智能控制

第一部分 序言
3.1 簡介
3.2 穩(wěn)定模糊控制器
3.3 基于粒子群優(yōu)化的設(shè)計方法
3.4 基于 HSA 的設(shè)計方法
3.5 基于隨機算法的設(shè)計方法：一種廣義方法
3.6 不同算法的比較案例研究
3.7 總結(jié)
3.3.1 基于粒子群算法的模糊控制器設(shè)計
3.3.2 設(shè)計算法
3.4.1 基于 HSA 的模糊控制器設(shè)計
3.4.2 設(shè)計算法
3.5.1 通用設(shè)計算法
3.6.1 案例研究一：含有非線性摩擦特性的直流電動機
3.6.2 案例研究二：達(dá)菲振蕩系統(tǒng)
2.1 簡介
2.2 遺傳算法（GA）
2.3 粒子群優(yōu)化（PSO）
2.4 協(xié)方差矩陣自適應(yīng)（CMA）
2.5 和諧搜索算法（HSA）
2.6 總結(jié)
1.1 現(xiàn)代控制理論之路
1.2 模糊控制概述
1.3 自適應(yīng)模糊控制綜述
1.4 自適應(yīng)模糊控制中的穩(wěn)定性問題
1.5 智能自適應(yīng)模糊控制
1.6 現(xiàn)狀
1.7 總結(jié)
1 智能自適應(yīng)模糊控制
 
3 模糊控制器設(shè)計 Ⅰ：基于隨機算法的方法
一些現(xiàn)代隨機優(yōu)化算法
第二部分 基于 Lyapunov 策略的設(shè)計方法
5.1 簡介
5.2 采用 Lyapunov 策略的混合設(shè)計方法
5.3 案例研究
5.4 總結(jié)
5.2.1 基于 Lyapunov 理論的混合級聯(lián)模型
5.2.2 基于 Lyapunov 理論的混合并發(fā)模型
5.2.3 基于 Lyapunov 理論的混合優(yōu)先模型
5.3.1 案例研究一：含有非線性摩擦特性的直流電動機
5.3.2 案例研究二：達(dá)芬振蕩系統(tǒng)
4.1 簡介
4.2 穩(wěn)定自適應(yīng)模糊控制器
4.3 基于 Lyapunov 策略的方法（LSBA）
4.4 案例研究
4.5 總結(jié)
4.3.1 設(shè)計算法
4.4.1 案例研究一：含有非線性摩擦特性的直流電動機
4.4.2 案例研究二：達(dá)芬振蕩系統(tǒng)
4 模糊控制器設(shè)計 Ⅱ：基于 Lyapunov 策略的自適應(yīng)方法
5 模糊控制器設(shè)計 III：混合自適應(yīng)方法
第三部分 基于 H∞策略的設(shè)計方法
7.1 簡介
7.2 采用 H∞策略的混合設(shè)計方法
7.3 案例研究
7.4 總結(jié)
7.2.1 基于 H∞策略的級聯(lián)模型
7.2.2 基于 H∞策略的并發(fā)模型
7.2.3 基于 H∞策略的優(yōu)先模型
7.3.1 案例研究一：含有非線性摩擦特性的直流電動機
7.3.2 案例研究二：達(dá)菲振蕩系統(tǒng)
6.1 簡介
6.2 魯棒自適應(yīng)模糊控制器
6.3 基于 H∞策略的魯棒方法（HSBRA）
6.4 案例研究
6.5 總結(jié)
6.3.1 設(shè)計算法
6.4.1 案例研究一：含有非線性摩擦特性的直流電動機
6.4.2 案例研究二：達(dá)芬振蕩系統(tǒng)
6 模糊控制器設(shè)計 IV：基于 H∞策略的魯棒方法
7 模糊控制器設(shè)計 V：魯棒混合自適應(yīng)方法
第四部分 應(yīng)用
10.1 簡介
10.2 實驗平臺硬件說明
10.3 雙連桿機械手的系統(tǒng)識別
10.4 混合自適應(yīng)模糊控制器設(shè)計
10.5 總結(jié)
10.4.1 案例研究：模擬和實驗
9.1 簡介
9.2 基于視覺的移動機器人導(dǎo)航
9.3 基于視覺的移動機器人實驗平臺
9.4 混合自適應(yīng)模糊跟蹤控制器設(shè)計
9.5 總結(jié)
9.3.1 移動機器人硬件說明
9.3.2 圖像處理技術(shù)
9.3.3 路徑規(guī)劃算法
9.4.1 模擬案例研究
9.4.2 真實機器人實驗案例研究
8.1 簡介
8.2 實驗平臺硬件說明
8.3 空氣加熱器系統(tǒng)的系統(tǒng)識別
8.4 混合自適應(yīng)模糊控制器設(shè)計
8.5 總結(jié)
8.4.1 模擬案例研究
8.4.2 實驗案例研究一
8.4.3 實驗案例研究二
8 實驗研究一：具有輸送延遲的空氣加熱器系統(tǒng)的溫度控制
9 實驗研究二：基于視覺的移動機器人導(dǎo)航
10 實驗研究三：機械手的控制
第五部分 結(jié)語
智能模糊控制的 11 個新興領(lǐng)域及未來研究方向