控制算法书

1. 求推荐关于模糊控制以及pid算法的资料或者书籍

清华大学初出版《 控制系统计算机辅助设计》应该有帮助。

2. 如何成为算法工程师 推荐几本算法入门书籍

是哪方面的算法工程师?
信号处理算法：书比较多，可以看看《数字信号处理》
体征（医疗）信号算法：先要读懂医疗的电信号，先看看医疗电信号的书
自动化控制算法：
轨迹、速度规划相关，资料很多，直接读论文更快
控制算法相关的，可以看看《自动控制原理》
机器人运动学、动力学相关的，可以看看李泽湘的《机器人数学导论》
无人机相关的，也可以看《机器人数学导论》，搜李泽湘学生的论文，看看《李群和李代数》，了解旋量理论，看一下PX4的开源代码
机器学习/深度学习算法：李航的《统计学习方法》、搜一下ufldl文档看一下、还有周志华的西瓜书
通用的可以看看《高等代数》、《最优化原理》和《常微分》

3. 预测控制的图书

作者：钱积新，赵均，徐祖华 编着
出 版 社：化学工业出版社
出版时间： 2007-9-1
页数： 213
I S B N ： 9787502595944
所属分类： 图书 >> 计算机/网络 >>人工智能
定价：￥29.00 预测控制由于其能够处理约束及其对模型形式要求比较宽松，因而在生产过程控制中得到了广泛应用。采用阶跃（脉冲）响应作为内部模型，在算法实现上比较直观与方便，所以在应用中大多采用这种模型形式。然而由于它并非最小实现，这给从理论上研究系统的稳定性、鲁棒性等带来困难。状态方程表述的模型为理论研究提供了非常方便的形式。更为重要的是，在这种模型形式之下，将预测控制的研究纳入到业已成熟的现代控制理论中线性系统的范畴，因而有大量的研究成果可供借鉴与应用，这给预测控制理论研究提供了一个良好的平台。然而由于生产过程中系统状态的不可测，给这种形式的控制算法实际应用带来极大困难。本书的特点之一就是对这两类模型及其控制算法都作了介绍，并重点介绍具有约束的多变量预测控制算法。本书的另一特点是对工业模型预测控制（MPC）算法及其商品软件进行了评述，并就相关算法进行了介绍。这种能处理非方系统且能够对控制目标按优先级进行排序的工业MPC算法是目前国际上通行的MPC软件的核心。相信这部分内容对应用工作者在理解及现场调试MPC系统时会有帮助。书中还介绍了作者十多年来在从事MPC现场成功应用的典型实例，并提供了自行研制的具有自主知识产权的工业MPC通用软件的算法框架。
本书可作为高等学校自动化类等专业的研究生教材以及本科高年级学生的教学参考书，也可供相关工程技术人员参考使用。 第1章 引言
1.1 预测控制的特点
1.2 早期历史和术语
1.3 在递阶控制体系中的预测控制
习题
第2章 预测控制的基本原理
2.1 预测模型
2.2 限时域滚动计算的思想
2.3 算最优输入
2.4 反馈与预测校正
2.5 不稳定的装置
2.6 澄清一些误解
习题
第3章 预测控制中的模型与预测
3.1 阶跃响应与脉冲响应模型
3.1.1 单输入、单输出装置的阶跃响应预测模型
3.1.2 多输入、多输出装置的阶跃与脉冲响应预测模型
3.2 传递函数模型
3.2.1 传递函数模型表述
3.2.2 利用传递函数模型的预测
3.2.3 扰动模型
3.2.4 广义预测控制模型
3.2.5 多变量系统
3.3 状态空间模型
3.3.1 状态空间模型的表述
3.3.2 利用状态空间模型的预测
3.4 模型之间的转换
3.4.1 阶跃响应与状态空问模型关系
3.4.2 由阶跃响应得到低维状态空间模型
附录3—1 Diophantine方程
附录3—2 奇异值分解
习题
第4章 无约束预测控制算法
4.1 基于阶跃响应模型的动态矩阵控制算法
4.1.1 单输入、单输出装置的动态矩阵控制算法
4.1.2 多变量系统的动态矩阵预测控制算法
4.2 基于传递函数模型的广义预测控制算法
4.2.1 预测模型
4.2.2 滚动优化
4.2.3 在线辨识与校正
4.3 基于状态空间模型的预测控制算法
4.3.1 预测控制的基本表述
4.3.2 求解无约束预测控制问题
习题
第5章 约束预测控制的优化求解
5.1 基于状态空间模型的约束预测控制
5.1.1 利用二次规划（QP）求解
5.1.2 控制器的结构
5.1.3 求解QP问题
5.1.4 约束软化与管理
5.2 基于阶跃响应模型的约束预测控制
5.3 两种模型描述方式的预测控制算法比较
习题
第6章 稳定性和鲁棒性分析
6.1 稳定性分析
6.1.1 终端等式约束
6.1.2 无限时域
6.1.3 终端加权
6.2 鲁棒性分析
6.2.1 线性矩阵不等式
6.2.2 模型不确定性
6.2.3 基于LMI的鲁棒预测控制算法
附录
习题
第7章 工业多变量预测控制技术
7.1 工业预测控制技术评述
7.1.1 工业MPC技术发展的简要回顾
7.1.2 工业MPC控制技术评述
7.2 工业多变量预测控制器的实现技术
7.2.1 两个层次的最优化算法
7.2.2 工业MPC中提高系统鲁棒性的技术
7.2.3 一种可以处理积分对象的工业MPc算法
7.2.4 在递阶控制体系中稳态——动态两层结构的预测控制系统的功能分析
7.2.5 一个工业MPC算法的结构及功能简介
习题
第8章 工业预测控制应用设计与实例
参考文献

