智能控制

第1章 結(jié)論
1.1 智能控制的發(fā)展過(guò)程
1.2 智能控制的幾個(gè)重要分支
1.3 智能控制的特點(diǎn)、研究工具
第2章 專(zhuān)家控制
2.1 專(zhuān)家系統(tǒng)
2.1.1 專(zhuān)家系統(tǒng)概述
2.1.2 專(zhuān)家系統(tǒng)的構(gòu)成
2.1.3 專(zhuān)家系統(tǒng)的建立
2.2 專(zhuān)家控制
2.2.1 專(zhuān)家控制概述
2.2.2 專(zhuān)家控制的基本原理
2.2.3 專(zhuān)家控制的關(guān)鍵技術(shù)及特點(diǎn)
2.3 專(zhuān)家PID控制
2.3.1 專(zhuān)家PID控制原理
2.3.2 仿真實(shí)例
思考題與習(xí)題
第3章 模糊控制的理論基礎(chǔ)
3.1 概述
3.2 模糊集合
3.2.1 模糊集合的概念
3.2.2 模糊集合的運(yùn)算
3.3 隸屬函數(shù)
3.4 模糊關(guān)系及其運(yùn)算
3.4.1 模糊矩陣
3.4.2 模糊矩陣的運(yùn)算
3.4.3 模糊矩陣的合成
3.5 模糊推理
3.5.1 模糊語(yǔ)句
3.5.2 模糊推理
3.5.3 模糊關(guān)系方程
思考題與習(xí)題
附錄（程序代碼）
第4章 模糊控制
4.1 模糊控制的基本原理
4.1.1 模糊控制原理
4.1.2 模糊控制器的組成
4.1.3 模糊控制系統(tǒng)的工作原理
4.1.4 模糊控制器的結(jié)構(gòu)
4.2 模糊控制系統(tǒng)分類(lèi)
4.3 模糊控制器的設(shè)計(jì)
4.3.1 模糊控制器的設(shè)計(jì)步驟
4.3.2 模糊控制器的Matlab仿真
4.4 模糊控制應(yīng)用實(shí)例——洗衣機(jī)的模糊控制
4.5 模糊自適應(yīng)整定PID控制
4.5.1 模糊自適應(yīng)整定PID控制原理
4.5.2 仿真實(shí)例
4.6 Sugeno模糊模型
4.7 基于Sugeno模糊模型的倒立擺模糊控制
4.7.1 倒立擺模型的局部線性化
4.7.2 仿真實(shí)例
4.8 模糊控制的應(yīng)用
4.9 模糊控制發(fā)展概況
4.9.1 模糊控制發(fā)展的幾個(gè)轉(zhuǎn)折點(diǎn)
4.9.2 模糊控制的發(fā)展方向
4.9.3 模糊控制面臨的主要任務(wù)
思考題與習(xí)題
附錄（程序代碼）
第5章  自適應(yīng)模糊控制
5.1 模糊逼近
5.1.1 模糊系統(tǒng)的設(shè)計(jì)
5.1.2 模糊系統(tǒng)的逼近精度
5.1.3 仿真實(shí)例
5.2 間接自適應(yīng)模糊控制
5.2.1 問(wèn)題描述
5.2.2 控制器的設(shè)計(jì)
5.2.3 仿真實(shí)例
5.3 直接自適應(yīng)模糊控制
5.3.1 問(wèn)題描述
5.3.2 控制器的設(shè)計(jì)
5.3.3 自適應(yīng)律的設(shè)計(jì)
5.3.4 仿真實(shí)例
思考題與習(xí)題
附錄（程序代碼）
第6章 神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
6.1 神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)史
6.2 神經(jīng)網(wǎng)絡(luò)原理
6.3 神經(jīng)網(wǎng)絡(luò)的分類(lèi)
6.4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
6.4.1 Hebb學(xué)習(xí)規(guī)則
6.4.2 Delta(δ)學(xué)習(xí)規(guī)則
6.5 神經(jīng)網(wǎng)絡(luò)的特征及要素
6.6 神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域
思考題與習(xí)題
第7章 典型神經(jīng)網(wǎng)絡(luò)
7.1 單神經(jīng)元網(wǎng)絡(luò)
7.2 BP神經(jīng)網(wǎng)絡(luò)
7.2.1 BP網(wǎng)絡(luò)特點(diǎn)
7.2.2 BP網(wǎng)絡(luò)結(jié)構(gòu)
7.2.3 BP網(wǎng)絡(luò)的逼近
7.2.4 BP網(wǎng)絡(luò)的優(yōu)缺點(diǎn)
7.2.5 BP網(wǎng)絡(luò)逼近仿真實(shí)例
