第1章緒論
1.1智能控制的發(fā)展

1.1.1智能控制問題的提出

1.1.2智能控制的發(fā)展

1.2智能控制的幾個主要分支

1.2.1基于知識的專家系統(tǒng)

1.2.2模糊控制

1.2.3神經(jīng)元網(wǎng)絡控制

1.2.4學習控制

1.3智能控制系統(tǒng)的構成原理

1.3.1智能控制系統(tǒng)結構

1.3.2智能控制系統(tǒng)的特點

1.3.3智能控制系統(tǒng)研究的主要數(shù)學工具

習題和思考題

第2章模糊控制論

2.1引言

2.2模糊集合論基礎

2.2.1模糊集的概念

2.2.2模糊集合的運算

2.2.3模糊集合運算的基本性質

2.2.4隸屬度函數(shù)的建立

2.2.5模糊關系

2.3模糊邏輯、模糊邏輯推理和合成

2.3.1二值邏輯

2.3.2模糊邏輯的基本運算

2.3.3模糊語言邏輯

2.3.4模糊邏輯推理

2.3.5模糊關系方程的解

2.4模糊控制系統(tǒng)的組成


2.4.1模糊化過程

2.4.2知識庫

2.4.3決策邏輯

2.4.4精確化過程

2.5模糊控制系統(tǒng)的設計

2.5.1模糊控制器的結構設計

2.5.2模糊控制器的基本類型

2.5.3模糊控制器的設計原則

2.5.4模糊控制器的常規(guī)設計方法

2.6模糊PID控制器

2.6.1模糊控制器和常規(guī)PID的混合結構

2.6.2常規(guī)PID參數(shù)的模糊自整定技術

2.7模糊控制器的應用

2.7.1流量控制的模糊控制器設計

2.7.2倒立擺的模糊控制

習題和思考題

第3章人工神經(jīng)元網(wǎng)絡控制論

3.1引言

3.1.1神經(jīng)元模型

3.1.2神經(jīng)網(wǎng)絡的模型分類

3.1.3神經(jīng)網(wǎng)絡的學習算法

3.1.4神經(jīng)網(wǎng)絡的泛化能力

3.2前向神經(jīng)網(wǎng)絡模型

3.2.1多層神經(jīng)網(wǎng)絡結構

3.2.2多層傳播網(wǎng)絡的BP學習算法

3.2.3快速的BP改進算法

3.2.4BP學習算法的MATLAB例程

3.3動態(tài)神經(jīng)網(wǎng)絡模型

3.3.1帶時滯的多層感知器網(wǎng)絡

3.3.2Hopfield神經(jīng)網(wǎng)絡

3.3.3回歸神經(jīng)網(wǎng)絡

3.4*CMAC神經(jīng)網(wǎng)絡

3.4.1小腦網(wǎng)絡的感知器模型

3.4.2CMAC的映射原理

3.4.3CMAC網(wǎng)絡的學習算法

3.5*RBF神經(jīng)網(wǎng)絡模型

3.5.1具有固定中心的RBF神經(jīng)網(wǎng)絡的訓練

3.5.2徑向基神經(jīng)網(wǎng)絡訓練的隨機梯度逼近法

3.6神經(jīng)網(wǎng)絡控制基礎

3.6.1引言

3.6.2神經(jīng)網(wǎng)絡的逼近能力

3.7非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡辨識

3.7.1神經(jīng)網(wǎng)絡的辨識基礎

3.7.2神經(jīng)網(wǎng)絡辨識模型的結構

3.7.3非線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡辨識

3.8神經(jīng)網(wǎng)絡控制的學習機制

3.8.1監(jiān)督式學習

3.8.2增強式學習

3.9神經(jīng)網(wǎng)絡控制器的設計

3.9.1神經(jīng)網(wǎng)絡直接逆模型控制法

3.9.2直接網(wǎng)絡控制法

3.9.3多神經(jīng)網(wǎng)絡自學習控制法

3.10單一神經(jīng)元控制

習題和思考題

第4章專家控制

4.1引言

4.2專家控制的基本原理

4.2.1專家控制系統(tǒng)的基本內容

4.2.2知識表達

4.2.3知識推理

4.2.4專家控制系統(tǒng)的設計

4.3專家控制應用舉例

4.3.1PID專家控制系統(tǒng)設計

4.3.2過程專家控制系統(tǒng)

4.4仿人智能控制

4.4.1仿人智能控制的引入

4.4.2仿人智能控制的基本概念

4.4.3仿人智能控制的實現(xiàn)

4.4.4仿人智能控制的應用舉例

習題和思考題

上機實驗題

第5章*分層遞階智能控制

5.1引言

5.2遞階智能控制的基本原理

5.3遞階智能控制的組織和協(xié)調

5.3.1遞階智能控制的組織級

5.3.2遞階智能控制的協(xié)調級

5.3.3遞階智能控制的執(zhí)行級

5.4分層遞階智能控制的應用舉例

5.4.1智能機器人系統(tǒng)的遞階控制

5.4.2集散遞階智能控制系統(tǒng)

習題和思考題

第6章*學習控制

6.1迭代學習控制

6.1.1迭代學習控制的基本思想

6.1.2線性時變系統(tǒng)的迭代學習控制

6.1.3一類非線性動態(tài)系統(tǒng)的迭代學習控制

6.1.4多關節(jié)機械手的迭代學習控制

6.1.5迭代學習控制面臨的挑戰(zhàn)

6.2增強學習

6.2.1增強學習的基本思想

6.2.2增強學習的主要算法

6.2.3增強學習在控制中的應用

習題和思考題

上機實驗題

第7章模糊神經(jīng)網(wǎng)絡控制與自適應神經(jīng)網(wǎng)絡

7.1模糊神經(jīng)網(wǎng)絡控制

7.1.1神經(jīng)網(wǎng)絡與模糊控制系統(tǒng)

7.1.2模糊神經(jīng)網(wǎng)絡的學習算法

7.2基于神經(jīng)元網(wǎng)絡的自適應控制

7.2.1神經(jīng)網(wǎng)絡的模型參考自適應控制

7.2.2神經(jīng)網(wǎng)絡的自校正控制

7.3*自適應神經(jīng)網(wǎng)絡結構學習

7.3.1神經(jīng)網(wǎng)絡結構設計準則

7.3.2神經(jīng)網(wǎng)絡結構設計方法

第8章進化算法

8.1引言

8.2遺傳學習原理與算法

8.2.1遺傳學習的基本思想

8.2.2遺傳學習算法的理論基礎

8.2.3遺傳學習算法的改良

8.2.4遺傳學習算法的應用

8.3*人工免疫進化算法

8.3.1免疫系統(tǒng)的基本概念

8.3.2人工免疫進化的引入和算法的提出

習題和思考題

第9章*多智能體系統(tǒng)控制

9.1引言

9.1.1多智能體系統(tǒng)的概念

9.1.2多智能體系統(tǒng)的發(fā)展

9.2多智能體系統(tǒng)的理論

9.2.1多智能體系統(tǒng)的理論模型

9.2.2多智能體系統(tǒng)的通信

9.2.3多智能體系統(tǒng)的協(xié)調與協(xié)作

9.3多智能體控制系統(tǒng)

9.3.1基于符號推理的多智能體控制系統(tǒng)

9.3.2基于行為主義的多智能體控制系統(tǒng)

9.3.3基于進化思想的多智能體控制系統(tǒng)

9.4多智能體控制系統(tǒng)的應用舉例

9.4.1多機器人控制系統(tǒng)

9.4.2交通管理系統(tǒng)

習題和思考題

上機實驗題

參考文獻