 人的自识别智能控制
5.1.1 人的自识别性能和机制
5.1.2 人的运动控制性能和机制
5.2 工程自识别智能控制
5.2.1 工程自识别智能控制的概念
5.2.2 工程自识别控制系统的概念
5.2.3 工程自识别智能控制系统的类型
5.3 自识别控制系统的方法
5.3.1 视觉图像的自识别方法
5.3.2 物景分析的自识别方法
5.3.3 自然语音的自识别方法
5.4 自识别控制系统的结构
5.4.1 机器视觉系统
5.4.2 机器听觉系统
5.4.3 自然语言人-机对话系统
5.5 自识别智能控制系统的应用
5.5.1 球磨机磨音自识别控制系统
5.5.2 窑炉炉膛火焰自识别控制系统
5.5.3 汽车驾驶路况自识别控制系统
5.6 小结
思考题
第6章 自适应智能控制
6.1 自适应控制的概念
6.2 自适应模型
6.2.1 自适应模型的概念
6.2.2 自适应模型的结构方案
6.2.3 自适应模型的设计方法
6.2.4 自适应模型的类别
6.3 自适应控制系统设计原理
6.3.1 自校正控制系统
6.3.2 模型参考自适应控制系统
6.4 自适应控制系统的类型
6.5 自适应控制的方法和技术
6.5.1 基于神经网络的自适应控制方法
6.5.2 基于神经网络的自适应建模方法
6.5.3 基于专家系统的自适应建模方法
6.6 自适应控制系统的应用
6.7 小结
思考题
第7章 自稳定智能控制
7.1 稳定性的概念
7.2 人体自稳定控制的启示
7.2.1 人体生理状态自稳定控制系统
7.2.2 人体运动姿态自稳定控制系统
7.2.3 人群组织的自稳定控制系统
7.3 自稳定控制的概念和类型
7.3.1 自稳定性的概念
7.3.2 自稳定控制系统的类型
7.4 自稳定控制的方法和技术
7.4.1 主动自稳定控制
7.4.2 被动自稳定控制
7.5 拟人运动姿态自稳定智能控制系统
7.6 倒立摆自稳定控制系统
7.6.1 倒立摆自稳定控制概念
7.6.2 倒立摆自稳定控制方法
7.6.3 倒立摆仿人智能控制系统
7.7 小结
思考题
第8章 自组织智能控制
8.1 人体组织的自组织性能
8.2 人群组织的自组织性能
8.3 工程自组织控制系统
8.4 大系统自组织控制
8.4.1 大系统的基本控制结构
8.4.2 大系统控制结构自组织
8.5 拟人自组织控制系统
8.5.1 拟人体自组织控制系统
8.5.2 拟人群自组织控制系统
8.6 自组织智能控制的应用
8.7 小结
思考题
第9章 自协调智能控制
9.1 协调学
9.1.1 协调学的学科创立
9.1.2 协调学的学科构架
9.2 人体的多级协调控制系统
9.2.1 人体神经多级协调控制系统
9.2.2 人体体液多级协调控制系统
9.2.3 人体“神经 体液”双重协调控制体制
9.2.4 人体经络多级协调控制系统
9.3 多变量协调控制系统
9.3.1 多变量协调控制理论的提出
9.3.2 多变量协调控制理论概要
9.3.3 多变量协调控制理论的应用
9.4 大系统协调控制
9.4.1 大系统的可协调性
9.4.2 大系统的结构可协调性
9.4.3 大系统的递阶协调控制
9.4.4 大系统的分散协调控制
9.5 智能协调控制
9.5.1 智能协调控制的概念
9.5.2 基于知识的多级智能协调控制
9.5.3 基于神经的多段智能协调控制
9.6 社会协调控制
9.6.1 社会协调学
9.6.2 社会协调控制系统
9.6.3 不同社会经济体制的协调控制
9.7 小结
思考题
0章 展望
10.1 《智能控制论》重点回顾
10.2 智能控制论学科展望
思考题
致谢
参考文献

