●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
5.1 T-S模糊模型
5.1.1 T-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
5.2 T-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
5.4.1 LMI不等式的設計及分析
5.4.2 不等式的轉換
5.4.3 LMI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 模糊繫統逼近的最小參數學習法
6.3.1 問題描述
6.3.2 模糊繫統最小參數逼近
6.3.3 基於模糊繫統逼近的最小參數自適應控制
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最小參數自適應控制
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
7.4.1 Hebb學習規則
7.4.2 Delta(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
8.2 BP神經網絡
8.3 RBF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
8.4 Hopfield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
10.2.2 RBF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
10.4.2 RBF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
11.2 SISO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
11.3.2 RBF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
11.4 MISO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
11.5 MISO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
11.5.2 RBF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
11.7.2 RBF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
12.1.2 RBF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網絡的最小參數自適應控制
12.3.1 問題描述
12.3.2 基於RBF網絡逼近的最小參數自適應控制
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
12.5.2 RBF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
13.2.2 RBF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
14.2.2 RBF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
15.2.1 TSP的編碼
15.2.2 TSP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 基於差分進化很優軌跡規劃的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 很優軌跡的設計
15.5.4 很優軌跡的優化
15.5.5 仿真實例
15.6 基於Hopfield網絡的路徑優化
15.6.1 TSP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
16.3 VTOL飛行器參數辨識
16.3.1 VTOL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
17.2.2 RBF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