7.2.6 BP網(wǎng)絡(luò)模式識(shí)別
7.2.7 BP網(wǎng)絡(luò)模式識(shí)別仿真實(shí)例
7.3 RBF神經(jīng)網(wǎng)絡(luò)
7.3.1 RBF網(wǎng)絡(luò)結(jié)構(gòu)
7.3.2 RBF網(wǎng)絡(luò)的逼近
7.3.3 RBF網(wǎng)絡(luò)逼近仿零點(diǎn)實(shí)例
7.4 回歸神經(jīng)網(wǎng)絡(luò)
7.4.1 DRNN網(wǎng)絡(luò)結(jié)構(gòu)
7.4.2 DRNN網(wǎng)絡(luò)的逼近
7.4.3 DRNN網(wǎng)絡(luò)逼近仿真實(shí)例
思考題
附錄（程序代碼）
第8章 高級(jí)神經(jīng)網(wǎng)絡(luò)
8.1 模糊RBF網(wǎng)絡(luò)
8.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
8.1.2 基于模糊RBF網(wǎng)絡(luò)的逼近算法
8.1.3 仿真實(shí)例
8.2 pi-sigma神經(jīng)網(wǎng)絡(luò)
8.2.1 高木-關(guān)野模糊系統(tǒng)
8.2.2 混合型pi-sigma神經(jīng)網(wǎng)絡(luò)
8.2.3 仿真實(shí)例
8.3 小腦模型神經(jīng)網(wǎng)絡(luò)
8.3.1 CMAC概述
8.3.2 一種典型CMAC算法
8.3.3 仿真實(shí)例
8.4 Hopfield網(wǎng)絡(luò)
8.4.1 Hopfield網(wǎng)絡(luò)原理
8.4.2 基于Hopfield的自適應(yīng)控制
思考題與習(xí)題
附錄（程序代碼）
第9章 神經(jīng)網(wǎng)絡(luò)控制
9.1 概述
9.2 神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu)
9.2.1 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制
9.2.2 神經(jīng)網(wǎng)絡(luò)直接逆控制
9.2.3 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
9.2.4 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂婆锌刂?br />9.2.5 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制
9.2.6 神經(jīng)網(wǎng)絡(luò)自適應(yīng)評(píng)
9.2.7 神經(jīng)網(wǎng)絡(luò)混合控制
9.3 單神經(jīng)元自適應(yīng)控制
9.3.1 單神經(jīng)元自適應(yīng)控制算法
9.3.2 仿真實(shí)例
9.4 RBF網(wǎng)絡(luò)監(jiān)督控制
9.4.1 RBF網(wǎng)絡(luò)監(jiān)督控制算法
9.4.2 仿真實(shí)例
9.5 RBF網(wǎng)絡(luò)自校正控制
9.5.1 神經(jīng)網(wǎng)絡(luò)自校正控制原理
9.5.2 自校正控制算法
9.5.3 RBF網(wǎng)絡(luò)自校正控制算法
9.5.4 仿真實(shí)例 
9.6 基于RBF網(wǎng)絡(luò)直接模型參考自適應(yīng)控制
9.6.1 基于RBF網(wǎng)絡(luò)的控制器設(shè)計(jì)
9.6.2 仿真實(shí)例
思考題與習(xí)題
附錄（程序代碼）
第10章 遺傳算法及其應(yīng)用
10.1 遺傳算法的基本原理
10.2 遺傳算法的特點(diǎn)
10.3 遺傳算法的發(fā)展及應(yīng)用
10.3.1 遺傳算法的發(fā)展
10.3.2 遺傳算法的應(yīng)用
10.4 遺傳算法的優(yōu)化設(shè)計(jì)
10.4.1 遺傳算法的構(gòu)成要素
10.4.2 遺傳算法的應(yīng)用步驟
10.5 遺傳算法求函數(shù)極大值
10.5.1 二進(jìn)制編碼遺傳算法求函數(shù)極大值
10.5.2 實(shí)數(shù)編碼遺傳算法求函數(shù)極大值
10.6 基于遺傳算法優(yōu)化的RBF網(wǎng)絡(luò)逼近
10.6.1 遺傳算法優(yōu)化原理
10.6.2 仿真實(shí)例
思考題與習(xí)題
附錄（程序代碼）
參考文獻(xiàn)