智能控制基础理论与未来技术

1. 本书聚焦智能控制前沿领域，立足人工智能、先进控制与智能制造交叉融合发展大势，由尹晓红、王新立、李少远三位深耕控制科学与工程领域、兼具丰富教研经验的专家联袂编撰，是一本兼顾理论深度、前沿视野与工程实用性的智能控制权威参考书。
2. 全书共 10 章，框架体系完整、逻辑条理清晰，系统梳理模糊控制、神经网络、群智能优化、强化学习、预测控制等主流经典智能控制理论与算法，既详解各类方法的基础思想、演化脉络、建模逻辑与算法机理，又立足暖通空调、机器人、能源系统等实际工程场景搭配落地应用案例，践行理论与工程深度结合的编写思路；文末汇总智能控制行业现存挑战、未来机遇与发展方向，助力读者构建系统化、前瞻性的专业知识体系。
3. 本书适配科研从业者、工程技术人员及高端研发人员阅读，既可夯实智能控制专业基础知识、锤炼复杂工程控制问题解决能力，也能为后续课题攻关与技术落地提供详实的方法参考与实践指引，是智能控制相关专业学习、科研攻关、项目落地的优质工具书。

机 械 工 业 出 版 社本书从控制系统建模、控制与优化的本质要求出发，系统介绍了近年来的模糊控制、神经网络、智能优化理论与方法。本书着重介绍了智能理论在解决复杂系统控制问题中的方法与意义，同时结合实际案例介绍智能控制基础理论在控制系统中的各种应用。全书共10章，主要内容为：模糊控制的基本原理与应用、神经网络的基础理论与相关控制案例、群体智能基础及优化算法的相关案例、强化学习原理及其应用、预测控制原理与相关应用，最后介绍了智能控制面临的机遇与挑战，并对智能控制未来的发展趋势与应用进行了总结。
本书可供控制科学与工程、计算机控制、控制工程等相关专业的科研、教学及工程技术人员参考。

李少远，青岛科技大学自动化与电子工程学院院长、博士生导师、教授、上海交通大学讲席教授，国家杰出青年基金获得者、国家万人计划教学名师、国务院学科评议组成员、教育部自动化类教指委副主任，国内预测控制、智能控制领域专家。

尹晓红，青岛科技大学自动化与电子工程学院教授、硕士生导师，上海交通大学控制理论与控制工程专业博士，新加坡南洋理工大学联合培养博士。长期致力于预测控制、建筑空调系统智能控制等研究。

王新立，山东大学控制科学与工程学院教授、博士生导师，国家高层次青年人才、山东省泰山学者青年专家、山东省优秀青年基金获得者，浙江大学控制理论与控制工程专业博士，新加坡南洋理工大学联合培养博士。长期致力于自动化与能源系统控制领域的研究。

