第1章绪论

1.1智能控制的发展历史

1.2智能控制的定义和特点

1.2.1智能控制的定义

1.2.2智能控制的特点

1.3智能控制的结构理论

1.3.1二元结构论

1.3.2三元结构论

1.3.3四元结构论

1.3.4多元结构或者树形结构

1.4智能控制与传统控制的关系

1.5智能控制的研究对象

1.6智能控制的类型

1.6.1分级递阶控制系统

1.6.2专家控制系统

1.6.3人工神经网络控制系统

1.6.4模糊控制系统

1.6.5遗传算法与控制理论相结合

1.6.6免疫算法控制

1.6.7仿人智能控制

1.6.8学习控制系统

1.6.9混沌控制

1.7智能控制的应用

1.7.1智能控制在机器人技术中的应用

1.7.2智能控制在机械制造中的应用

1.7.3智能控制在电力电子学研究领域中的应用

1.7.4智能控制在工业过程中的应用

1.7.5智能控制在农业生产中的应用

1.7.6智能控制在广义控制领域中的应用

1.8本章小结

参考文献

 智能控制理论及应用目录 第2章模糊控制

2.1模糊控制概述

2.1.1模糊控制器设计步骤

2.1.2性能评价

2.1.3应用领域

2.2模糊控制的数学基础

2.2.1语言变量、语言值和规则

2.2.2模糊集合、模糊规则和模糊推理

2.2.3解模糊

2.3一个示范例子的介绍

2.3.1模糊控制器的输入和输出的选择

2.3.2把控制知识融入规则中

2.3.3知识的模糊量化

2.3.4匹配： 决定用哪一条规则

2.3.5结论步骤： 确定结论

2.3.6把结论转换成控制作用

2.3.7模糊决策的图形描述

2.4TakagiSugeno模糊系统

2.4.1TakagiSugeno模糊系统

2.4.2模糊系统是通用近似器

2.4.3广义TS模糊模型

2.5基于MATLAB的智能控制系统设计与仿真

2.5.1模糊逻辑工具箱

2.5.2基于MATLAB的模糊控制系统设计与仿真

2.6模糊系统的非线性分析

2.6.1模糊控制器的参数化

2.6.2李雅普诺夫稳定性分析

2.6.3绝对稳定性和圆判据

2.6.4稳态跟踪误差的分析

2.6.5描述函数分析方法

2.6.6滑模变结构方法

2.6.7小增益理论

2.6.8相平面分析法

2.7热处理系统的温度模糊控制

2.8本章小结

习题

参考文献

第3章模糊建模和模糊辨识

3.1引言

3.2模糊模型的类型与分割形式

3.2.1Mamdani模糊模型

3.2.2TakagiSugeno模糊系统

3.2.3Tsukamoto模糊模型

3.2.4模糊模型的分割形式

3.3模糊系统的通用近似特性

3.3.1模糊基函数

3.3.2模糊系统的通用逼近性

3.3.3用于函数近似的模糊系统求解

3.4模糊辨识的数据选择

3.5模糊辨识和估计的最小二乘算法

3.5.1成批最小二乘算法

3.5.2递推最小二乘算法

3.5.3模糊系统的调整

3.5.4模糊系统的成批最小二乘训练

3.5.5模糊系统的递推最小二乘训练

3.6模糊辨识和估计的梯度法

3.6.1标准模糊系统的训练

3.6.2TS模糊系统的训练

3.6.3动量项和步长大小

3.6.4牛顿（Newton）和高斯牛顿（GaussNewton）方法

3.7模糊的聚类法

3.7.1优化输出预解模糊的聚类方法

3.7.2最近邻聚类法

3.8复合法

3.8.1混合初始化/训练

3.8.2混合条件/结论训练

3.8.3混合交叉训练

3.9本章小结

习题

参考文献

第4章神经网络控制

4.1神经网络理论概述

4.1.1神经网络的发展历史

4.1.2神经网络原理

4.1.3神经网络的特点

4.1.4神经网络结构

4.1.5神经网络的学习

4.2前馈神经网络

4.2.1感知器

4.2.2BP神经网络

4.2.3RBF神经网络

4.2.4LVQ神经网络

4.3反馈神经网络

4.3.1Hopfield网络概述

4.3.2离散型Hopfield网络

4.3.3连续型Hopfield网络

4.3.4Boltzmann机网络

4.3.5Kohonen网络

4.3.6自适应谐振理论（ART）网络

4.3.7模糊自适应共振理论网络

4.4神经网络控制

4.4.1神经网络控制的基本思想

4.4.2直接逆动态控制

4.4.3神经网络自适应控制

4.4.4神经网络PID控制

4.4.5神经网络内模控制

4.4.6神经网络模型预测控制

4.5本章小结

习题

参考文献

第5章模糊神经网络

5.1引言

5.2模糊系统与神经网络的融合方式

5.2.1基于模糊技术的神经网络

5.2.2基于神经网络的模糊系统

5.2.3模糊逻辑与神经网络在结构上的融合

5.3模糊神经网络学习算法研究

5.4自适应神经网络模糊推理系统(ANFIS)

