●第章緒論智能控制的發展過程2智能控制的重要分支3智能控制的特點研究工具及應用思考題與習題第2章專家繫統與專家控制2專家繫統2專家繫統概述22專家繫統的構成23專家繫統的建立22專家控制22專家控制概述222專家控制的基本原理223專家控制的關鍵技術及特點23專家PID控制23專家PID控制原理232仿真實例思考題與習題2本章附錄程序代碼第3章模糊控制的理論基礎3概述32模糊集合32模糊集合的概念322模糊集合的運算33隸屬函數34模糊關繫及其運算34模糊矩陣342模糊矩陣的運算與模糊關繫343模糊關繫的合成35模糊推理35模糊語句352模糊推理方法353模糊關繫方程思考題與習題3本章附錄程序代碼第4章模糊控制4模糊控制的基本原理4模糊控制原理42模糊控制器的組成43模糊控制繫統的工作原理44模糊控制器的結構42模糊控制繫統分類43模糊控制器的設計43模糊控制器的設計步驟432模糊控制器的Matlab仿真44模糊控制應用實例――洗衣機的模糊控制45模糊自適應PID控制45模糊自適應PID控制原理452仿真實例46TS模糊模型47基於LMI的非線性繫統TS模糊控制47TS模糊控制器的設計472倒立擺繫統的TS模糊模型473基於LMI的單級倒立擺TS模糊控制器設計474不等式的轉換475LMI設計實例476基於LMI的倒立擺TS模糊控制48模糊控制的應用49模糊控制發展概況49模糊控制發展的轉折點492模糊控制的發展方向493模糊控制面臨的主要任務思考題與習題4本章附錄程序代碼第5章自適應模糊控制5模糊逼近5模糊繫統的設計52模糊繫統的逼近精度53仿真實例52簡單的自適應模糊控制52問題描述522模糊逼近原理523控制算法設計與分析524仿真實例53間接自適應模糊控制53問題描述532控制器的設計533仿真實例54直接自適應模糊控制54問題描述542控制器的設計543自適應律的設計544仿真實例55機器人關節數學模型56基於模糊補償的機械手自適應模糊控制56繫統描述562基於模糊補償的控制563基於摩擦補償的控制564仿真實例思考題與習題5本章附錄程序代碼第6章神經網絡的理論基礎6神經網絡發展簡史62神經網絡原理63神經網絡的分類64神經網絡學習算法64Hebb學習規則642Deltaδ學習規則65神經網絡的特征及要素66神經網絡控制的研究領域思考題與習題6第7章典型神經網絡7網絡72BP網絡72BP網絡特點722BP網絡結構723BP網絡逼近724BP網絡的優缺點725BP網絡逼近仿真實例726BP網絡模式識別727BP網絡模式識別仿真實例73RBF網絡73RBF網絡結構與算法732RBF網絡設計實例733RBF網絡的逼近734高斯基函數的參數對RBF網絡逼近的影響735隱含層節點數對RBF網絡逼近的影響736控制繫統設計中RBF網絡的逼近思考題與習題7本章附錄程序代碼第8章不錯神經網絡8模糊神經網絡8模糊RBF網絡結構82基於模糊RBF網絡的逼近算法及仿真實例83模糊RBF網絡的離線建模及仿真實例82CMAC網絡82CMAC網絡概述822一種典型的CMAC網絡算法823仿真實例83Hopfield網絡83Hopfield網絡原理832基於Hopfield網絡的路徑優化思考題與習題8本章附錄程序代碼第9章神經網絡控制9概述92神經網絡控制的結構92神經網絡監督控制922神經網絡直接逆控制923神經網絡自適應控制924神經網絡內模控制925神經網絡預測控制926神經網絡自適應評判控制927神經網絡混合控制93自適應控制93自適應控制算法932仿真實例94RBF網絡監督控制94RBF網絡監督控制算法942仿真實例95RBF網絡自校正控制95神經網絡自校正控制原理952自校正控制算法953RBF網絡自校正控制算法954仿真實例96基於RBF網絡的直接模型參考自適應控制96基於RBF網絡的控制器設計962仿真實例97一種簡單的RBF網絡自適應控制97問題描述972RBF網絡自適應控制原理973控制算法設計與分析974仿真實例98基於模型不確定逼近的機器人RBF網絡自適應控制98問題的提出982模型不確定項的RBF網絡逼近983控制器的設計及分析984仿真實例99基於模型整體逼近的機器人RBF網絡自適應控制99問題的提出992針對f行逼近的控制993仿真實例90神經網絡數字控制90基本原理902仿真實例9離散繫統的RBF網絡控制9繫統描述92經典控制器設計93自適應神經網絡控制器設計94穩定性分析95仿真實例思考題與習題9本章附錄程序代碼第0章智能算法0遺傳算法的基本原理0遺傳算法的設計思想02遺傳算法的特點03遺傳算法的發展04遺傳算法的應用02遺傳算法的設計與應用02遺傳算法的構成要素022遺傳算法的應用步驟023遺傳算法求函數極大值03粒子群算法03標準粒子群算法032粒子群算法的參數設置033粒子群算法的基本流程04粒子群算法的函數優化與參數辨識04基於粒子群算法的函數優化042基於粒子群算法的參數辨識05差分進化算法05標準差分進化算法052差分進化算法的基本流程053差分進化算法的參數設置06差分進化算法的函數優化與參數辨識06基於差分進化算法的函數優化062基於差分進化算法的參數辨識思考題與習題0本章附錄程序代碼第章智能算法的應用TSP問題優化及關鍵問題2蟻群算法2蟻群算法的基本原理22基於TSP問題優化的蟻群算法23仿真實例3基於粒子群算法的TSP問題優化3TSP問題優化的粒子群算法32仿真實例4基於差分進化算法的TSP問題優化4TSP問題優化的差分進化算法42仿真實例5基於粒子群算法的航班降落調度5問題描述52優化問題的設計53仿真實例6基於差分進化算法的企業生產調度6問題描述62優化問題的設計63仿真實例思考題與習題本章附錄程序代碼第2章迭代學習控制2基本原理22基本迭代學習控制算法23迭代學習控制的關鍵技術24機械手軌跡跟蹤迭代學習控制仿真實例24控制器設計242仿真實例25線性時變連續繫統迭代學習控制25繫統描述252控制器設計及收斂性分析253仿真實例思考題與習題2本章附錄程序代碼附錄A相關數學知識參考文獻

本書較全面地介紹智能控制的基本理論、方法和應用。全書共12章，主要內容為：專家控制的基本原理和應用；模糊控制的基本原理和應用；神經網絡控制的基本原理和應用；智能算法及其應用；迭代學習控制原理及應用。本書繫統性強，突出理論聯繫實際，敘述深入淺出，適合初學者學習。書中給出了一些智能算法的Matlab仿真程序，並配有一定數量的思考題與習題。 本書可作為高等院校自動化、計算機應用、電子工程等專業研究生和高年級本科生的教材，也可供自動化領域的工程技術人員閱讀和參考。

劉金琨 著