控制演算法書

1. 求推薦關於模糊控制以及pid演算法的資料或者書籍

清華大學初出版《 控制系統計算機輔助設計》應該有幫助。

2. 如何成為演算法工程師 推薦幾本演算法入門書籍

是哪方面的演算法工程師?
信號處理演算法：書比較多，可以看看《數字信號處理》
體征（醫療）信號演算法：先要讀懂醫療的電信號，先看看醫療電信號的書
自動化控制演算法：
軌跡、速度規劃相關，資料很多，直接讀論文更快
控制演算法相關的，可以看看《自動控制原理》
機器人運動學、動力學相關的，可以看看李澤湘的《機器人數學導論》
無人機相關的，也可以看《機器人數學導論》，搜李澤湘學生的論文，看看《李群和李代數》，了解旋量理論，看一下PX4的開源代碼
機器學習/深度學習演算法：李航的《統計學習方法》、搜一下ufldl文檔看一下、還有周志華的西瓜書
通用的可以看看《高等代數》、《最優化原理》和《常微分》

3. 預測控制的圖書

作者：錢積新，趙均，徐祖華 編著
出 版 社：化學工業出版社
出版時間： 2007-9-1
頁數： 213
I S B N ： 9787502595944
所屬分類： 圖書 >> 計算機/網路 >>人工智慧
定價：￥29.00 預測控制由於其能夠處理約束及其對模型形式要求比較寬松，因而在生產過程式控制制中得到了廣泛應用。採用階躍（脈沖）響應作為內部模型，在演算法實現上比較直觀與方便，所以在應用中大多採用這種模型形式。然而由於它並非最小實現，這給從理論上研究系統的穩定性、魯棒性等帶來困難。狀態方程表述的模型為理論研究提供了非常方便的形式。更為重要的是，在這種模型形式之下，將預測控制的研究納入到業已成熟的現代控制理論中線性系統的范疇，因而有大量的研究成果可供借鑒與應用，這給預測控制理論研究提供了一個良好的平台。然而由於生產過程中系統狀態的不可測，給這種形式的控制演算法實際應用帶來極大困難。本書的特點之一就是對這兩類模型及其控制演算法都作了介紹，並重點介紹具有約束的多變數預測控制演算法。本書的另一特點是對工業模型預測控制（MPC）演算法及其商品軟體進行了評述，並就相關演算法進行了介紹。這種能處理非方系統且能夠對控制目標按優先順序進行排序的工業MPC演算法是目前國際上通行的MPC軟體的核心。相信這部分內容對應用工作者在理解及現場調試MPC系統時會有幫助。書中還介紹了作者十多年來在從事MPC現場成功應用的典型實例，並提供了自行研製的具有自主知識產權的工業MPC通用軟體的演算法框架。
本書可作為高等學校自動化類等專業的研究生教材以及本科高年級學生的教學參考書，也可供相關工程技術人員參考使用。 第1章 引言
1.1 預測控制的特點