4. 神经网络控制的书籍目录

第1章神经网络和自动控制的基础知识
1.1人工神经网络的发展史
1.1.120世纪40年代——神经元模型的诞生
1.1.220世纪50年代——从单神经元到单层网络，形成第一次热潮
1.1.320世纪60年代——学习多样化和AN2的急剧冷落
1.1.420世纪70年代——在低迷中顽强地发展
1.1.520世纪80年代——AN2研究热潮再度兴起
1.1.620世纪90年代——再现热潮，产生许多边缘交叉学科
1.1.7进入21世纪——实现机器智能的道路漫长而又艰难
1.2生物神经元和人工神经元
1.2.1生物神经元
1.2.2人工神经元
1.3生物神经网络和人工神经网络
1.3.1生物神经网络
1.3.2人工神经网络
1.4自动控制的发展史
1.4.1从传统控制理论到智能控制
1.4.2智能控制的产生与基本特征
1.4.3智能控制系统
1.5模糊集与模糊控制概述
1.5.1模糊集
1.5.2模糊隶属函数
1.5.3模糊控制
1.6从生物神经控制到人工神经控制
1.6.1生物神经控制的智能特征
1.6.2人工神经控制的模拟范围
1.7小结
习题与思考题
第2章神经计算基础
2.1线性空间与范数
2.1.1矢量空间
2.1.2范数
2.1.3赋范线性空间
2.1.4L1范数和L2范数
2.2迭代算法
2.2.1迭代算法的终止准则
2.2.2梯度下降法
2.2.3最优步长选择
2.3逼近论
2.3.1Banach空间和逼近的定义
2.3.2L2逼近和最优一致逼近
2.3.3离散点集上的最小二乘逼近
2.4神经网络在线迭代学习算法
2.5Z变换
2.5.1Z变换的定义和求取
2.5.2Z变换的性质
2.5.3Z反变换
2.6李雅普诺夫意义下的稳定性
2.6.1非线性时变系统的稳定性问题
2.6.2李雅普诺夫意义下的渐进稳定
2.6.3李雅普诺夫第二法
2.6.4非线性系统的稳定性分析
2.7小结
习题与思考题
第3章神经网络模型
3.1人工神经网络建模
3.1.1MP模型
3.1.2Hebb学习法则
3.2感知器
3.2.1单层感知器
3.2.2多层感知器
3.3BP网络与BP算法
3.3.1BP网络的基本结构
3.3.2BP算法及步长调整
3.4自适应线性神经网络
3.5自组织竞争型神经网络
3.5.1自组织竞争型神经网络的基本结构
3.5.2自组织竞争型神经网络的学习算法
3.6小脑模型神经网络
3.6.1CMAC的基本结构
3.6.2CMAC的工作原理
3.6.3CMAC的学习算法与训练
3.7递归型神经网络
3.7.1DTRNN的网络结构
3.7.2实时递归学习算法
3.8霍普菲尔德（Hopfield）神经网络
3.8.1离散型Hopfield神经网络
3.8.2连续型Hopfield神经网络
3.8.3求解TSP问题
3.9小结
习题与思考题
第4章神经控制中的系统辨识
4.1系统辨识基本原理
4.1.1辨识系统的基本结构
4.1.2辨识模型
4.1.3辨识系统的输入和输出
4.2系统辨识过程中神经网络的作用
4.2.1神经网络辨识原理
4.2.2多层前向网络的辨识能力
4.2.3辨识系统中的非线性模型
4.3非线性动态系统辨识
4.3.1非线性动态系统的神经网络辨识
4.3.2单输入单输出非线性动态系统的BP网络辨识
4.4多层前向网络辨识中的快速算法
4.5非线性模型的预报误差神经网络辨识
4.5.1非动态模型建模，
4.5.2递推预报误差算法
4.6非线性系统逆模型的神经网络辨识
4.6.1系统分析逆过程的存在性
4.6.2非线性系统的逆模型
4.6.3基于多层感知器的逆模型辨识
4.7线性连续动态系统辨识的参数估计
4.7.1Hopfield网络用于辨识
4.7.2Hopfield网络辨识原理
4.8利用神经网络联想功能的辨识系统
4.8.1二阶系统的性能指标
4.8.2系统辨识器基本结构
4.8.3训练与辨识操作
4.9小结
习题与思考题
第5章人工神经元控制系统
5.1人工神经元的PID调节功能
5.1.1人工神经元PID动态结构
5.1.2人工神经元闭环系统动态结构
5.2人工神经元PID调节器
5.2.1比例调节元
5.2.2积分调节元
5.2.3微分调节元
5.3人工神经元闭环调节系统
5.3.1系统描述
5.3.2Lyapunov稳定性分析
5.4人工神经元自适应控制系统
5.4.1人工神经元自适应控制系统的基本结构