作者介绍

---

文摘

---

序言

---

智能控制论：重塑认知与决策的科学前沿 智能控制论，一个融合了控制论、人工智能、认知科学、信息论以及生命科学等多个学科的交叉领域，正以前所未有的深度和广度，探索着“智能”的本质，并试图构建能够模拟、理解乃至创造智能系统的理论框架与实践方法。它不仅仅是对传统控制理论的延伸，更是对其的一次革命性拓展，将关注点从简单的系统稳定与最优运行，转向了更加复杂、动态、不确定环境下的自主学习、适应决策和高级认知能力。 一、 智能控制论的起源与核心概念 智能控制论的根基可以追溯到20世纪中期控制论的诞生。诺伯特·维纳提出的控制论，以反馈、信息、控制等概念为核心，成功解释了生物体、机器乃至社会系统中的调控机制。然而，早期的控制理论主要关注线性的、确定性的系统，其智能化程度相对有限。随着计算能力的飞跃和人工智能的兴起，科学家们开始思考如何将更高级的“智能”注入到控制系统中，使其能够像人类一样进行学习、推理、规划和决策。 智能控制论的核心概念包括： 学习能力： 智能控制系统不再是被动地执行预设指令，而是能够从经验中学习，不断优化自身的行为策略，以适应不断变化的环境。这包括强化学习、监督学习、无监督学习等多种机器学习范式。 自适应性： 面对模型未知、参数变化或干扰扰动，智能控制系统能够动态调整其控制规律，保持系统性能的稳定或最优。模糊逻辑控制、神经网络控制、自适应模糊控制等都是实现自适应性的重要手段。 感知与认知： 智能控制系统需要能够接收和理解来自环境的信息，并基于这些信息进行高层次的认知活动，如模式识别、目标检测、状态估计、不确定性推理等。 决策与规划： 在充分感知和认知的基础上，智能控制系统能够自主地做出最优决策，并规划出实现目标的行动序列。这涉及到博弈论、最优控制、动态规划等理论。 协同与交互： 许多现实世界的智能控制问题涉及多个主体之间的协作和交互，如多智能体系统、分布式控制系统等，智能控制论也致力于研究这些复杂系统的协调与优化。 涌现性： 智能控制论关注的不仅仅是单个组件的功能，更重要的是由这些组件相互作用而产生的全局性、高层次的智能行为。 二、 智能控制论的主要研究方向与技术分支 智能控制论的研究范畴极其广泛，并不断吸收和融合新的理论与技术，形成了多个重要的研究方向： 1. 基于学习的智能控制： 强化学习（Reinforcement Learning, RL）： 这是智能控制领域最具活力的分支之一。通过让智能体（Agent）在与环境的交互中，根据奖励信号学习最优策略，RL能够解决许多传统方法难以应对的复杂决策问题。无模型RL、深度强化学习（Deep RL）等技术的突破，极大地推动了智能控制的发展，使其在机器人控制、自动驾驶、游戏AI等领域取得了显著成就。 自适应学习控制： 结合了学习与自适应思想，这类方法能够在系统模型不确定或随时间变化的情况下，通过在线学习来调整控制器参数，保证系统的稳定性和性能。 2. 基于神经网络的智能控制： 神经网络（Neural Networks, NN）作为控制器： 利用神经网络强大的非线性映射能力，可以直接构建用于系统控制的控制器。模糊神经网络（Fuzzy Neural Networks, FNN）结合了模糊逻辑的解释性和神经网络的学习能力，成为一种强大的智能控制工具。 神经网络用于系统辨识： 神经网络可以用于构建复杂的非线性系统模型，为后续的精确控制提供基础。 3. 模糊逻辑与模糊控制： 模糊逻辑（Fuzzy Logic）： 模糊逻辑擅长处理模糊、不精确的信息，能够将人类专家的经验知识转化为数学模型。 模糊控制器（Fuzzy Controllers）： 基于模糊逻辑的控制器能够有效地控制具有模糊、非线性特性的系统，例如家用电器、工业过程控制等。