本书从MATLAB仿真角度，结合典型机械系统控制的实例，系统地介绍神经网络控制的基本理论、基本方法和应用技术，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。 全书共分11章，包括RBF网络的设计及分析、基于梯度下降法的RBF网络控制、简单的RBF网络自适应控制、RBF网络滑模控制、基于RBF网络逼近的自适应控制、基于RBF网络的自适应反演控制、RBF网络数字控制、离散系统的RBF网络控制及自适应RBF网络观测器的设计。每种控制方法都通过MATLAB进行了仿真分析。 本书各部分内容既相互联系又相互独立，读者可根据自己需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

刘金琨 辽宁人，1965年生。分别于1989年7月，1994年3月和1997年3月获东北大学工学学士、工学硕士和工学博士学位。1997年3月至1998年12月在浙江大学工业控制技术研究所做博士后研究工作。1999年1月至1999年7月在香港科技大学从事合作研究。1999年11月至今在北京航空航天大学自动化学院从事教学与科研工作，现任教授，博士导师。主讲《智能控制》、《工业过程控制》和《系统辨识》等课程。研究方向为控制理论与应用。自从从事研究工作以来，主持国家自然基金等科研项目10余项，发表学术论文90余篇，拥有发明专利10余项。曾出版《Advanced Sliding Mode Control for Mechanical Systems_Design, Analysis and Matlab Simulation》、《智能控制》、《先进PID控制及其Matlab仿真》、《机器人控制系统的设计与Matlab仿真》、《滑模变结构控制Matlab仿真》和《微分器设计与应用—信号滤波与求导》等著作。�

神经网络控制出现于20世纪80年代，经历了30余年的发展，已形成了一个相对独立的研究分支，成为智能控制系统的一种设计方法，适用于线性与非线性系统、连续与离散系统、确定性与不确定性系统、集中参数与分布参数系统、集中控制与分散控制等。 神经网具有高度并行的结构、强大的学习能力、连续非线性函数逼近能力、容错能力等优点，极大地促进与拓展了神经网络技术在非线性系统辨识与控制的应用。在实际工业过程中，存在着非线性、未建模动态、不可测噪声以及多环路等问题，这些问题对控制系统设计提出了很大的挑战。 与传统的控制策略相比，神经网络在如下几个方面具有优势： （1） 神经网络对任意函数具有学习能力，神经网络的自学习能力可避免传统自适应控制理论中占有重要地位的复杂数学分析。 （2） 针对传统控制方法不能解决的高度非线性控制问题，多层神经网络的隐含层神经元采用了激活函数，它具有非线性映射功能，这种映射可以逼近任意非线性函数，为解决非线性控制问题提供了有效的解决途径。 （3） 传统自适应控制方法需要模型先验信息来设计控制方案。由于神经网络的逼近能力，控制器不要具体的模型信息，因此，神经网络控制可以广泛用于解决具有不确定模型的控制问题。 （４） 在神经网络的大规模并行处理架构下，网络的某些节点损坏并不影响整个神经网络的整体性能，有效地提高了控制系统的容错性。 有关神经网络控制理论及其工程应用，近年来已有大量的论文发表。作者多年来一直从事智能控制及应用方面的研究和教学工作，为了促进神经网络控制和自动化技术的进步，反映神经网络控制设计与应用中的最新研究成果，并使广大工程技术人员能了解、掌握和应用这...