智能控制技术

第1章 绪论
　1.1 智能控制的起源与发展
　　1.1.1 控制理论应用面临新的挑战
　　1.1.2 智能控制的提出与发展概况
　　1.1.3 智能控制的特点
　　1.1.4 智能控制的应用
　1.2 智能控制的基本概念
　　1.2.1 智能控制的定义
　　1.2.2 智能控制的结构
　1.3 智能控制的几种形式
　　1.3.1 模糊逻辑控制
　　1.3.2 分级递阶智能控制
　　1.3.3 人工神经网络控制
　　1.3.4 专家控制
　　1.3.5 仿人智能控制
　　1.3.6 学习控制
　1.4 智能控制系统的研究方向和趋势
　　1.4.1 研究方向
　　1.4.2 发展趋势
第2章 模糊控制的数学基础
　2.1 模糊控制概述
　　2.1.1 模糊理论的创立
　　2.1.2 模糊控制的应用
　　2.1.3 模糊控制技术的特点
　　2.1.4 模糊控制技术的发展
　2.2 模糊集合及其表示方法
　　2.2.1 模糊集合的基本概念
　　2.2.2 模糊集合的表示方法
　　2.2.3 模糊集合的运算
　　2.2.4 确定隶属函数的原则
　2.3 模糊关系和模糊矩阵
　　2.3.1 普通关系
　　2.3.2 模糊关系
　2.4 模糊逻辑
　　2.4.1 模糊语言逻辑
　　2.4.2 语言算子
　　2.4.3 模糊逻辑与多值逻辑的区别和联系
　2.5 模糊逻辑推理
　　2.5.1 似然推理
　　2.5.2 模糊条件推理
　　2.5.3 多输入模糊推理
　　2.5.4 多输人多规则推理
第3章 模糊控制的基本原理
　3.1 模糊控制的基本思想
　　3.1.1 模糊控制思想
　　3.1.2 模糊控制系统的基本组成
　　3.1.3 模糊控制器的组成
　3.2 模糊控制基本原理
　　3.2.1 单输入单输出模糊控制原理
　　3.2.2 电热炉炉温模糊控制设计例证
第4章 模糊逻辑控制器及模糊控制系统设计
　4.1 模糊控制器设计的内容
　4.2 模糊控制器结构设计
　　4.2.1 输入输出变量的确定
　　4.2.2 模糊控制器结构的选择
　4.3 模糊控制规则设计
　　4.3.1 输入输出变量词集的选择
　　4.3.2 各模糊变量的模糊子集隶属函数的选择
　　4.3.3 模糊控制规则的建立
　　4.3.4 模糊化和解模糊化方法
　　4.3.5 论域、量化因子和比例因子
　　4.3.6 模糊控制在线推理示例
　　4.3.7 模糊控制器的硬、软件实现
　4.4 模糊控制与PID控制的结合
　　4.4.1 模糊控制器与PID控制器的关系
　　4.4.2 模糊PID控制器的几种形式
　4.5 模糊控制系统设计实例
　　4.5.1 温度控制系统
　　4.5.2 控制系统性能分析
　　4.5.3 模糊控制器的实现
喜5章 神经网络与神经网络控制
　5.1 神经网络基础
　　5.1.1 生物神经元与人工神经元
　　5.1.2 神经网络的发展历史
　　5.1.3 神经网络的分类
　　5.1.4 神经网络的特点及应用领域
　5.2 典型神经网络模型
　　5.2.1 感知机神经网络
　　5.2.2　BP神经网络
　　5.2.3　RBF神经网络
　　5.2.4　Hopfield神经网络
　5.3 神经网络控制
　　5.3.1 神经网络监督控制
　　5.3.2 神经网络直接逆控制
　　5.3.3 神经网络自适应控制
　　5.3.4 神经网络内模控制
　　5.3.5 神经网络PID控制
　　5.3.6 神经网络预测控制
　　5.3.7 神经网络混合控制
有6章 专家控制技术
　6.1 专家系统
　　6.1.1 专家系统发展历史
　　6.1.2 专家系统的结构与类型
　　6.1.3 知识的表示
　　6.1.4 知识的获取
　　6.1.5 专家系统的推理机制
　6.2 专家控制系统
　　6.2.1 专家控制系统原理
　　6.2.2 专家控制系统的类型
　　6.2.3 专家控制系统的设计
第7章 遗传算法与应用
　7.1 遗传算法的基本原理
　　7.1.1 遗传算法的基本操作
　　7.1.2 遗传算法的优化设计
　　7.1.3 遗传算法优化函数实例
　　7.1.4 遗传算法的特点
　7.2 基于遗传算法的参数辨识
　　7.2.1 基于遗传算法的参数辨识方法
　　7.2.2 遗传算法用于控制系统建模与设计
　7.3 基于遗传算法的PID控制参数优化
　　7.3.1 基于遗传算法的控制参数优化方法
　　7.3.2 遗传算法PID参数整定实例
参考文献