第1章緒論

1.1智能控制的發展過程

1.1.1智能控制的提出

1.1.2智能控制的概念

1.1.3智能控制的發展

1.1.4智能控制的技術基礎

1.2智能控制的幾個重要分支

1.2.1模糊控制

1.2.2神經網絡控制

1.2.3智能搜索算法

1.3智能控制的特點、工具及應用

1.3.1智能控制的特點

1.3.2智能控制的研究工具

1.3.3智能控制的應用

思考題

參考文獻

第2章模糊控制的理論基礎

2.1概述

2.2模糊集合

2.2.1模糊集合

2.2.2模糊集合的運算

2.3隸屬函數

2.3.1隸屬函數的特點

2.3.2幾種典型的隸屬函數及其MATLAB表示

2.3.3模糊繫統的設計

2.3.4隸屬函數的確定方法

2.4模糊關繫及其運算

2.4.1模糊關繫矩陣

2.4.2模糊矩陣運算

2.4.3模糊矩陣的合成

2.5模糊推理

2.5.1模糊語句

2.5.2模糊推理

思考題

第3章模糊邏輯控制

3.1模糊控制的基本原理

3.1.1模糊控制原理

3.1.2模糊控制器的組成

3.1.3模糊控制繫統的工作原理

3.1.4模糊控制器結構

3.2模糊控制繫統分類

3.3模糊控制器的設計

3.3.1模糊控制器的設計步驟

3.3.2模糊控制器的MATLAB仿真

3.4模糊控制應用實例——洗衣機的模糊控制

3.5模糊自適應整定PID控制

3.5.1模糊自適應整定PID控制原理

3.5.2仿真實例

3.6大時變擾動下切換增益模糊調節的滑模控制

3.6.1繫統描述

3.6.2滑模控制器設計

3.6.3模糊規則設計

3.6.4仿真實例

思考題

第4章自適應模糊控制

4.1模糊逼近

4.1.1模糊繫統的設計

4.1.2模糊繫統的逼近精度

4.1.3仿真實例

4.2間接自適應模糊控制

4.2.1問題描述

4.2.2自適應模糊滑模控制器設計

4.2.3仿真實例

4.3直接自適應模糊控制

4.3.1問題描述

4.3.2模糊控制器的設計

4.3.3自適應律的設計

4.3.4仿真實例

思考題

第5章基於TS模糊建模的控制

5.1TS模糊模型

5.1.1TS模糊模型的形式

5.1.2仿真實例

5.1.3一類非線性繫統的TS模糊建模

5.2TS型模糊控制器的設計

5.3倒立擺繫統的TS模糊模型

5.4基於線性矩陣不等式的單級倒立擺TS模糊控制

5.4.1LMI不等式的設計及分析

5.4.2不等式的轉換 

5.4.3LMI設計實例

5.4.4基於LMI的倒立擺TS模糊控制

5.5基於極點配置的單級倒立擺TS模糊控制

附加資料： 新的LMI求解工具箱——YALMIP工具箱

思考題

參考文獻

第6章機械手自適應模糊控制

6.1簡單的自適應模糊滑模控制

6.1.1問題描述

6.1.2模糊逼近原理

6.1.3控制算法設計與分析

6.1.4仿真實例

6.2基於模糊補償的機械手模糊自適應滑模控制

6.2.1繫統描述

6.2.2基於傳統模糊補償的控制

6.2.3自適應控制律的設計

6.2.4基於摩擦模糊逼近的模糊補償控制

6.2.5仿真實例

6.3模糊繫統逼近的小參數學習法

6.3.1問題描述

6.3.2模糊繫統小參數逼近

6.3.3基於模糊繫統逼近的小參數自適應控制

6.3.4仿真實例

6.4基於模糊補償的機械手單參數自適應控制

6.4.1繫統描述

6.4.2基於模糊繫統逼近的小參數自適應控制

6.4.3仿真實例

附加資料

思考題

參考文獻

第7章神經網絡理論基礎

7.1神經網絡發展簡史

7.2神經網絡原理

