第1章 概论 1
1.1 控制科学发展的新阶段——智能控制 1
1.2 智能控制的基本概念与研究内容 3
1.2.1 模糊逻辑控制 3
1.2.2 神经网络控制 5
1.2.3 遗传算法 6
1.3 本书的主要内容 6
第2章 复杂系统结构与智能控制 8
2.1 复杂系统的分层递阶智能控制 8
2.1.1 分层递阶智能控制的一般结构原理 8
2.1.2 组织级 9
2.1.3 协调级 10
2.1.4 执行级的最优控制 11
2.2 专家系统 13
2.2.1 专家系统的基本组成与特点 13
2.2.2 专家智能控制系统的基本原理 15
2.2.3 仿人智能控制 17
2.3 学习控制 20
2.3.1 基于模式识别的学习控制 20
2.3.2 再励学习控制 21
2.3.3 Bayes学习控制 22
2.3.4 迭代学习控制 22
2.3.5 基于联结主义的学习控制 23
2.4 习题 24
第3章 模糊集合与模糊推理 25
3.1 模糊集合及其运算 25
3.1.1 模糊集合的定义及表示方法 25
3.1.2 模糊集合的基本运算 29
3.1.3 模糊集合运算的基本性质 31
3.2 模糊关系与模糊推理 32
3.2.1 模糊关系的定义及表示方法 32
3.2.2 模糊关系的合成 35
3.2.3 语言变量与蕴含关系 36
3.2.4 近似推理 40
3.3 基于规则库的模糊推理 41
3.3.1 模糊推理的基本方法 41
3.3.2 模糊推理的性质 45
3.3.3 模糊控制中的几种常用模糊推理 50
3.4 习题 51
第4章 基于模糊推理的智能控制 53
4.1 模糊控制系统的基本概念 53
4.1.1 模糊控制系统组成 53
4.1.2 模糊控制系统的原理与特点 54
4.1.3 模糊控制系统分类 55
4.2 模糊控制的基本原理 57
4.3 模糊控制系统的两种基本类型 62
4.3.1 Mamdani型模糊控制系统的工作原理 62
4.3.2 T-S型模糊控制系统的工作原理 63
4.4 模糊控制器的设计过程 64
4.4.1 输入量的模糊化 64
4.4.2 模糊规则与模糊推理 65
4.4.3 模糊判决 67
4.5 模糊控制系统的分析与设计 68
4.5.1 模糊模型 68
4.5.2 模糊关系模型的辨识 69
4.5.3 基于Takagi-Sugeno模糊模型的辨识 71
4.5.4 模糊控制系统的稳定性分析 83
4.6 模糊控制与PID控制的关系 86
4.6.1 PID控制原理 86
4.6.2 模糊控制器的解析结构 86
4.6.3 模糊控制器的动态分析 89
4.6.4 量化因子与系统性能的关系 90
4.6.5 隶属度函数与系统性能的关系 91
4.6.6 仿真实例 92
4.7 习题 93
第5章 神经元与神经网络 95
5.1 神经网络的基本概念 95
5.1.1 神经网络的基本原理和结构 96
5.1.2 神经网络的模型 97
5.1.3 神经元的连结方式 99
5.2 前馈神经网络 100
5.2.1 感知器 100
5.2.2 BP网络 101
5.2.3 GMDH网络 102
5.2.4 RBF网络 104
5.3 反馈神经网络 105
5.3.1 CG网络模型 105
5.3.2 盒中脑（BSB）模型 106
5.3.3 Hopfield网络模型 107
5.3.4 回归BP网络 109
5.3.5 Boltzmann网络 110
5.4 关于神经网络的神经元生长与修剪 111
5.4.1 T-S模糊模型规则的生长与修剪 112
5.4.2 局部线性模型对T-S模型输出的影响 113
5.4.3 模糊规则生长与修剪的过程 114
5.4.4 T-S模糊模型的参数学习 115
5.4.5 T-S模糊模型的广义生长与修剪算法 115
5.5 习题 116
第6章 基于神经网络的智能控制 117
6.1 神经网络建模 117
6.1.1 逼近理论与网络控制 117
6.1.2 利用多层静态网络的系统建模 121
6.1.3 利用动态网络的系统建模 123
6.2 神经网络控制 128
6.2.1 神经网络控制系统的结构 128
6.2.2 基于神经网络的控制器设计 130
6.3 神经网络控制系统的分析 137
6.4 神经网络控制系统的应用 142
6.4.1 神经网络的模型辨识 142
6.4.2 基于神经网络的机械手控制 144
6.5 习题 149
第7章 智能控制中的现代优化方法 150
7.1 遗传算法的基本原理 150
7.1.1 遗传算法的生物学基础 150
7.1.2 遗传算法的基本概念 151
7.1.3 遗传算法的基本实现 152
7.1.4 遗传算法的特点 160
7.1.5 遗传算法的应用 161
7.2 遗传算法在加热炉控制系统建模中的应用 162
7.2.1 遗传算法建模原理 163
7.2.2 加热炉对象的遗传算法建模 164
7.2.3 遗传算法建模实验及仿真验证 165
7.3 遗传算法在模糊控制器设计中的应用 168
7.3.1 对解进行编码 170
7.3.2 对解进行寻优 170
7.3.3 仿真及结果 170
7.4 遗传算法在神经网络控制器设计中的应用 171
7.4.1 神经网络为什么需要遗传算法 171
7.4.2 遗传算法在神经网络中的应用 172
7.5 其他现代优化方法 173
7.5.1 基本思想 174
7.5.2 三种算法的特点和需要进一步研究的问题 177
7.6 几种现代优化方法在城市需水量预测中的应用 178
7.6.1 背景介绍 178
7.6.2 建模原理 179
7.6.3 模型仿真验证 183
7.7 习题 188
第8章 控制系统数据处理的智能方法 190
8.1 数据挖掘与信息处理的基本概念 190
8.1.1 数据挖掘的基本概念 190
8.1.2 信息处理的基本概念 190
8.2 基于智能技术的控制系统数据挖掘 191
8.2.1 数据挖掘中常用技术 191
8.2.2 数据挖掘的功能特性 194
8.2.3 数据挖掘在控制系统中的应用：SAS技术在配矿系统中的应用 201
8.3 基于智能技术的控制系统数据校正与数据融合 203
8.3.1 数据校正 203
8.3.2 数据融合 206
8.4 习题 211
第9章 智能控制的进一步发展：自适应与学习控制 213
9.1 自适应控制 213
9.2 学习控制 213
9.3 学习控制和自适应控制的关系 215
参考文献 217