5.4.2人工神经元自适应控制系统的学习算法
5.5人工神经元控制系统的稳定性
5.6小结
习题与思考题
第6章神经控制系统
6.1神经控制系统概述
6.1.1神经控制系统的基本结构
6.1.2神经网络在神经控制系统中的作用
6.2神经控制器的设计方法
6.2.1模型参考自适应方法
6.2.2自校正方法
6.2.3内模方法
6.2.4常规控制方法
6.2.5神经网络智能方法
6.2.6神经网络优化设计方法
6.3神经辨识器的设计方法
6.4PID神经控制系统
6.4.1PID神经控制系统框图
6.4.2PID神经调节器的参数整定
6.5模型参考自适应神经控制系统
6.5.1两种不同的自适应控制方式
6.5.2间接设计模型参考自适应神经控制系统
6.5.3直接设计模型参考自适应神经控制系统
6.6预测神经控制系统
6.6.1预测控制的基本特征
6.6.2神经网络预测算法
6.6.3单神经元预测器
6.6.4多层前向网络预测器
6.6.5辐射基函数网络预测器
6.6.6Hopfield网络预测器
6.7自校正神经控制系统
6.7.1自校正神经控制系统的基本结构
6.7.2神经自校正控制算法
6.7.3神经网络逼近
6.8内模神经控制系统
6.8.1线性内模控制方式
6.8.2内模控制系统
6.8.3内模神经控制器
6.8.4神经网络内部模型
6.9小脑模型神经控制系统
6.9.1CMAC控制系统的基本结构
6.9.2CMAC控制器设计
6.9.3CMAC控制系统实例
6.10小结
习题与思考题
第7章模糊神经控制系统
7.1模糊控制与神经网络的结合
7.1.1模糊控制的时间复杂性
7.1.2神经控制的空间复杂性
7.1.3模糊神经系统的产生
7.2模糊控制和神经网络的异同点
7.2.1模糊控制和神经网络的共同点
7.2.2模糊控制和神经网络的不同点
7.3模糊神经系统的典型结构
7.4模糊神经系统的结构分类
7.4.1松散结合
7.4.2互补结合
7.4.3主从结合
7.4.4串行结合
7.4.5网络学习结合
7.4.6模糊等价结合
7.5模糊等价结合中的模糊神经控制器
7.5.1偏差P和偏差变化率Δe的获取
7.5.2隶属函数的神经网络表达
7.6几种常见的模糊神经网络
7.6.1模糊联想记忆网络
7.6.2模糊认知映射网络
7.7小结
习题与思考题
第8章神经控制中的遗传进化训练
8.1生物的遗传与进化
8.1.1生物进化论的基本观点
8.1.2进化计算
8.2遗传算法概述
8.2.1遗传算法中遇到的基本术语
8.2.2遗传算法的运算特征
8.2.3遗传算法中的概率计算公式
8.3遗传算法中的模式定理
8.3.1模式定义和模式的阶
8.3.2模式定理（Schema）
8.4遗传算法中的编码操作
8.4.1遗传算法设计流程
8.4.2遗传算法中的编码规则
8.4.3一维染色体的编码方法
8.4.4二维染色体编码
8.5遗传算法中的适应度函数
8.5.1将目标函数转换成适应度函数
8.5.2标定适应度函数
8.6遗传算法与优化解
8.6.1适应度函数的确定
8.6.2线性分级策略
8.6.3算法流程
8.7遗传算法与预测控制
8.8遗传算法与神经网络
8.9神经网络的遗传进化训练
8.9.1遗传进化训练的实现方法
8.9.2BP网络的遗传进化训练
8.10小结
习题与思考题
附录常用神经控制术语汉英对照
参考文献
……

5. 请介绍几本关于控制优化算法的书

《计算机控制技术》哈工大出版社 李明学 周广兴等

6. 做 电力电子 控制算法 的需要把哪些学好最好推荐几本书（不好意思实在没分了）

第1，知道什么是同步旋转坐标系及坐标系变换，为什么要变换坐标系；
第2，理解什么是双闭环控制；
第3，会使用P-I 控制器；
第4，能看懂波特图
第5，搞明白什么是 离散域 (Z域) 和 时域(S域)，及他们之间的关系，传递函数究竟是为了干什么。
第6，会根据控制对象建立S域模型，并选择适当的控制方法

本科能做到1,2就不错了，硕士能学会3,4就可以，很多博士直到毕业可能都不清楚5,6。
做工程的话，能学会前三步就够了...

个人看的最多的一本书是 Bimal K.Bose的 《现代电力电子学与交流传动》，它把控制理论和电力电子结合的很好。
不过...不做实际项目 只看书...说实话帮助不大...
要靠慢慢的积累，和瞬间的顿悟...