1.2 早期歷史和術語
1.3 在遞階控制體系中的預測控制
習題
第2章 預測控制的基本原理
2.1 預測模型
2.2 限時域滾動計算的思想
2.3 算最優輸入
2.4 反饋與預測校正
2.5 不穩定的裝置
2.6 澄清一些誤解
習題
第3章 預測控制中的模型與預測
3.1 階躍響應與脈沖響應模型
3.1.1 單輸入、單輸出裝置的階躍響應預測模型
3.1.2 多輸入、多輸出裝置的階躍與脈沖響應預測模型
3.2 傳遞函數模型
3.2.1 傳遞函數模型表述
3.2.2 利用傳遞函數模型的預測
3.2.3 擾動模型
3.2.4 廣義預測控制模型
3.2.5 多變數系統
3.3 狀態空間模型
3.3.1 狀態空間模型的表述
3.3.2 利用狀態空間模型的預測
3.4 模型之間的轉換
3.4.1 階躍響應與狀態空問模型關系
3.4.2 由階躍響應得到低維狀態空間模型
附錄3—1 Diophantine方程
附錄3—2 奇異值分解
習題
第4章 無約束預測控制演算法
4.1 基於階躍響應模型的動態矩陣控制演算法
4.1.1 單輸入、單輸出裝置的動態矩陣控制演算法
4.1.2 多變數系統的動態矩陣預測控制演算法
4.2 基於傳遞函數模型的廣義預測控制演算法
4.2.1 預測模型
4.2.2 滾動優化
4.2.3 在線辨識與校正
4.3 基於狀態空間模型的預測控制演算法
4.3.1 預測控制的基本表述
4.3.2 求解無約束預測控制問題
習題
第5章 約束預測控制的優化求解
5.1 基於狀態空間模型的約束預測控制
5.1.1 利用二次規劃（QP）求解
5.1.2 控制器的結構
5.1.3 求解QP問題
5.1.4 約束軟化與管理
5.2 基於階躍響應模型的約束預測控制
5.3 兩種模型描述方式的預測控制演算法比較
習題
第6章 穩定性和魯棒性分析
6.1 穩定性分析
6.1.1 終端等式約束
6.1.2 無限時域
6.1.3 終端加權
6.2 魯棒性分析
6.2.1 線性矩陣不等式
6.2.2 模型不確定性
6.2.3 基於LMI的魯棒預測控制演算法
附錄
習題
第7章 工業多變數預測控制技術
7.1 工業預測控制技術評述
7.1.1 工業MPC技術發展的簡要回顧
7.1.2 工業MPC控制技術評述
7.2 工業多變數預測控制器的實現技術
7.2.1 兩個層次的最優化演算法
7.2.2 工業MPC中提高系統魯棒性的技術
7.2.3 一種可以處理積分對象的工業MPc演算法
7.2.4 在遞階控制體系中穩態——動態兩層結構的預測控制系統的功能分析
7.2.5 一個工業MPC演算法的結構及功能簡介
習題
第8章 工業預測控制應用設計與實例
參考文獻

