●第1章緒論
1.1自動控制的起源
1.2傳統控制面臨的問題與挑戰
1.3人控制器給控制理論的啟示
1.4智能控制基礎
1.4.1智能控制的定義
1.4.2智能控制繫統的基本結構
1.4.3智能控制的主要研究內容
1.4.4智能控制與傳統控制的關繫
1.5本書的主要內容
第2章專家繫統
2.1專家繫統概述
2.1.1什麼是專家繫統
2.1.2建立專家繫統的目的和意義
2.1.3專家繫統的結構
2.2知識的表示與獲取
2.2.1基本概念
2.2.2知識的表示
2.2.3知識的獲取
2.3不確定推理
2.3.1知識的不確定性
2.3.2不確定推理
2.4搜索策略
2.4.1搜索技術概述
2.4.2搜索技術分類
2.4.3搜索效率的評價
2.4.4狀態空間的搜索策略
2.4.5與／或樹的搜索策略
2.5專家繫統應用案例
2.5.1概述
2.5.2知識表示
2.5.3推理機制
2.5.4繫統特點及繫統效果
本章小結
第3章專家控制繫統
3.1專家控制繫統概述
3.1.1專家控制繫統的特點
3.1.2專家控制繫統的類型
3.2專家控制繫統的原理
3.2.1專家控制的功能目標
3.2.2控制作用的實現
3.2.3設計規範和運行機制
3.3專家控制繫統的結構
3.3.1專家控制繫統的基本結構
3.3.2專家控制繫統的具體結構
3.4直接專家控制繫統
3.4.1直接專家控制器的一般結構
3.4.2專家控制器的設計原則
3.4.3專家控制器的繫統實現
3.5間接專家控制繫統
3.6專家控制繫統應用案例
3.6.1工業燃煤鍋爐燃燒控制的特點與難點
3.6.2鍋爐燃燒過程專家控制規則集、知識庫及推理機
本章小結
第4章模糊控制
4.1模糊控制的基本思想
4.2模糊控制的數學基礎
4.2.1模糊集合的定義及表示方法
4.2.2模糊集合的運算
4.2.3隸屬函數
4.2.4模糊關繫及其運算
4.2.5模糊推理
4.3模糊控制原理
4.3.1模糊控制的基本原理
4.3.2模糊控制器的設計步驟
4.3.3模糊自適應整定PID控制
4.4模糊控制應用實例
4.4.1水位模糊控制
4.4.2間歇聚丙烯生產的智能控制
本章小結
第5章神經網絡控制
5.1神經網絡的基本概念
5.1.1生模型
5.1.2人工神經網絡
5.1.3神經網絡常用的激發函數
5.1.4神經網絡的分類
5.1.5神經網絡學習方法
5.2神經網絡模型
5.2.1感知器
5.2.2BP神經網絡
5.2.3徑向基函數網絡
5.2.4反饋神經網絡
5.3神經網絡控制繫統
5.3.1神經網絡控制繫統概述
5.3.2神經網絡控制器的設計方法
5.3.3神經網絡辨識器的設計方法
5.4神經網絡控制應用實例
5.4.1生化過程神經網絡控制
5.4.2軋鋼機鋼板厚度的非線性神經網絡控制
本章小結
第6章仿人智能控制
6.1仿人智能控制的基本原理
6.2仿人智能控制器的原型
6.2.1基本算法和靜特性
6.2.2動態特性分析
6.2.3仿人智能控制器原型中的智能屬性
6.3仿人智能控制繫統的設計方法
6.3.1仿人智能控制繫統的性能指標
6.3.2被控對像的“類等效”簡化模型
6.3.3被控對像的模型處理
6.3.4仿人智能控制器設計的基本步驟
6.3.5仿人智能控制的多種模式
6.4幾類常見的仿人智能控制器
6.4.1仿人智能開關控制器
6.4.2仿人比例控制器
6.4.3仿人智能積分控制器
6.5pH過程的仿人智能控制
6.5.1pH仿人智能控制器的設計
6.5.2仿真實驗及結果
本章小結
第7章智能決策支持繫統
7.1決策支持繫統的內涵
7.1.1決策支持繫統的概念
7.1.2決策支持繫統的組成與繫統結構
7.2智能決策支持繫統的內涵
7.2.1智能決策支持繫統的基本概念
7.2.2智能決策支持繫統的結構及特點
7.2.3智能決策支持繫統的特性和功能
7.3智能決策的主要方法
7.3.1機器學習
7.3.2軟計算方法
7.3.3數據倉庫和數據挖掘
7.3.4基於範例推理
7.4智能決策支持繫統在交通事故管理上的應用
7.4.1適用性分析
7.4.2模型庫的設計
7.4.3數據庫的設計
7.4.4知識庫的設計
7.4.5推理機的設計
7.4.6繫統實現分析
本章小結
第8章現代優化方法在智能決策中的應用
8.1進化算法
8.1.1進化算法的基本框架
8.1.2遺傳算法
8.1.3差分進化算法
8.1.4進化算法在優化決策中的應用
8.2粒子群算法
8.2.1基本粒子群算法
8.2.2粒子群算法的改進
8.2.3粒子群算法在優化決策中的應用
8.3模擬退火算法
……
