第一章 绪论 1
第一节 智能控制的发展过程 1
一、智能控制问题的提出 1
二、智能控制的发展 2
第二节 智能控制的几个重要分支 4
一、专家系统和专家控制 4
二、模糊控制 4
三、神经元网络控制 5
四、学习控制 6
第三节 智能控制系统的构成原理 6
一、智能控制系统的结构 6
二、智能控制系统的特点 7
三、智能控制系统研究的数学工具 8
习题与思考题 9
第二章 模糊控制的理论基础 10
第一节 引言 10
一、模糊控制发展 10
二、模糊控制特点 11
第二节 模糊集合论基础 13
一、模糊集的概念 13
二、模糊集合的运算 16
三、隶属度函数的建立 18
四、模糊关系 22
第三节 模糊逻辑、模糊逻辑推理和合成 27
一、二值逻辑 28
二、模糊逻辑及其基本运算 29
三、模糊语言逻辑 30
四、模糊逻辑推理 34
五、模糊关系方程的解 40
习题与思考题 42
第三章 模糊控制系统 44
第一节 模糊控制系统的组成 44
一、模糊化过程 45
二、知识库 45
三、推理决策逻辑 49
四、精确化过程 49
一、模糊控制器的结构设计 50
第二节 模糊控制系统的设计 50
二、模糊控制器的设计原则 52
三、模糊控制器的常规设计方法 53
第三节 模糊控制器的设计举例 57
一、流量控制的模糊控制器设计 57
二、直流调整系统的模糊控制器设计 59
第四节 模糊PID控制器的设计 61
一、模糊控制器和常规PID的混合结构 62
二、常规PID参数的模糊自整定技术 64
习题和思考题 66
上机实验题 66
第一节 引言 67
第四章 人工神经元网络模型 67
一、神经元模型 68
二、神经网络的模型分类 69
三、神经网络的学习算法 70
四、神经网络的泛化能力 71
第二节 前向神经网络模型 72
一、单一人工神经元 72
二、单层神经网络结构 73
三、多层神经网络结构 73
四、多层传播网络的学习算法 74
第三节 动态神经网络模型 79
一、带时滞的多层感知器网络 80
二、Hopfield神经网络 81
习题与思考题 87
上机实验题 87
第五章 神经网络控制论 88
第一节 引言 88
一、神经网络控制的优越性 88
二、神经网络控制器的分类 89
三、神经网络的逼近能力 91
第二节 非线性动态系统的神经网络辨识 92
一、神经网络的辨识基础 92
二、神经网络辨识模型的结构 94
三、非线性动态系统的神经网络辨识 95
一、离线学习法 101
第三节 神经网络控制的学习机制 101
三、反馈误差学习法 102
二、在线学习法 102
四、多网络学习法 103
第四节 神经网络控制器的设计 103
一、神经网络直接逆模型控制法 103
二、直接网络控制设计法 106
第五节 基于神经网络的自适应控制 107
一、神经网络的模型参考自适应控制 107
二、神经网络的自校正控制 108
习题与思考题 110
一、模糊神经网络系统 112
第六章 集成智能控制系统 112
第一节 集成智能控制系统简介 112
二、神经网络专家系统 113
第二节 模糊神经网络控制 113
一、模糊神经网络的结构 113
二、模糊神经网络的学习算法 116
第三节 智能控制的展望 121
一、学习控制 121
二、仿人控制 123
三、混沌控制 124
参考文献 125