第1章 緒論
1.1 智能控制的發(fā)展過程
1.2 智能控制的重要分支
1.3 智能控制的特點(diǎn)、研究工具及應(yīng)用
思考題與習(xí)題1
第2章 專家系統(tǒng)與專家控制
2.1 專家系統(tǒng)
2.1.1 專家系統(tǒng)概述
2.1.2 專家系統(tǒng)的構(gòu)成
2.1.3 專家系統(tǒng)的建立
2.2 專家控制
2.2.1 專家控制概述
2.2.2 專家控制的基本原理
2.2.3 專家控制的關(guān)鍵技術(shù)及特點(diǎn)
2.3 專家PID控制
2.3.1 專家PID控制原理
2.3.2 仿真實(shí)例
思考題與習(xí)題2
本章附錄(程序代碼)
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)算與模糊關(guān)系
3.4.3 模糊關(guān)系的合成
3.5 模糊推理
3.5.1 模糊語句
3.5.2 模糊推理方法
3.5.3 模糊關(guān)系方程
思考題與習(xí)題3
本章附錄(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
4.3 模糊控制器的設(shè)計
4.3.1 模糊控制器的設(shè)計步驟
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)PID控制
4.5.1 模糊自適應(yīng)PID控制原理
4.5.2 仿真實(shí)例
4.6 T-S模糊模型
4.7 基于LMI的非線性系統(tǒng)T-S模糊控制
4.7.1 T-S模糊控制器的設(shè)計
4.7.2 倒立擺系統(tǒng)的T-S模糊模型
4.7.3 基于LMI的單級倒立擺T-S模糊控制器設(shè)計
4.7.4 不等式的轉(zhuǎn)換
4.7.5 LMI設(shè)計實(shí)例
4.7.6 基于LMI的倒立擺T-S模糊控制
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4
本章附錄(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
5.1.2 模糊系統(tǒng)的逼近精度
5.1.3 仿真實(shí)例
5.2 簡單的自適應(yīng)模糊控制
5.2.1 問題描述
5.2.2 模糊逼近原理
5.2.3 控制算法設(shè)計與分析
5.2.4 仿真實(shí)例
5.3 間接自適應(yīng)模糊控制
5.3.1 問題描述
5.3.2 控制器的設(shè)計
5.3.3 仿真實(shí)例
5.4 直接自適應(yīng)模糊控制
5.4.1 問題描述
5.4.2 控制器的設(shè)計
5.4.3 自適應(yīng)律的設(shè)計
5.4.4 仿真實(shí)例
5.5 機(jī)器人關(guān)節(jié)數(shù)學(xué)模型
5.6 基于模糊補(bǔ)償?shù)臋C(jī)械手自適應(yīng)模糊控制
5.6.1 系統(tǒng)描述
5.6.2 基于模糊補(bǔ)償?shù)目刂?br> 5.6.3 基于摩擦補(bǔ)償?shù)目刂?br> 5.6.4 仿真實(shí)例
思考題與習(xí)題5
本章附錄(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)展簡史
6.2 神經(jīng)網(wǎng)絡(luò)原理
6.3 神經(jīng)網(wǎng)絡(luò)的分類
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6
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)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)模式識別
7.2.7 BP網(wǎng)絡(luò)模式識別仿真實(shí)例
7.3 RBF網(wǎng)絡(luò)
7.3.1 RBF網(wǎng)絡(luò)結(jié)構(gòu)與算法
7.3.2 RBF網(wǎng)絡(luò)設(shè)計實(shí)例
7.3.3 RBF網(wǎng)絡(luò)的逼近
7.3.4 高斯基函數(shù)的參數(shù)對RBF網(wǎng)絡(luò)逼近的影響
7.3.5 隱含層節(jié)點(diǎn)數(shù)對RBF網(wǎng)絡(luò)逼近的影響
7.3.6 控制系統(tǒng)設(shè)計中RBF網(wǎng)絡(luò)的逼近
思考題與習(xí)題7
本章附錄(程序代碼)
第8章 高級神經(jīng)網(wǎng)絡(luò)
8.1 模糊神經(jīng)網(wǎng)絡(luò)
8.1.1 模糊RBF網(wǎng)絡(luò)結(jié)構(gòu)
8.1.2 基于模糊RBF網(wǎng)絡(luò)的逼近算法及仿真實(shí)例
8.1.3 模糊RBF網(wǎng)絡(luò)的離線建模及仿真實(shí)例
8.2 CMAC網(wǎng)絡(luò)
8.2.1 CMAC網(wǎng)絡(luò)概述
8.2.2 一種典型的CMAC網(wǎng)絡(luò)算法
8.2.3 仿真實(shí)例
8.3 Hopfield網(wǎng)絡(luò)
8.3.1 Hopfield網(wǎng)絡(luò)原理