自适应模糊控制器则进一步增强了其处理不确定性的能力。 4. 进化计算与智能优化： 遗传算法（Genetic Algorithms, GA）和粒子群优化（Particle Swarm Optimization, PSO）： 这些基于仿生学的优化算法，能够有效地搜索复杂、高维的参数空间，用于优化控制器参数、系统模型等。 进化策略（Evolutionary Strategies）： 进化计算的方法为控制器设计和参数调优提供了强大的工具，尤其是在难以获得解析解的情况下。 5. 多智能体系统（Multi-Agent Systems, MAS）的智能控制： 协同控制与分布式控制： 研究多个自主智能体如何通过通信和协作，共同完成一项复杂的任务。这在无人机编队、智能电网、交通管理等领域具有重要应用。 博弈论在 MAS 中的应用： 分析智能体之间的竞争与合作关系，设计能够保证系统整体最优或公平的控制策略。 6. 认知控制与脑启发控制： 模仿人脑的认知机制： 试图理解人类大脑的学习、记忆、决策、注意力分配等认知过程，并将其应用于设计更高级的智能控制系统。 情感计算与意图识别： 考虑人类的情感状态或意图，使控制系统能够与人类进行更自然、更有效的交互。 7. 不确定性与鲁棒性控制： 区间不确定性、概率不确定性： 智能控制论强调在存在各种不确定性因素（如传感器噪声、执行器误差、环境干扰）的情况下，依然能够保证控制系统的性能。 鲁棒控制与自适应鲁棒控制： 设计能够容忍一定范围不确定性的控制器，并在此基础上进一步提升其自适应能力。 三、 智能控制论的应用领域 智能控制论的理论创新与技术突破，正深刻地改变着各行各业： 工业自动化与智能制造： 机器人控制、柔性制造系统、过程优化、故障诊断与预测性维护等。 自动驾驶与智能交通： 车辆的自主导航、路径规划、车队协同、交通流优化。 航空航天： 飞行器姿态控制、自主导航、星际探测器控制。 能源系统： 智能电网优化、新能源并网控制、能源管理。 医疗健康： 智能医疗设备（如手术机器人、康复辅助设备）、药物剂量优化、疾病诊断与预测。 金融与经济： 算法交易、风险管理、经济模型预测。 环境保护： 气候建模与预测、污染控制、资源管理。 人机交互： 智能助手、虚拟现实与增强现实中的交互控制。 四、 智能控制论的未来展望 智能控制论正处于蓬勃发展的阶段，未来的研究方向将更加多元和深入： 更强的自主学习与通用人工智能（AGI）： 致力于开发能够进行终身学习、跨领域迁移学习，并具备更高层次推理和创造能力的智能控制系统，朝着通用人工智能迈进。 可解释性人工智能（Explainable AI, XAI）： 随着智能控制系统复杂性的增加，理解其决策过程变得尤为重要。开发能够提供透明、可解释决策依据的智能控制方法是未来的一个重要方向。 面向安全与伦理的智能控制： 关注智能控制系统的安全性、可靠性以及对社会伦理的影响，确保智能技术能够以负责任的方式发展和应用。 与新兴技术的深度融合： 例如，将量子计算、边缘计算、5G/6G通信等技术与智能控制论相结合，将催生出性能更强大的新型智能控制系统。 生命体与机器的融合： 探索生物与机器的界面，例如脑机接口（BMI）的控制，将智能控制论的应用推向新的生物医学领域。 分布式与去中心化智能控制： 研究如何在分布式网络中实现更高效、更鲁棒的智能控制，例如基于区块链的去中心化控制系统。 总之，智能控制论作为一门充满活力和潜力的学科，正不断拓展着我们对智能的认知边界，并在重塑我们与世界互动的方式。它不仅是理解复杂系统的强大理论工具，更是构建未来智能社会的关键驱动力。