7.3神經網絡的分類

7.4神經網絡學習算法

7.4.1Hebb學習規則

7.4.2Delta(δ)學習規則

7.5神經網絡的特征及要素

7.5.1神經網絡特征

7.5.2神經網絡三要素

7.6神經網絡控制的研究領域

思考題

第8章典型神經網絡

8.1網絡

8.2BP神經網絡

8.3RBF神經網絡

8.3.1網絡結構

8.3.2控制繫統設計中RBF網絡的逼近

8.4Hopfield神經網絡

思考題

參考文獻

第9章自適應RBF神經網絡控制

9.1一階繫統神經網絡自適應控制

9.1.1繫統描述

9.1.2滑模控制器設計

9.1.3仿真實例

9.1.4一階繫統自適應RBF控制

9.1.5仿真實例

9.2二階繫統自適應RBF神經網絡控制

9.2.1繫統描述

9.2.2基於RBF網絡逼近f(x)的滑模控制 

9.2.3仿真實例

9.3基於RBF網絡的單參數直接魯棒自適應控制

9.3.1繫統描述

9.3.2控制律和自適應律設計

9.3.3仿真實例

思考題

參考文獻

第10章基於RBF網絡的輸入輸出受限控制

10.1控制繫統位置輸出受限控制

10.1.1輸出受限引理

10.1.2繫統描述

10.1.3控制器的設計

10.1.4仿真實例

10.2基於RBF網絡的狀態輸出受限控制

10.2.1繫統描述

10.2.2RBF網絡原理

10.2.3控制器的設計

10.2.4仿真實例

10.3基於雙曲正切的輸入受限控制

10.3.1雙曲函數及性質

10.3.2定理及分析

10.3.3基於雙曲正切的輸入受限控制

10.3.4仿真實例

10.4基於RBF網絡逼近的輸入受限控制

10.4.1繫統描述

10.4.2RBF神經網絡逼近

10.4.3控制器的設計及分析

10.4.4仿真實例

思考題

參考文獻

第11章基於RBF神經網絡的執行器自適應容錯控制

11.1執行器容錯控制描述

11.2SISO繫統執行器自適應容錯控制

11.2.1控制問題描述

11.2.2控制律的設計與分析

11.2.3仿真實例

11.3基於RBF網絡的SISO繫統執行器自適應容錯控制

11.3.1控制問題描述

11.3.2RBF神經網絡設計

11.3.3控制律的設計與分析

11.3.4仿真實例

11.4MISO繫統執行器自適應容錯控制

11.4.1控制問題描述

11.4.2控制律的設計與分析

11.4.3仿真實例

11.5MISO繫統執行器自適應神經網絡容錯控制

11.5.1控制問題描述

11.5.2RBF神經網絡設計

11.5.3控制律的設計與分析

11.5.4仿真實例

11.6帶執行器卡死的MISO繫統自適應容錯控制

11.6.1控制問題描述

11.6.2控制律的設計與分析

11.6.3仿真實例

11.7帶執行器卡死的MISO繫統神經網絡自適應容錯控制

11.7.1控制問題描述

11.7.2RBF神經網絡設計

11.7.3控制律的設計與分析

11.7.4仿真實例

附加資料

思考題

參考文獻

第12章機械繫統神經網絡自適應控制

12.1一種簡單的RBF網絡自適應滑模控制

12.1.1問題描述

12.1.2RBF網絡原理

12.1.3控制算法設計與分析

12.1.4仿真實例

12.2基於RBF網絡逼近的機械手自適應控制

12.2.1問題的提出

12.2.2基於RBF神經網絡逼近的控制器

12.2.3仿真實例

12.3基於RBF網絡的小參數自適應控制

12.3.1問題描述

12.3.2基於RBF網絡逼近的小參數自適應控制