4. 神經網路控制的書籍目錄

第1章神經網路和自動控制的基礎知識
1.1人工神經網路的發展史
1.1.120世紀40年代——神經元模型的誕生
1.1.220世紀50年代——從單神經元到單層網路，形成第一次熱潮
1.1.320世紀60年代——學習多樣化和AN2的急劇冷落
1.1.420世紀70年代——在低迷中頑強地發展
1.1.520世紀80年代——AN2研究熱潮再度興起
1.1.620世紀90年代——再現熱潮，產生許多邊緣交叉學科
1.1.7進入21世紀——實現機器智能的道路漫長而又艱難
1.2生物神經元和人工神經元
1.2.1生物神經元
1.2.2人工神經元
1.3生物神經網路和人工神經網路
1.3.1生物神經網路
1.3.2人工神經網路
1.4自動控制的發展史
1.4.1從傳統控制理論到智能控制
1.4.2智能控制的產生與基本特徵
1.4.3智能控制系統
1.5模糊集與模糊控制概述
1.5.1模糊集
1.5.2模糊隸屬函數
1.5.3模糊控制
1.6從生物神經控制到人工神經控制
1.6.1生物神經控制的智能特徵
1.6.2人工神經控制的模擬范圍
1.7小結
習題與思考題
第2章神經計算基礎
2.1線性空間與范數
2.1.1矢量空間
2.1.2范數
2.1.3賦范線性空間
2.1.4L1范數和L2范數
2.2迭代演算法
2.2.1迭代演算法的終止准則
2.2.2梯度下降法
2.2.3最優步長選擇
2.3逼近論
2.3.1Banach空間和逼近的定義
2.3.2L2逼近和最優一致逼近
2.3.3離散點集上的最小二乘逼近
2.4神經網路在線迭代學習演算法
2.5Z變換
2.5.1Z變換的定義和求取
2.5.2Z變換的性質
2.5.3Z反變換
2.6李雅普諾夫意義下的穩定性
2.6.1非線性時變系統的穩定性問題
2.6.2李雅普諾夫意義下的漸進穩定
2.6.3李雅普諾夫第二法
2.6.4非線性系統的穩定性分析
2.7小結
習題與思考題
第3章神經網路模型
3.1人工神經網路建模
3.1.1MP模型
3.1.2Hebb學習法則
3.2感知器
3.2.1單層感知器
3.2.2多層感知器
3.3BP網路與BP演算法
3.3.1BP網路的基本結構
3.3.2BP演算法及步長調整
3.4自適應線性神經網路
3.5自組織競爭型神經網路
3.5.1自組織競爭型神經網路的基本結構
3.5.2自組織競爭型神經網路的學習演算法
3.6小腦模型神經網路
3.6.1CMAC的基本結構
3.6.2CMAC的工作原理
3.6.3CMAC的學習演算法與訓練
3.7遞歸型神經網路
3.7.1DTRNN的網路結構
3.7.2實時遞歸學習演算法
3.8霍普菲爾德（Hopfield）神經網路
3.8.1離散型Hopfield神經網路
3.8.2連續型Hopfield神經網路
3.8.3求解TSP問題
3.9小結
習題與思考題
第4章神經控制中的系統辨識
4.1系統辨識基本原理
4.1.1辨識系統的基本結構
4.1.2辨識模型
4.1.3辨識系統的輸入和輸出
4.2系統辨識過程中神經網路的作用
4.2.1神經網路辨識原理
4.2.2多層前向網路的辨識能力
4.2.3辨識系統中的非線性模型
4.3非線性動態系統辨識
4.3.1非線性動態系統的神經網路辨識
4.3.2單輸入單輸出非線性動態系統的BP網路辨識
4.4多層前向網路辨識中的快速演算法
4.5非線性模型的預報誤差神經網路辨識
4.5.1非動態模型建模，
4.5.2遞推預報誤差演算法
4.6非線性系統逆模型的神經網路辨識
4.6.1系統分析逆過程的存在性
4.6.2非線性系統的逆模型
4.6.3基於多層感知器的逆模型辨識
4.7線性連續動態系統辨識的參數估計
4.7.1Hopfield網路用於辨識
4.7.2Hopfield網路辨識原理
4.8利用神經網路聯想功能的辨識系統
4.8.1二階系統的性能指標
4.8.2系統辨識器基本結構
4.8.3訓練與辨識操作
4.9小結
習題與思考題
第5章人工神經元控制系統
5.1人工神經元的PID調節功能
5.1.1人工神經元PID動態結構
5.1.2人工神經元閉環系統動態結構
5.2人工神經元PID調節器
5.2.1比例調節元
5.2.2積分調節元
5.2.3微分調節元
5.3人工神經元閉環調節系統
5.3.1系統描述
5.3.2Lyapunov穩定性分析
5.4人工神經元自適應控制系統
5.4.1人工神經元自適應控制系統的基本結構
