具体描述
本书是作者多年来从事工业生产过程建模，智能控制和自适
应控制等方面的教学和科研工作的总结。书中深入浅出地介绍了
智能控制系统的构成原理和设计理论，并将智能控制和控制理论
紧密结合构成新型智能控制系统。同时通过几个应用实例，深入
地介绍了智能控制系统的具体设计和实现方法，并给出了软件和
硬件设计的全过程，供读者学习参考。全书内容新颖，突出理论
联系实际，实用性强。
本书适宜于从事过程自动化工程技术人员阅读，也可作为大
专院校工业自动化、自动控制、计算机应用等专业的教材和教学
参考书。
作者简介
目录信息
《电气自动化新技术丛书》序言
前 言
第1章 概论
1.1智能控制系统国内外发展概况
1.1.1控制理论应用面临着新的挑战
1.1.2智能控制系统的引入
1.1.3智能控制系统的定义
1.1.4智能控制系统的特点
1.1.5智能控制系统国内外进展概况
1.2智能控制系统的研究课题
1.2.1智能控制系统的理论研究
1.2.2智能控制系统的应用研究
第2章 智能控制系统的构成原理
2.1简单的智能控制系统
2.1.1般自动控制系统的构成
2.1.2简单的智能控制系统的构成
2.2多级递阶智能控制系统
2.3智能控制系统和神经网络（NN）
2.3.1神经网络的基本概念
2.3.2神经网络输入输出之间的关系模型
2.3.3神经网络在自动控制中的应用
2.3.4神经网络控制和智能控制的关系
第3章 智能控制系统的设计理论
3.1知识表达
3.1.1知识的含义
3.1.2知识的分类
3.1.3产生式知识表示
3.1.4框架知识表示
3.1.5谓词逻辑知识表示
3.1.6状态空间知识表示
3.1.7语义网络知识表示
3.1.8不精确知识表示
3.1.9知识的发展
3.2知识获取
3.2.1知识获取过程
3.2.2人工方式知识获取
3.2.3半自动知识获取
3.2.4自动知识获取
3.2.5动态特征辨识和模式识别
3.3智能控制器一般结构的设计理论
3.3.1知识库
3.3.2数据库（上下文）
3.3.3黑板问题
3.3.4自学习环节
3.3.5推理和决策机构
3.4智能决策和控制理论的结合问题
3.4.1问题的引入
3.4.2智能自适应控制系统
3.4.3带知识库的高炉炼铁过程终点铁水含硅量和温度
自适应预报
3.5智能控制系统的鲁棒性
3.5.1问题的提出
3.5.2自动控制系统的稳定鲁棒性问题
3.5.3智能控制系统的鲁棒性问题
第4章 随动系统的智能控制
4.1旋转变压器式的精粗测随动系统
4.1.1概述
4.1.2自整角机在变压器工作状态下的随动系统
4.1.3旋转变压器式随动系统
4.1.4旋转变压器式精粗测随动系统
4.2用微机控制的旋转变压器式精粗测随动系统
4.2.1随动系统计算机控制的特点
4.2.2微机化随动系统的硬件结构
4.2.3被控对象数学模型的建立
4.2.4常用控制算法
4.2.5系统软件设计
4.3随动系统智能控制
4.3.1随动系统智能控制框图
4.3.2智能控制器的设计
4.4实时控制结果的分析
4.4.1数字全波整流波形
4.4.2系统各种指标测试比较
第5章 非晶制带钢水液位智能控制
5.1非晶制带生产工艺及对自动控制提出的要求
5.1.1非晶态合金薄带生产工艺
5.1.2对自动控制提出的要求
5.1.3控制方案
5.2非晶制带生产被控对象的特性分析和数学模型
5.2.1电液伺服驱动装置
5.2.2差动变压器
5.3非晶制带钢水液位计算机控制
5.3.1硬件结构
5.3.2常用控制算法和软件设计
5.4非晶制带钢水液位智能控制
5.4.1智能控制器的设计
5.4.2系统软件的设计
5.5系统实时控制的结果
第6章 罩式退火炉自适应预测智能控制
6.1概述
6.2罩式退火炉计算机温控系统的设计与构成