前言
第1章 绪论1
1.1 智能控制的发展历程与研究现状1
1.1.1 智能控制的发展历程1
1.1.2 智能控制的研究现状2
1.1.3 智能控制的未来发展趋势3
1.2 智能控制与传统控制的比较4
1.2.1 理论基础与设计理念的根本差异4
1.2.2 系统结构与信息处理方式对比5
1.2.3 性能表现与应用领域差异5
1.3 智能控制的应用前景——以智能空调系统为例6
1.3.1 多变量耦合与非线性问题6
1.3.2 个性化智能调控6
1.3.3 能源效率最优化的智能决策系统7
1.3.4 其他7
1.4 本书的主要内容8
第2章 基于模糊逻辑的智能控制10
2.1 模糊控制系统概述10
2.2 模糊逻辑基础11
2.2.1 模糊集合与模糊概念11
2.2.2 模糊集合的基本运算和性质12
2.2.3 隶属函数的常用类型14
2.3 模糊关系与模糊推理17
2.3.1 模糊关系的定义及表示方法17
2.3.2 模糊推理20
2.3.3 模糊推理的基本方法21
2.3.4 模糊推理的性质22
2.3.5 模糊判决23
2.4 模糊控制原理25
2.4.1 模糊控制系统组成25
2.4.2 模糊控制工作原理26
2.4.3 模糊控制的鲁棒性与稳定性分析29
2.5 本章小结31
第3章 基于模糊的智能建模与控制32
3.1 基于模糊的智能建模32
3.1.1 自适应神经模糊推理系统32
3.1.2 基于ANFIS的溶液除湿器智能建模34
3.2 基于模糊的系统控制39
3.2.1 自适应模糊PID控制39
3.2.2 自适应模糊PID控制在锅炉水位控制中的应用42
3.2.3 自适应模糊滑模控制45
3.3 本章小结49
第4章 神经网络基础51
4.1 神经网络发展简史51
4.2 神经网络基本概念52
4.2.1 神经网络特征52
4.2.2 神经网络原理和组成结构53
4.3 神经网络学习算法55
4.3.1 Hebb学习规则55
4.3.2 感知器学习规则55
4.3.3 Delta学习规则55
4.4 前馈神经网络56
4.4.1 感知器56
4.4.2 BP神经网络57
4.4.3 GMDH网络59
4.4.4 RBF神经网络60
4.5 反馈神经网络62
4.5.1 Hopfield神经网络62
4.5.2 循环神经网络（RNN）64
4.5.3 长短期记忆网络（LSTM）65
4.5.4 门控循环单元（GRU）66
4.6 卷积神经网络67
4.6.1 卷积与池化68
4.6.2 AlexNet70
4.6.3 时间卷积网络（TCN）71
4.6.4 MobileNetV273
4.7 图神经网络76
4.7.1 图的基本概念76
4.7.2 图卷积神经网络（GCN）77
4.7.3 GraphSAGE79
4.7.4 图注意力网络（GAT）80
4.7.5 图子结构网络（GSN）82
4.8 本章小结84
第5章 基于神经网络的智能控制85
5.1 神经网络建模基础85
5.1.1 函数逼近问题与神经网络逼近问题85
5.1.2 物理系统建模的基本问题88
5.1.3 基于神经网络的物理系统建模思想89
5.2 物理信息神经网络建模90
5.2.1 物理信息神经网络：将物理知识融合到深度学习中91
5.2.2 基于PINN的橡胶挤出压延系统建模93
5.3 复杂动态系统的神经网络预测建模95
5.4 神经网络建模的应用98
5.4.1 基于特征提取和深度学习的单区域室内温度预测模型构建98
5.4.2 单区域室内温度预测仿真验证102
5.5 神经网络控制与应用105
5.5.1 神经网络控制系统结构105
5.5.2 基于神经网络的控制器设计109
5.6 神经网络控制系统分析116
5.6.1 基于反馈线性化的神经网络控制系统能控性分析116
5.6.2 神经网络反馈线性化控制系统的稳定性分析118
5.7 神经网络控制的应用121
5.7.1 基于力矩计算法的神经网络补偿控制121
5.7.2 神经网络补偿器训练与仿真验证123
5.8 本章小结126
第6章 群体智能基础128
6.1 群体智能优化理论基础128
6.2 遗传算法129
6.2.1 生物的进化与遗传129
6.2.2 遗传算法的基本概念129
6.2.3 遗传算法的基本操作130
6.3 粒子群优化算法132
6.3.1 粒子群优化的基本思想132
6.3.2 粒子群优化算法原理134
6.4 其他优化算法138
6.4.1 自适应差分进化算法138
6.4.2 鲸鱼优化算法140
6.5 本章小结143
第7章 群体智能优化及控制145
7.1 基于群体智能算法的智能控制案例145
7.1.1 基于自适应差分算法的中央空调系统优化策略145
7.1.2 基于改进鲸鱼优化算法的中央空调系统优化策略154
7.2 遗传算法在模糊控制器设计中的应用161
7.2.1 对解进行编码162
7.2.2 对解进行寻优163
7.2.3 仿真及结果163
7.3 本章小结164
第8章 强化学习控制166
8.1 强化学习的基本概念166
8.1.1 马尔可夫决策过程166
8.1.2 强化学习常用术语167
8.1.3 动作价值函数与状态价值函数169
8.2 基于价值的强化学习算法170
8.2.1 Q-learning算法与SARSA算法170
8.2.2 深度Q网络算法174
8.3 基于策略的强化学习算法177
8.3.1 REINFORCE算法177
8.3.2 Actor-Critic 算法179
8.4 处理连续动作的强化学习算法180
8.4.1 深度确定性策略梯度算法180
8.4.2 近端策略优化算法184
8.4.3 SAC算法186
8.5 基于强化学习算法的智能控制案例188
8.5.1 基于强化学习的多区域建筑暖通空调系统控制188
8.5.2 基于强化学习的质子交换膜燃料电池供气系统控制194
8.6 本章小结200
第9章 预测控制202
9.1 预测控制基础理论202
9.1.1 预测模型203
9.1.2 滚动优化203
9.1.3 反馈校正204
9.2 预测控制的分类205
9.2.1 动态矩阵控制206
9.2.2 广义预测控制212
9.2.3 基于状态方程的预测控制219
9.3 分布式预测控制的框架223
9.3.1 分散式模型预测控制224
9.3.2 分布式预测控制224
9.4 预测控制的应用226
9.4.1 LDAC系统经济模型预测控制与节能优化研究226
9.4.2 LDAC系统分布式模型预测控制研究233
9.4.3 多区域空调系统温湿度的分布式模型预测控制研究239
9.5 本章小结245
第10章 智能控制未来技术与发展趋势246
10.1 智能控制面临的机遇与挑战246
10.1.1 智能控制面临的机遇246
10.1.2 智能控制面临的挑战247
10.2 未来技术与发展趋势248
10.2.1 趋势一：从数据驱动到知识融合的认知智能248
10.2.2 趋势二：从云端集中到泛在分布的具身智能249
10.2.3 趋势三：从“黑箱”决策到可信可控的安全智能249
10.3 未来应用250
10.4 本章小结251
参考文献253