智能控制

第1章 结论
1.1 智能控制的发展过程
1.2 智能控制的几个重要分支
1.3 智能控制的特点、研究工具
第2章 专家控制
2.1 专家系统
2.1.1 专家系统概述
2.1.2 专家系统的构成
2.1.3 专家系统的建立
2.2 专家控制
2.2.1 专家控制概述
2.2.2 专家控制的基本原理
2.2.3 专家控制的关键技术及特点
2.3 专家PID控制
2.3.1 专家PID控制原理
2.3.2 仿真实例
思考题与习题
第3章 模糊控制的理论基础
3.1 概述
3.2 模糊集合
3.2.1 模糊集合的概念
3.2.2 模糊集合的运算
3.3 隶属函数
3.4 模糊关系及其运算
3.4.1 模糊矩阵
3.4.2 模糊矩阵的运算
3.4.3 模糊矩阵的合成
3.5 模糊推理
3.5.1 模糊语句
3.5.2 模糊推理
3.5.3 模糊关系方程
思考题与习题
附录（程序代码）
第4章 模糊控制
4.1 模糊控制的基本原理
4.1.1 模糊控制原理
4.1.2 模糊控制器的组成
4.1.3 模糊控制系统的工作原理
4.1.4 模糊控制器的结构
4.2 模糊控制系统分类
4.3 模糊控制器的设计
4.3.1 模糊控制器的设计步骤
4.3.2 模糊控制器的Matlab仿真
4.4 模糊控制应用实例——洗衣机的模糊控制
4.5 模糊自适应整定PID控制
4.5.1 模糊自适应整定PID控制原理
4.5.2 仿真实例
4.6 Sugeno模糊模型
4.7 基于Sugeno模糊模型的倒立摆模糊控制
4.7.1 倒立摆模型的局部线性化
4.7.2 仿真实例
4.8 模糊控制的应用
4.9 模糊控制发展概况
4.9.1 模糊控制发展的几个转折点
4.9.2 模糊控制的发展方向
4.9.3 模糊控制面临的主要任务
思考题与习题
附录（程序代码）
第5章  自适应模糊控制
5.1 模糊逼近
5.1.1 模糊系统的设计
5.1.2 模糊系统的逼近精度
5.1.3 仿真实例
5.2 间接自适应模糊控制
5.2.1 问题描述
5.2.2 控制器的设计
5.2.3 仿真实例
5.3 直接自适应模糊控制
5.3.1 问题描述
5.3.2 控制器的设计
5.3.3 自适应律的设计
5.3.4 仿真实例
思考题与习题
附录（程序代码）
第6章 神经网络的理论基础
6.1 神经网络发展简史
6.2 神经网络原理
6.3 神经网络的分类
6.4 神经网络学习算法
6.4.1 Hebb学习规则
6.4.2 Delta(δ)学习规则
6.5 神经网络的特征及要素
6.6 神经网络控制的研究领域
思考题与习题
第7章 典型神经网络
7.1 单神经元网络
7.2 BP神经网络
7.2.1 BP网络特点
7.2.2 BP网络结构
7.2.3 BP网络的逼近
7.2.4 BP网络的优缺点
7.2.5 BP网络逼近仿真实例
7.2.6 BP网络模式识别
7.2.7 BP网络模式识别仿真实例
7.3 RBF神经网络
7.3.1 RBF网络结构
7.3.2 RBF网络的逼近
7.3.3 RBF网络逼近仿零点实例
7.4 回归神经网络
7.4.1 DRNN网络结构
7.4.2 DRNN网络的逼近
7.4.3 DRNN网络逼近仿真实例
思考题
附录（程序代码）
第8章 高级神经网络
8.1 模糊RBF网络
8.1.1 网络结构
8.1.2 基于模糊RBF网络的逼近算法
8.1.3 仿真实例
8.2 pi-sigma神经网络
8.2.1 高木-关野模糊系统
8.2.2 混合型pi-sigma神经网络
8.2.3 仿真实例
8.3 小脑模型神经网络
8.3.1 CMAC概述
8.3.2 一种典型CMAC算法
8.3.3 仿真实例
8.4 Hopfield网络
8.4.1 Hopfield网络原理
8.4.2 基于Hopfield的自适应控制
思考题与习题
附录（程序代码）
第9章 神经网络控制
9.1 概述
9.2 神经网络控制的结构
9.2.1 神经网络监督控制
9.2.2 神经网络直接逆控制
9.2.3 神经网络自适应控制
9.2.4 神经网络内模控制判控制
9.2.5 神经网络预测控制
9.2.6 神经网络自适应评
9.2.7 神经网络混合控制
9.3 单神经元自适应控制
9.3.1 单神经元自适应控制算法
9.3.2 仿真实例
9.4 RBF网络监督控制
9.4.1 RBF网络监督控制算法
9.4.2 仿真实例
9.5 RBF网络自校正控制
9.5.1 神经网络自校正控制原理
9.5.2 自校正控制算法
9.5.3 RBF网络自校正控制算法
9.5.4 仿真实例 
9.6 基于RBF网络直接模型参考自适应控制
9.6.1 基于RBF网络的控制器设计
9.6.2 仿真实例
思考题与习题
附录（程序代码）
第10章 遗传算法及其应用
10.1 遗传算法的基本原理
10.2 遗传算法的特点
10.3 遗传算法的发展及应用
10.3.1 遗传算法的发展
10.3.2 遗传算法的应用
10.4 遗传算法的优化设计
10.4.1 遗传算法的构成要素
10.4.2 遗传算法的应用步骤
10.5 遗传算法求函数极大值
10.5.1 二进制编码遗传算法求函数极大值
10.5.2 实数编码遗传算法求函数极大值
10.6 基于遗传算法优化的RBF网络逼近
10.6.1 遗传算法优化原理
10.6.2 仿真实例
思考题与习题
附录（程序代码）
参考文献