5.4.2人工神經元自適應控制系統的學習演算法
5.5人工神經元控制系統的穩定性
5.6小結
習題與思考題
第6章神經控制系統
6.1神經控制系統概述
6.1.1神經控制系統的基本結構
6.1.2神經網路在神經控制系統中的作用
6.2神經控制器的設計方法
6.2.1模型參考自適應方法
6.2.2自校正方法
6.2.3內模方法
6.2.4常規控制方法
6.2.5神經網路智能方法
6.2.6神經網路優化設計方法
6.3神經辨識器的設計方法
6.4PID神經控制系統
6.4.1PID神經控制系統框圖
6.4.2PID神經調節器的參數整定
6.5模型參考自適應神經控制系統
6.5.1兩種不同的自適應控制方式
6.5.2間接設計模型參考自適應神經控制系統
6.5.3直接設計模型參考自適應神經控制系統
6.6預測神經控制系統
6.6.1預測控制的基本特徵
6.6.2神經網路預測演算法
6.6.3單神經元預測器
6.6.4多層前向網路預測器
6.6.5輻射基函數網路預測器
6.6.6Hopfield網路預測器
6.7自校正神經控制系統
6.7.1自校正神經控制系統的基本結構
6.7.2神經自校正控制演算法
6.7.3神經網路逼近
6.8內模神經控制系統
6.8.1線性內模控制方式
6.8.2內模控制系統
6.8.3內模神經控制器
6.8.4神經網路內部模型
6.9小腦模型神經控制系統
6.9.1CMAC控制系統的基本結構
6.9.2CMAC控制器設計
6.9.3CMAC控制系統實例
6.10小結
習題與思考題
第7章模糊神經控制系統
7.1模糊控制與神經網路的結合
7.1.1模糊控制的時間復雜性
7.1.2神經控制的空間復雜性
7.1.3模糊神經系統的產生
7.2模糊控制和神經網路的異同點
7.2.1模糊控制和神經網路的共同點
7.2.2模糊控制和神經網路的不同點
7.3模糊神經系統的典型結構
7.4模糊神經系統的結構分類
7.4.1鬆散結合
7.4.2互補結合
7.4.3主從結合
7.4.4串列結合
7.4.5網路學習結合
7.4.6模糊等價結合
7.5模糊等價結合中的模糊神經控制器
7.5.1偏差P和偏差變化率Δe的獲取
7.5.2隸屬函數的神經網路表達
7.6幾種常見的模糊神經網路
7.6.1模糊聯想記憶網路
7.6.2模糊認知映射網路
7.7小結
習題與思考題
第8章神經控制中的遺傳進化訓練
8.1生物的遺傳與進化
8.1.1生物進化論的基本觀點
8.1.2進化計算
8.2遺傳演算法概述
8.2.1遺傳演算法中遇到的基本術語
8.2.2遺傳演算法的運算特徵
8.2.3遺傳演算法中的概率計算公式
8.3遺傳演算法中的模式定理
8.3.1模式定義和模式的階
8.3.2模式定理（Schema）
8.4遺傳演算法中的編碼操作
8.4.1遺傳演算法設計流程
8.4.2遺傳演算法中的編碼規則
8.4.3一維染色體的編碼方法
8.4.4二維染色體編碼
8.5遺傳演算法中的適應度函數
8.5.1將目標函數轉換成適應度函數
8.5.2標定適應度函數
8.6遺傳演算法與優化解
8.6.1適應度函數的確定
8.6.2線性分級策略
8.6.3演算法流程
8.7遺傳演算法與預測控制
8.8遺傳演算法與神經網路
8.9神經網路的遺傳進化訓練
8.9.1遺傳進化訓練的實現方法
8.9.2BP網路的遺傳進化訓練
8.10小結
習題與思考題
附錄常用神經控制術語漢英對照
參考文獻
……

5. 請介紹幾本關於控制優化演算法的書

《計算機控制技術》哈工大出版社 李明學 周廣興等

6. 做 電力電子 控制演算法 的需要把哪些學好最好推薦幾本書（不好意思實在沒分了）

第1，知道什麼是同步旋轉坐標系及坐標系變換，為什麼要變換坐標系；
第2，理解什麼是雙閉環控制；
第3，會使用P-I 控制器；
第4，能看懂波特圖
第5，搞明白什麼是 離散域 (Z域) 和 時域(S域)，及他們之間的關系，傳遞函數究竟是為了干什麼。
第6，會根據控制對象建立S域模型，並選擇適當的控制方法

本科能做到1,2就不錯了，碩士能學會3,4就可以，很多博士直到畢業可能都不清楚5,6。
做工程的話，能學會前三步就夠了...

個人看的最多的一本書是 Bimal K.Bose的 《現代電力電子學與交流傳動》，它把控制理論和電力電子結合的很好。
不過...不做實際項目 只看書...說實話幫助不大...
要靠慢慢的積累，和瞬間的頓悟...