智能控制

第1章 結論
1.1 智能控制的發(fā)展過程
1.2 智能控制的幾個重要分支
1.3 智能控制的特點、研究工具
第2章 專家控制
2.1 專家系統(tǒng)
2.1.1 專家系統(tǒng)概述
2.1.2 專家系統(tǒng)的構成
2.1.3 專家系統(tǒng)的建立
2.2 專家控制
2.2.1 專家控制概述
2.2.2 專家控制的基本原理
2.2.3 專家控制的關鍵技術及特點
2.3 專家PID控制
2.3.1 專家PID控制原理
2.3.2 仿真實例
思考題與習題
第3章 模糊控制的理論基礎
3.1 概述
3.2 模糊集合
3.2.1 模糊集合的概念
3.2.2 模糊集合的運算
3.3 隸屬函數(shù)
3.4 模糊關系及其運算
3.4.1 模糊矩陣
3.4.2 模糊矩陣的運算
3.4.3 模糊矩陣的合成
3.5 模糊推理
3.5.1 模糊語句
3.5.2 模糊推理
3.5.3 模糊關系方程
思考題與習題
附錄（程序代碼）
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 模糊控制器的組成
4.1.3 模糊控制系統(tǒng)的工作原理
4.1.4 模糊控制器的結構
4.2 模糊控制系統(tǒng)分類
4.3 模糊控制器的設計
4.3.1 模糊控制器的設計步驟
4.3.2 模糊控制器的Matlab仿真
4.4 模糊控制應用實例——洗衣機的模糊控制
4.5 模糊自適應整定PID控制
4.5.1 模糊自適應整定PID控制原理
4.5.2 仿真實例
4.6 Sugeno模糊模型
4.7 基于Sugeno模糊模型的倒立擺模糊控制
4.7.1 倒立擺模型的局部線性化
4.7.2 仿真實例
4.8 模糊控制的應用
4.9 模糊控制發(fā)展概況
4.9.1 模糊控制發(fā)展的幾個轉(zhuǎn)折點
4.9.2 模糊控制的發(fā)展方向
4.9.3 模糊控制面臨的主要任務
思考題與習題
附錄（程序代碼）
第5章  自適應模糊控制
5.1 模糊逼近
5.1.1 模糊系統(tǒng)的設計
5.1.2 模糊系統(tǒng)的逼近精度
5.1.3 仿真實例
5.2 間接自適應模糊控制
5.2.1 問題描述
5.2.2 控制器的設計
5.2.3 仿真實例
5.3 直接自適應模糊控制
5.3.1 問題描述
5.3.2 控制器的設計
5.3.3 自適應律的設計
5.3.4 仿真實例
思考題與習題
附錄（程序代碼）
第6章 神經(jīng)網(wǎng)絡的理論基礎
6.1 神經(jīng)網(wǎng)絡發(fā)展簡史
6.2 神經(jīng)網(wǎng)絡原理
6.3 神經(jīng)網(wǎng)絡的分類
6.4 神經(jīng)網(wǎng)絡學習算法
6.4.1 Hebb學習規(guī)則
6.4.2 Delta(δ)學習規(guī)則
6.5 神經(jīng)網(wǎng)絡的特征及要素
6.6 神經(jīng)網(wǎng)絡控制的研究領域
思考題與習題
第7章 典型神經(jīng)網(wǎng)絡
7.1 單神經(jīng)元網(wǎng)絡
7.2 BP神經(jīng)網(wǎng)絡
7.2.1 BP網(wǎng)絡特點
7.2.2 BP網(wǎng)絡結構
7.2.3 BP網(wǎng)絡的逼近
7.2.4 BP網(wǎng)絡的優(yōu)缺點
7.2.5 BP網(wǎng)絡逼近仿真實例
7.2.6 BP網(wǎng)絡模式識別
7.2.7 BP網(wǎng)絡模式識別仿真實例
7.3 RBF神經(jīng)網(wǎng)絡
7.3.1 RBF網(wǎng)絡結構
7.3.2 RBF網(wǎng)絡的逼近
7.3.3 RBF網(wǎng)絡逼近仿零點實例
7.4 回歸神經(jīng)網(wǎng)絡
7.4.1 DRNN網(wǎng)絡結構
7.4.2 DRNN網(wǎng)絡的逼近
7.4.3 DRNN網(wǎng)絡逼近仿真實例
思考題
附錄（程序代碼）
第8章 高級神經(jīng)網(wǎng)絡
8.1 模糊RBF網(wǎng)絡
8.1.1 網(wǎng)絡結構
8.1.2 基于模糊RBF網(wǎng)絡的逼近算法
8.1.3 仿真實例
8.2 pi-sigma神經(jīng)網(wǎng)絡
8.2.1 高木-關野模糊系統(tǒng)
8.2.2 混合型pi-sigma神經(jīng)網(wǎng)絡
8.2.3 仿真實例
8.3 小腦模型神經(jīng)網(wǎng)絡
8.3.1 CMAC概述
8.3.2 一種典型CMAC算法
8.3.3 仿真實例
8.4 Hopfield網(wǎng)絡
8.4.1 Hopfield網(wǎng)絡原理
8.4.2 基于Hopfield的自適應控制
思考題與習題
附錄（程序代碼）
第9章 神經(jīng)網(wǎng)絡控制
9.1 概述
9.2 神經(jīng)網(wǎng)絡控制的結構
9.2.1 神經(jīng)網(wǎng)絡監(jiān)督控制
9.2.2 神經(jīng)網(wǎng)絡直接逆控制
9.2.3 神經(jīng)網(wǎng)絡自適應控制
9.2.4 神經(jīng)網(wǎng)絡內(nèi)模控制判控制
9.2.5 神經(jīng)網(wǎng)絡預測控制
9.2.6 神經(jīng)網(wǎng)絡自適應評
9.2.7 神經(jīng)網(wǎng)絡混合控制
9.3 單神經(jīng)元自適應控制
9.3.1 單神經(jīng)元自適應控制算法
9.3.2 仿真實例
9.4 RBF網(wǎng)絡監(jiān)督控制
9.4.1 RBF網(wǎng)絡監(jiān)督控制算法
9.4.2 仿真實例
9.5 RBF網(wǎng)絡自校正控制
9.5.1 神經(jīng)網(wǎng)絡自校正控制原理
9.5.2 自校正控制算法
9.5.3 RBF網(wǎng)絡自校正控制算法
9.5.4 仿真實例 
9.6 基于RBF網(wǎng)絡直接模型參考自適應控制
9.6.1 基于RBF網(wǎng)絡的控制器設計
9.6.2 仿真實例
思考題與習題
附錄（程序代碼）
第10章 遺傳算法及其應用
10.1 遺傳算法的基本原理
10.2 遺傳算法的特點
10.3 遺傳算法的發(fā)展及應用
10.3.1 遺傳算法的發(fā)展
10.3.2 遺傳算法的應用
10.4 遺傳算法的優(yōu)化設計
10.4.1 遺傳算法的構成要素
10.4.2 遺傳算法的應用步驟
10.5 遺傳算法求函數(shù)極大值
10.5.1 二進制編碼遺傳算法求函數(shù)極大值
10.5.2 實數(shù)編碼遺傳算法求函數(shù)極大值
10.6 基于遺傳算法優(yōu)化的RBF網(wǎng)絡逼近
10.6.1 遺傳算法優(yōu)化原理
10.6.2 仿真實例
思考題與習題
附錄（程序代碼）
參考文獻