12.3.3仿真實例

12.4機械手神經網絡單參數自適應控制

12.4.1問題的提出

12.4.2神經網絡設計

12.4.3控制器設計

12.4.4仿真實例

12.5一類欠驅動機械繫統神經網絡滑模控制

12.5.1繫統描述

12.5.2RBF網絡原理

12.5.3滑模控制律的設計

12.5.4收斂性分析

12.5.5仿真實例

附加資料

思考題

參考文獻

第13章基於RBF網絡的反演自適應控制

13.1一種三階非線性繫統的反演控制

13.1.1繫統描述

13.1.2反演控制器設計

13.1.3仿真實例

13.2基於RBF網絡的三階非線性繫統反演控制

13.2.1繫統描述

13.2.2RBF網絡原理

13.2.3神經網絡反演控制器設計

13.2.4仿真實例

思考題

參考文獻

第14章基於LMI的神經網絡自適應控制

14.1基於LMI的控制

14.1.1繫統描述

14.1.2控制器的設計與分析

14.1.3仿真實例

14.2基於LMI的神經網絡自適應控制

14.2.1繫統描述

14.2.2RBF神經網絡設計

14.2.3控制器的設計與分析

14.2.4仿真實例

14.3基於LMI的神經網絡自適應跟蹤控制

14.3.1繫統描述

14.3.2仿真實例

思考題

第15章智能優化算法

15.1遺傳算法及其應用

15.1.1遺傳算法的基本原理

15.1.2遺傳算法的特點

15.1.3遺傳算法的應用領域

15.1.4遺傳算法的優化設計

15.1.5基於遺傳算法的函數優化

15.2基於遺傳算法的TSP優化

15.2.1TSP的編碼

15.2.2TSP的遺傳算法設計

15.2.3仿真實例

15.3粒子群優化算法

15.3.1粒子群算法基本原理

15.3.2算法流程

15.3.3基於粒子群算法的函數優化

15.4標準差分進化算法

15.4.1差分進化算法的基本流程

15.4.2差分進化算法的參數設置

15.4.3基於差分進化算法的函數優化

15.5基於差分進化軌跡規劃的PD控制

15.5.1問題的提出

15.5.2一個簡單的樣條插值實例

15.5.3軌跡的設計

15.5.4軌跡的優化

15.5.5仿真實例

15.6基於Hopfield網絡的路徑優化

15.6.1TSP問題

15.6.2求解TSP問題的Hopfield神經網絡設計

15.6.3仿真實例

思考題

參考文獻

第16章智能優化算法在參數辨識中的應用

16.1柔性機械手動力學模型參數辨識

16.1.1柔性機械手模型描述

16.1.2仿真實例

16.2飛行器縱向模型參數辨識

16.2.1問題描述

16.2.2仿真實例

16.3VTOL飛行器參數辨識

16.3.1VTOL飛行器參數辨識問題

16.3.2基於粒子群算法的參數辨識

16.3.3基於差分進化算法的VTOL飛行器參數辨識

16.4四旋翼飛行器建模與參數辨識

16.4.1四旋翼飛行器動力學模型

16.4.2動力學模型的變換

16.4.3參數的辨識

16.4.4基於粒子群算法參數辨識

16.4.5基於差分進化算法參數辨識

思考題

參考文獻

第17章神經網絡自適應協調控制

17.1主輔電機協調魯棒控制

17.1.1繫統描述

17.1.2控制律設計與分析

17.1.3仿真實例

17.2基於神經網絡的主輔電機協調控制

17.2.1繫統描述

17.2.2RBF網絡的設計

17.2.3控制律設計與分析

17.2.4仿真實例

思考題

參考文獻

