本书从控制系统建模、控制与优化的本质要求出发,系统地介绍了模糊推理、神经网络、现代优化理论和方法对控制系统的建模、控制与优化的作用。着重讨论了智能控制理论和方法对解决复杂系统控制问题的意义,以及智能控制理论与方法在控制系统中的各种应用实例。
本书可作为大学高年级和研究生教材,也可供控制科学与工程、计算机控制、系统工程、电气工程及相关专业的工程技术人员参考。

第1章 概论
自从美国数学家维纳在20世纪40年代仓位控制论以来,自动控制理论经历了经典控制理论和现代控制理论两个重要发展阶段。在处理复杂系统控制问题中,传统的控制理论在面临复杂性所带来的问题时,力图突破旧的模式以适应社会对自动化提出的新要求。世界各国控制理论界都在探索建立新一代的控制理论来解决复杂系统的控制问题。近年来,把传统控制理论与模糊逻辑、神经网络、遗传算法等人工智能技术相结合,充分利用人类的控制知识对复杂系统进行控制,逐渐形成了智能控制理论的雏形。1985年1月,国际电气与电子工程师学会(IEEE)在美国纽约召开了**届智能控制学术会议,集中讨论了智能控制的原理和系统结构等问题,这标志着一种新的体系的形成。虽然智能控制体系的形成只有二十几年的历史,理论还远未成熟,但其已有的应用成果和理论发展说明了智能控制正成为自动控制的前沿学科之一。
1.1 控制科学发展的新阶段——智能控制
控制理论在应用中面临的难题包括:
1)传统控制系统的设计与分析是建立在已知系统**数学模型基础上的,而实际系统由于其复杂性、非线性、时变性、不确定性和不完全性等原因,一般无法获得**的数学模型。
2)研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。
3)对于某些复杂的和具有不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。
……

出版说明
前言
第1章 概论
1.1 控制科学发展的新阶段——智能控制
1.2 智能控制的基本概念与研究内容
1.2.1 模糊逻辑控制
1.2.2 神经网络控制
1.2.3 遗传算法
1.3 本书的主要内容
第2章 复杂系统结构与智能控制
2.1 复杂系统的分层递阶智能控制
2.1.1 分层递阶智能控制的一般结构原理
2.1.2 组织级
2.1.3 协调级
2.1.4 执行级的*优控制
2.2 专家系统
2.2.1 专家系统的基本组成与特点
2.2.2 专家智能控制系统的基本原理
2.2.3 仿人智能控制
2.3 学习控制
2.3.1 基于模式识别的学习控制
2.3.2 再励学习控制
2.3.3 Bayes学习控制
2.3.4 迭代学习控制
2.3.5 基于联结主义的学习控制
2.4 习题
第3章 模糊集合��模糊推理
3.1 模糊集合及其运算
3.1.1 模糊集合的定义及表示方法
3.1.2 模糊集合的基本运算
3.1.3 模糊集合运算的基本性质
3.2 模糊关系与模糊推理
3.2.1 模糊关系的定义及表示方法
3.2.2 模糊关系的合成
3.2.3 语言变量与蕴含关系
3.2.4 近似推理
3.3 基于规则库的模糊推理
3.3.1 模糊推理的基本方法
3.3.2 模糊推理的性质
3.3.3 模糊控制中的几种常用模糊推理
3.4 习题
第4章 基于模糊推理的智能控制
4.1 模糊控制系统的基本概念
4.1.1 模糊控制系统组成
4.1.2 模糊控制系统的原理与特点
4.1.3 模糊控制系统分类
4.2 模糊控制的基本原理
4.3 模糊控制系统的两种基本类型
4.3.1 Mamdani型模糊控制系统的工作原理
4.3.2 T—S型模糊控制系统的工作原理
4.4 模糊控制器的设计过程
4.4.1 输入量的模糊化
4.4.2 模糊规则与模糊推理
4.4.3 模糊判决
4.5 模糊控制系统的分析与设计
4.5.1 模糊模型
4.5.2 模糊关系模型的辨识
4.5.3 基于Takagi—sugeno模糊模型的辨识
4.5.4 模糊控制系统的稳定性分析
4.6 模糊控制与PID控制的关系
4.6.1 PID控制原理
4.6.2 模糊控制器的解析结构
4.6.3 模糊控制器的动态分析
4.6.4 量化因子与系统性能的关系
4.6.5 隶属度函数与系统性能的关系
4.6.6 仿真实例
4.7 习题
第5章 神经元与神经网络
第6章 基于神经网络的智能控制
第7章 智能控制中的现代优化方法
第8章 控制系统数据处理的智能方法
第9章 智能控制的进一步发展:自适应与学习控制
参考文献