6.3罩式退火炉数学模型的建立
6.3.1系统建模的基本步骤
6.3.2罩式退火炉的模型类型与结构
6.3.3实验信号的设计与产生
6.3.4实验过程、数据滤波及预处理
6.3.5参数估计
6.3.6模型的校验和确认
6.4离散系统模型与连续系统模型间的转换
6.4.1离散系统模型转换为连续系统模型
6.4.2连续系统模型转换为离散系统模型
6.5罩式退火炉的前馈补偿零极点配置自适应PID预测智能控制
6.5.1零极点配置PID预测控制
6.5.2前馈补偿零极点配置自适应PID预测控制
6.5.3智能控制器的设计
6.5.4实时控制结果
第7章 电加热炉炉温智能控制
7.1电加热炉结构及对自动控制系统提出的要求
7.1.1电加热炉结构
7.1.2对自动控制提出的要求
7.2电加热炉对象模型及控制策略的研究
7.2.1电加热炉对象模型
7.2.2电加热炉控制策略的研究
7.3电加热炉炉温计算机控制
7.3.1硬件结构框图
7.3.2常用控制算法
7.3.3系统软件设计
7.4电加热炉炉温智能控制
7.4.1智能控制器的设计
7.4.2智能控制器的学习环节和修正环节
7.5电加热炉炉温实时控制结果
7.5.1随机最优控制结果
7.5.2非线性PID控制结果
7.5.3智能控制结果
第8章 电弧炉炼钢过程智能控制
8.1电弧炉炼钢工艺过程及对自动控制提出的要求
8.1.1电弧炉结构
8.1.2工艺特点
8.1.3对自动控制提出的特殊要求
8.2电弧炉炼钢过程电极升降智能复合控制系统
8.2.1快速最优（BangBang）控制
8.2.2模糊控制
8.2.3PID控制
8.2.4智能复合控制问题
8.2.5电极升降控制系统平衡问题
8.2.6电极升降控制系统实验结果
8.3电弧炉炼钢过程的数学模型及终点自适应预报系统
8.3.1氧化期数学模型的建立与终点预报方程
8.3.2氧化期钢液温度、含碳量和含磷量终点预报系统程序
流程图
8.3.3氧化期预报系统运行结果
8.3.4还原期操作
8.4电弧炉炼钢过程智能自适应预测操作指导系统的设计
8.4.1问题的引入
8.4.2IPOGS总结构流程图及设计
8.4.3系统运行结果
8.5电弧炉炼钢过程闭环控制研究
8.5.1组织级
8.5.2协调级
8.5.3知识库构成
8.5.4电弧炉炼钢过程自动控制程序总流程图
8.5.5结束语
第9章 高温力学试验机的神经网络自适应智能控制
9.1概述
9.2高温力学试验机电加热炉的结构及计算机控制系统构成
9.3电加热炉神经网络模型的建立
9.3.1反向传播学习算法原理
9.3.2电加热炉的神经网络模型
9.4使用单神经元的电加热炉自适应智能控制
9.4.1神经网络学习规则
9.4.2单神经元自适应PID智能控制器
9.4.3单神经元自适应PSD智能控制器
9.4.4电加热炉单神经元自适应智能控制
9.5使用多神经元的电加热炉前馈补偿内模控制
9.5.1内模控制器的设计
9.5.2神经网络的前馈补偿内模控制
9.5.3电加热炉的神经网络前馈补偿内模控制
附录A 随动系统智能控制程序清单
附录B 电弧炉炼钢过程终点含碳量、含磷量及温度的预报
结果与实测结果比较表
参考文献
· · · · · · (收起)
读后感
用户评价
这本书的阅读体验堪称一流，这很大程度上归功于其丰富的图示和详尽的伪代码。对于像我这样更倾向于通过编程实现来理解抽象概念的工程师来说，这一点至关重要。它没有使用那种晦涩难懂的数学符号来吓唬读者，而是将算法的每一步都用清晰、结构化的伪代码清晰地呈现出来，甚至在某些关键的迭代步骤中，还附带了对代码效率和内存占用的简要分析。这使得读者可以直接将书中的内容转化为Python或MATLAB代码进行验证和修改。我特别提到一点：书中对“强化学习”在优化控制回路中的应用分析得极其透彻，它不像很多教材那样将PPO或SAC算法束之高阁，而是给出了一个完整的、可运行的仿真环境搭建指南。这本书的实用性和可操作性，让我感觉它不是一本躺在书架上落灰的书，而是一个随时可以调用的“超级工具箱”。