8.3.2 基于Hopfield網(wǎng)絡(luò)的路徑優(yōu)化
思考題與習(xí)題8
本章附錄(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�
9.2.5 神經(jīng)網(wǎng)絡(luò)預(yù)測控制
9.2.6 神經(jīng)網(wǎng)絡(luò)自適應(yīng)評判控制
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)的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
9.6.2 仿真實(shí)例
9.7 一種簡單的RBF網(wǎng)絡(luò)自適應(yīng)控制
9.7.1 問題描述
9.7.2 RBF網(wǎng)絡(luò)自適應(yīng)控制原理
9.7.3 控制算法設(shè)計與分析
9.7.4 仿真實(shí)例
9.8 基于模型不確定逼近的機(jī)器人RBF網(wǎng)絡(luò)自適應(yīng)控制
9.8.1 問題的提出
9.8.2 模型不確定項的RBF網(wǎng)絡(luò)逼近
9.8.3 控制器的設(shè)計及分析
9.8.4 仿真實(shí)例
9.9 基于模型整體逼近的機(jī)器人RBF網(wǎng)絡(luò)自適應(yīng)控制
9.9.1 問題的提出
9.9.2 針對f(x)進(jìn)行逼近的控制
9.9.3 仿真實(shí)例
9.10 神經(jīng)網(wǎng)絡(luò)數(shù)字控制
9.10.1 基本原理
9.10.2 仿真實(shí)例
9.11 離散系統(tǒng)的RBF網(wǎng)絡(luò)控制
9.11.1 系統(tǒng)描述
9.11.2 經(jīng)典控制器設(shè)計
9.11.3 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計
9.11.4 穩(wěn)定性分析
9.11.5 仿真實(shí)例
思考題與習(xí)題9
本章附錄(程序代碼)
第10章 智能算法
10.1 遺傳算法的基本原理
10.1.1 遺傳算法的設(shè)計思想
10.1.2 遺傳算法的特點(diǎn)
10.1.3 遺傳算法的發(fā)展
10.1.4 遺傳算法的應(yīng)用
10.2 遺傳算法的設(shè)計與應(yīng)用
10.2.1 遺傳算法的構(gòu)成要素
10.2.2 遺傳算法的應(yīng)用步驟
10.2.3 遺傳算法求函數(shù)極大值
10.3 粒子群算法
10.3.1 標(biāo)準(zhǔn)粒子群算法
10.3.2 粒子群算法的參數(shù)設(shè)置
10.3.3 粒子群算法的基本流程
10.4 粒子群算法的函數(shù)優(yōu)化與參數(shù)辨識
10.4.1 基于粒子群算法的函數(shù)優(yōu)化
10.4.2 基于粒子群算法的參數(shù)辨識
10.5 差分進(jìn)化算法
10.5.1 標(biāo)準(zhǔn)差分進(jìn)化算法
10.5.2 差分進(jìn)化算法的基本流程
10.5.3 差分進(jìn)化算法的參數(shù)設(shè)置
10.6 差分進(jìn)化算法的函數(shù)優(yōu)化與參數(shù)辨識
10.6.1 基于差分進(jìn)化算法的函數(shù)優(yōu)化
10.6.2 基于差分進(jìn)化算法的參數(shù)辨識
思考題與習(xí)題10
本章附錄(程序代碼)
第11章 智能算法的應(yīng)用
11.1 TSP問題優(yōu)化及關(guān)鍵問題
11.2 蟻群算法
11.2.1 蟻群算法的基本原理
11.2.2 基于TSP問題優(yōu)化的蟻群算法
11.2.3 仿真實(shí)例
11.3 基于粒子群算法的TSP問題優(yōu)化
11.3.1 TSP問題優(yōu)化的粒子群算法
11.3.2 仿真實(shí)例
11.4 基于差分進(jìn)化算法的TSP問題優(yōu)化
11.4.1 TSP問題優(yōu)化的差分進(jìn)化算法
11.4.2 仿真實(shí)例
11.5 基于粒子群算法的航班降落調(diào)度
11.5.1 問題描述
11.5.2 優(yōu)化問題的設(shè)計
11.5.3 仿真實(shí)例
11.6 基于差分進(jìn)化算法的企業(yè)生產(chǎn)調(diào)度
11.6.1 問題描述
11.6.2 優(yōu)化問題的設(shè)計
11.6.3 仿真實(shí)例
思考題與習(xí)題11
本章附錄（程序代碼）
第12章 迭代學(xué)習(xí)控制
12.1 基本原理
12.2 基本迭代學(xué)習(xí)控制算法
12.3 迭代學(xué)習(xí)控制的關(guān)鍵技術(shù)
12.4 機(jī)械手軌跡跟蹤迭代學(xué)習(xí)控制仿真實(shí)例
12.4.1 控制器設(shè)計
12.4.2 仿真實(shí)例
12.5 線性時變連續(xù)系統(tǒng)迭代學(xué)習(xí)控制
12.5.1 系統(tǒng)描述
12.5.2 控制器設(shè)計及收斂性分析
12.5.3 仿真實(shí)例
思考題與習(xí)題12
本章附錄(程序代碼)
附錄A 相關(guān)數(shù)學(xué)知識
參考文獻(xiàn)