评分☆☆☆☆☆

这本书的编辑和排版也让我赏心悦目，这是我阅读过程中一个常常被忽视却又非常重要的方面。字体大小适中，行距合理，即使长时间阅读也不会感到疲劳。书中关键的概念和公式都有醒目的标识，方便我快速定位和回顾。我尤其赞赏的是，书中在引用文献时，格式非常规范，这不仅体现了作者的严谨态度，也方便了我想进一步查阅相关资料的读者。而且，我发现这本书的语言流畅，翻译质量很高（如果是翻译过来的话），没有出现那种生硬的、机器翻译的痕迹，这对于理解那些比较抽象的科学概念来说至关重要。总的来说，这是一本从内到外都让人感到愉悦的书，无论是内容还是形式，都达到了很高的水准。

评分☆☆☆☆☆

这本书的封面设计给我的第一印象是朴实而专业，一种沉甸甸的知识感扑面而来。书名“智能控制论”本身就充满了吸引力，让我对接下来的阅读充满了期待。我一直对人工智能和控制理论的交叉领域非常感兴趣，而这本书似乎正好触及了这个核心。拿到这本书的时候，我首先翻阅了目录，虽然目录的条目有些专业术语，但总体上呈现出一种清晰的逻辑脉络，从基础理论到应用实践，似乎都涵盖得很周全。我特别关注了其中关于“自适应控制”和“模糊逻辑控制”的部分，这几个概念是我一直以来觉得既神秘又充满潜力的。虽然我还没有深入阅读正文，但仅仅是目录和前言就让我觉得这本书的内容深度和广度都相当可观，很适合想要系统学习智能控制论的读者，不仅仅是初学者，或许对有一定基础的研究者也能有所启发。科学出版社的名字也进一步增强了我对这本书品质的信心。

评分☆☆☆☆☆

这本书的实用价值在我阅读的过程中逐渐显现，它不仅仅是理论的堆砌，更是为实际工程应用提供了重要的指导。书中在讨论完理论模型后，往往会紧接着介绍相应的仿真例子和一些实际案例分析。我尤其对书中关于“机器人路径规划”和“自动驾驶系统”中的控制策略的讲解很感兴趣，这些都是当前科技领域的热点问题。作者们将控制论的原理巧妙地融入到这些复杂的系统中，让我看到了理论知识如何转化为实际的生产力。虽然书中提供的一些代码示例我还需要花时间去消化和实现，但这已经为我提供了一个非常好的起点，让我能够将学到的知识应用到自己的实践中，去解决一些实际的问题。这本书让我深刻体会到，智能控制论并非高不可攀的理论，而是解决现实世界中许多挑战的强大工具。

评分☆☆☆☆☆

读了这本书的前几章，我感到自己仿佛踏入了一个全新的知识领域，而这本书就像一位经验丰富的向导，耐心地指引我前行。作者们在讲解基础概念时，并没有直接抛出枯燥的公式，而是用了很多生动的比喻和实际的例子来帮助理解。比如，在解释“PID控制”时，作者类比了开车过程中如何根据路况和目标速度来调整油门和刹车，这种贴近生活的类比方式极大地降低了理解门槛。我尤其喜欢作者在阐述“系统辨识”时，从简单的一阶系统到高阶系统的推演过程，步骤清晰，逻辑严谨，让我对如何从观测数据中构建模型有了更直观的认识。虽然有些数学推导过程需要我反复琢磨，但这正是学习的乐趣所在。我感觉这本书在理论深度和教学方法上都做得相当出色，既满足了我对知识的渴求，又没有让我感到 overwhelming。

评分☆☆☆☆☆

这本书的论述风格非常独特，它不像一些教科书那样板着脸讲道理，而是带有很强的启发性，甚至有些地方读起来像是作者在与读者进行一场深入的探讨。我印象最深刻的是关于“神经网络在控制中的应用”那一章，作者在介绍各种神经网络模型的同时，也穿插了对它们各自优缺点的分析，并且讨论了在不同控制场景下如何选择合适的模型。这种分析非常透彻，让我不仅学到了知识，还学会了如何批判性地思考和选择。书中的图表运用也非常精妙，一张图有时能胜过千言万语，将复杂的概念可视化，极大地提升了阅读效率。虽然我目前对一些更前沿的算法还没有完全掌握，但这本书记载的内容已经为我打下了坚实的基础，让我对接下来的深入研究充满信心。