5.4.1自适应网络

5.4.2自适应神经模糊推理系统

5.4.3基于多模型的气动执行器故障诊断

5.5基于TS模糊模型的递归神经网络及其在系统辨识中的应用

5.5.1基于TS模糊模型的递归神经网络

5.5.2基于TS模糊模型的递归神经网络在系统辨识中的应用

5.5.3仿真实例

5.6本章小结

习题

参考文献

第6章专家系统

6.1概述

6.1.1专家系统的概念

6.1.2专家系统的结构

6.1.3专家系统的特点与分类

6.1.4专家系统的建立步骤

6.2专家控制系统

6.2.1专家控制系统的结构与工作原理

6.2.2实时专家控制系统

6.2.3专家控制器

6.2.4PID专家控制器应用实例

6.2.5专家控制系统的稳定性

6.3模糊专家系统

6.3.1模糊专家系统的基本结构

6.3.2建立模糊专家系统

6.3.3模糊专家系统应用实例1——基于模糊专家系统的

电针灸器的设计

6.3.4模糊专家系统应用实例2——智能水下机器人

自救模糊专家系统

6.4神经网络专家系统

6.4.1神经网络与专家系统的集成

6.4.2神经网络专家系统的基本结构

6.4.3神经网络专家系统的知识库

6.4.4神经网络专家系统的推理机制

6.4.5神经网络专家系统的解释机制

6.4.6神经网络专家系统的实例——基于神经网络专家系统的火电厂

锅炉在线故障诊断

6.5本章小结

习题

参考文献

第7章遗传算法

7.1遗传算法概述

7.1.1遗传算法的发展概况

7.1.2遗传算法的生物学基础

7.1.3遗传算法的特点

7.2遗传算法的基本操作

7.2.1复制

7.2.2交叉

7.2.3变异

7.3遗传算法的理论基础

7.3.1模式定理

7.3.2积木块假说

7.3.3内在并行性

7.3.4Walsh模式变换

7.3.5编码

7.3.6适应度函数及其尺度变换

7.4遗传算法的实现及改进算法

7.4.1遗传算法的实现

7.4.2改进的遗传算法

7.5遗传算法和其他智能控制技术的融合

7.5.1遗传算法和模糊控制的融合

7.5.2遗传算法和神经网络的融合

7.6遗传算法的应用

7.7本章小结

习题

参考文献

第8章蚁群算法

8.1概述

8.1.1蚁群的群体行为

8.1.2蚁群算法的特点

8.2基本蚁群算法

8.2.1蚁群算法的原理

8.2.2蚁群算法的实现

8.3蚁群算法参数选择

8.3.1蚁群算法参数对其性能的影响

8.3.2蚁群算法参数选择方法

8.4改进的蚁群算法

8.4.1AntQ蚁群算法

8.4.2ACS算法

8.4.3最大最小蚂蚁系统

8.4.4自适应蚁群算法

8.4.5其他改进算法

8.5蚁群算法的应用实例

8.5.1基于蚁群算法的PID参数优化过程

8.5.2计算机仿真结果

8.6本章小结

习题

参考文献

第9章DNA计算与基于DNA的软计算

9.1DNA计算

9.1.1概述

9.1.2DNA的结构

9.1.3DNA计算的原理

9.2DNA计算与其他软计算的集成

9.2.1DNA计算与遗传算法的集成

9.2.2DNA计算与模糊系统的集成

9.2.3DNA计算与神经网络的集成

9.3本章小结

习题

参考文献

第10章其他智能控制

10.1免疫控制

10.1.1免疫及免疫算法简介

10.1.2常用的免疫算法

10.1.3免疫控制

10.1.4免疫控制应用实例

10.2仿人智能控制

10.2.1仿人智能控制的基本思想和基本概念

10.2.2仿人智能控制系统结构

10.2.3仿人智能控制算法

10.3混沌控制

10.3.1混沌概述

10.3.2混沌控制方法

10.3.3混沌控制应用

10.4本章小结

习题

参考文献