智能控制是自動控制領域的前沿學科之一。它是一門綜合性很強的多學科交叉的新興學科，被稱為自動控制理論發展的第三階段。智能控制的發展為解決復雜的非線性、不確定繫統的控制問題開闢了新的途徑。
有關智能控制理論及其工程應用，近年來已有大量的論文發表。作者多年來一直從事控制理論及應用方面的教學和研究工作，為了促進智能控制和自動化技術的進步，反映智能控制設計與應用中的研究成果，並使廣大研究人員和工程技術人員能了解、掌握和應用這一領域的技術，學會用MATLAB語言進行各種智能控制算法的分析和設計，作者編寫了本書，供廣大讀者學習和參考。
本書共分為17章，第1章緒論，著重介紹智能控制的產生和發展以及智能控制的基本概念； 第2章介紹模糊控制的理論基礎； 第3章介紹模糊邏輯控制的基本原理及模糊控制器的設計方法； 第4章介紹模糊逼近的基本原理及自適應模糊控制器的設計方法； 第5章介紹TS模糊建模方法和TS型模糊控制器的設計方法； 第6章以機械手為被控對像，介紹模糊自適應控制算法的設計和分析方法； 第7章介紹神經網絡控制的理論基礎； 第8章介紹幾種典型的神經網絡，包括網絡、BP神經網絡、RBF神經網絡和Hopfield神經網絡； 第9章介紹基於RBF神經網絡的自適應控制算法和分析方法； 第10章介紹基於RBF網絡的輸入輸出受限控制設計方法； 第11章介紹基於RBF神經網絡的執行器自適應容錯控制算法設計和分析方法； 第12章以機械手為例，介紹神經網絡自適應控制設計方法； 第13章介紹基於RBF網絡的反演自適應控制設計方法； 第14章介紹基於LMI的神經網絡自適應控制設計方法； 第15章介紹幾種智能優化算法； 第16章介紹智能優化算法在參數辨識中的應用； 第17章介紹基於神經網絡的主輔電機的協調控制。
本書是在總結作者多年研究成果的基礎上，進一步理論化、繫統化、規範化、實用化而成，其特點如下： 
（1） 控制算法取材新穎，內容先進，重點放在了學科交叉部分的前沿研究和介紹一些有潛力的新思想、新方法和新技術，取材著重於基本概念、基本理論和基本方法。
（2） 針對每種控制算法給出了完整的MATLAB仿真程序，並給出了程序的說明和仿真結果，具有很強的可讀性。
（3） 著重從應用領域角度出發，突出理論聯繫實際，面向廣大工程技術人員，具有很強的工程性和實用性。例如，書中為了介紹一些智能控制算法的設計和分析方法，以機械繫統、電機、倒立擺、飛行器等為被控對像來輔助說明。
（4） 所給出的各種控制算法完整，程序設計、結構設計力求簡單明了，便於自學和進一步開發。
本書是在電子工業出版社出版的北京航空航天大學本科生教材《智能控制》(第四版)的基礎上改編而成的。為了適合相關專業高年級本科生和研究生的教學需要，本書的選材更加著重於基礎性和實用性。為了更好地介紹智能控制理論和應用的發展，書中增加了一些新的智能控制理論和實際應用內容,主要包括TS模糊控制器設計與分析、單參數模糊自適應控制、單參數神經網絡自適應控制、RBF網絡輸入輸出受限控制、RBF網絡執行器自適應容錯控制、RBF網絡反演自適應控制和基於LMI的神經網絡自適應控制及參數辨識的智能優化算法。
由於篇幅所限，書中有些程序未列出，讀者可從所提供的網站上下載。由於作者水平有限，書中難免有一些不足和疏漏之處，歡迎廣大讀者批評指正。
編者2019年10月於北京航空航天大學

仿真程序使用說明
1. 所有仿真算法按章歸類，下載的程序名與書中一一對應。
2. 將下載的仿真程序復制到硬盤MATLAB運行的路徑中，便可仿真運行。
3. 本書算法在當前MATLAB高級版本下運行成功，並適用於其他更高級版本。

（掃碼下載源程序與課件）

注： 本書的示例采用英文版MATLAB軟件仿真，所以書中仿真圖形中的文字為英文，不區分物理量正體與斜體，與代碼中的物理量一致。