当我翻到关于“人机交互”与“可解释性AI（XAI）”的那几章时，我感到一种前所未有的共鸣。在很多先进的自动化系统中，最大的瓶颈往往不是算法的性能，而是操作员对系统决策过程的不信任。这本书非常敏锐地捕捉到了这一点，并专门开辟章节探讨如何将复杂的神经网络决策过程“翻译”成人类可以理解的逻辑。作者提供的可视化工具和因果分析方法，极大地提升了系统调试和故障排查的效率。我记得书中对比了两种不同的解释模型，并用一个模拟的能源调度系统进行演示，对比了它们在提供决策依据时的清晰度和说服力。这种对“人本工程”的关注，使得这本书不仅仅是一本技术手册，更是一本关于如何构建信任、实现人机共融的指南。在强调自动化深入的同时，没有忘记人这一核心要素，这份人文关怀，着实令人赞叹。
这本书绝对是为那些渴望在瞬息万变的技术浪潮中站稳脚跟的工程师和研究人员量身定做的。我原以为读完后能对“智能控制系统”有个宏观的认识，但实际收获远超预期。它的深度令人印象深刻，从基础的模糊逻辑和神经网络理论，到如何将这些抽象的数学模型转化为实际可操作的工业控制算法，作者都给出了详尽且富有洞察力的阐述。特别是书中关于“自适应控制”与“鲁棒性设计”结合的部分，简直是一场思维的盛宴。作者并没有停留在理论堆砌，而是穿插了大量现实世界的案例研究，比如在复杂的机械臂操作中如何实时修正参数以应对载荷变化，这种手把手的指导，让那些原本晦涩难懂的公式变得鲜活起来。我特别欣赏它那种严谨的学术态度与工程实践的完美融合，读完后感觉自己仿佛站在了一个新的制高点上，对未来工业自动化的发展方向有了更清晰的把握。对于任何想从“传统控制”跃迁到“智能控制”领域的专业人士来说，这本绝对是案头必备的参考书。
这本大部头刚拿到手时，说实话，我有点被它的厚度吓到，心想这得啃多久。但翻开目录后，我立刻被一种“结构美”所吸引。它的章节安排逻辑性极强，从底层的数据采集和信号处理讲起，逐步过渡到核心的决策算法，最后落脚于实际的系统集成与优化。我一直在寻找一本能系统梳理“深度学习在过程控制中应用”的书籍，而这本书恰好满足了我的需求，它对循环神经网络（RNN）和卷积神经网络（CNN）在时间序列预测和故障诊断上的应用进行了深入的剖析，这一点在其他同类书籍中是很少见的。作者似乎深谙读者的困惑点，每当理论讲解到达一个难点时，总会插入一个精妙的“技术插曲”，用通俗的语言解释背后的物理意义。我特别喜欢它在“模型预测控制（MPC）”一章中引入的实时优化求解器介绍，这直接解决了我在项目中遇到的优化计算效率问题。它不是一本快餐式的读物，更像是一部需要沉下心来研习的经典，每一页都值得反复琢磨。
说句公道话，这本书的价值远远超出了它的定价。我之前尝试过几本关于“分布式智能”和“多智能体系统”的书，但大多停留在概念层面，缺乏可执行的蓝图。然而，这本书在讨论多智能体协同控制时，清晰地描绘了从架构设计到通信协议选择的全过程。作者对“博弈论”在协调复杂系统行为中的应用，展示了令人耳目一新的见解。尤其是其中关于“去中心化决策”的章节，它不仅讨论了理论的优越性，更着重分析了在带宽受限和通信延迟环境下的实际落地挑战，并提出了相应的缓解策略。这让这本书充满了“烟火气”，非常贴近真实工业环境的复杂性。我最近正在负责一个大型无人机集群的编队控制项目，这本书为我提供了许多创新性的思路，特别是关于个体智能与群体智慧平衡的讨论，简直是拨云见日。如果你对如何让一堆独立的单元高效协作达成全局目标感兴趣，这本书绝对是你的不二之选。
