本书较全面地叙述了智能控制的基本理论、方法和应用。全书共11章,主要内容为:专家控制的基本原理和应用;模糊控制的基本原理和应用;神经网络控制的基本原理和应用;智能算法及其应用;迭代学习控制原理及应用。 本书系统性强,突出理论联系实际,叙述深入浅出,适合于初学者学习。书中给出了一些智能算法的Matlab仿真程序,并配有一定数量的习题和上机操作题。

目录
第1章绪论
1.1智能控制的发展过程
1.2智能控制的几个重要分支
1.3智能控制的特点、研究工具及应用
思考题与习题1
第2章专家控制
2.1专家系统
2.1.1专家系统概述
2.1.2专家系统的构成
2.1.3专家系统的建立
2.2专家控制
2.2.1专家控制概述
2.2.2专家控制的基本原理
2.2.3专家控制的关键技术及特点
2.3专家PID控制
2.3.1专家PID控制原理
2.3.2仿真实例
思考题与习题2
本章附录(程序代码)
第3章模糊控制的理论基础
3.1概述
3.2模糊集合
3.2.1模糊集合的概念
3.2.2模糊集合的运算
3.3隶属函数
3.4模糊关系及其运算
3.4.1模糊矩阵
3.4.2模糊矩阵的运算与模糊关系
3.4.3模糊关系的合成
3.5模糊推理
3.5.1模糊语句
3.5.2模糊推理
3.5.3模糊关系方程
思考题与习题3
本章附录(程序代码)
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模糊控制器的组成
4.1.3模糊控制系统的工作原理
4.1.4模糊控制器的结构
4.2模糊控制系统分类
4.3模糊控制器的设计
4.3.1模糊控制器的设计步骤
4.3.2模糊控制器的Matlab仿真
4.4模糊控制应用实例——洗衣机的模糊控制
4.5模糊自适应整定PID控制
4.5.1模糊自适应整定PID控制原理
4.5.2仿真实例
4.6Sugeno模糊模型
4.7基于极点配置的单级倒立摆TS模糊控制
4.7.1TS模糊系统的设计
4.7.2单级倒立摆的TS模型模糊控制
4.8模糊控制的应用
4.9模糊控制发展概况
4.9.1模糊控制发展的几个转折点
4.9.2模糊控���的发展方向
4.9.3模糊控制面临的主要任务
思考题与习题4
本章附录(程序代码)
第5章自适应模糊控制
5.1模糊逼近
5.1.1模糊系统的设计
5.1.2模糊系统的逼近精度
5.1.3仿真实例
5.2简单的自适应模糊控制
5.2.1问题描述
5.2.2模糊逼近原理
5.2.3控制算法设计与分析
5.2.4仿真实例
5.3间接自适应模糊控制
5.3.1问题描述
5.3.2控制器的设计
5.3.3仿真实例
5.4直接自适应模糊控制
5.4.1问题描述
5.4.2控制器的设计
5.4.3自适应律的设计
5.4.4仿真实例
5.5机器人关节数学模型
5.6基于模糊补偿的机械手自适应模糊控制
5.6.1系统描述
5.6.2基于模糊补偿的控制
5.6.3基于摩擦补偿的控制
5.6.4仿真实例
思考题与习题5
本章附录(程序代码)
第6章神经网络的理论基础
6.1神经网络发展简史
6.2神经网络原理
6.3神经网络的分类
6.4神经网络学习算法
6.4.1Hebb学习规则
6.4.2Delta(δ)学习规则
6.5神经网络的特征及要素
6.6神经网络控制的研究领域
思考题与习题6
第7章典型神经网络
7.1单神经元网络
7.2BP神经网络
7.2.1BP网络特点
7.2.2BP网络结构
7.2.3BP网络的逼近
7.2.4BP网络的优缺点
7.2.5BP网络逼近仿真实例
7.2.6BP网络模式识别
7.2.7BP网络模式识别仿真实例
7.3RBF神经网络
7.3.1RBF网络结构与算法
7.3.2RBF网络设计实例
7.3.3RBF网络的逼近
7.3.4高斯基函数的参数对RBF网络逼近的影响
7.3.5隐含层节点数对RBF网络逼近的影响
7.3.6控制系统设计中RBF网络的逼近
思考题与习题7
本章附录(程序代码)
第8章**神经网络
8.1模糊RBF网络
8.1.1网络结构
8.1.2基于模糊RBF网络的逼近算法
8.1.3仿真实例
8.2小脑模型神经网络
8.2.1CMAC概述
8.2.2一种典型CMAC算法
8.2.3仿真实例
8.3Hopfield网络
8.3.1Hopfield网络原理
8.3.2基于Hopfield网络的路径优化
思考题与习题8
本章附录(程序代码)
第9章神经网络控制
9.1概述
9.2神经网络控制的结构
9.2.1神经网络监督控制
9.2.2神经网络直接逆控制
9.2.3神经网络自适应控制
9.2.4神经网络内模控制
9.2.5神经网络预测控制
9.2.6神经网络自适应评判控制
9.2.7神经网络混合控制
9.3单神经元自适应控制
9.3.1单神经元自适应控制算法
9.3.2仿真实例
9.4RBF网络监督控制
9.4.1RBF网络监督控制算法
9.4.2仿真实例
9.5RBF网络自校正控制
9.5.1神经网络自校正控制原理
9.5.2自校正控制算法
9.5.3RBF网络自校正控制算法
9.5.4仿真实例
9.6基于RBF网络直接模型参考自适应控制
9.6.1基于RBF网络的控制器设计
9.6.2仿真实例
9.7一种简单的RBF网络自适应控制
9.7.1问题描述
9.7.2RBF网络原理
9.7.3控制算法设计与分析
9.7.4仿真实例
9.8基于不确定逼近的RBF网络自适应控制
9.8.1问题的提出
9.8.2模型不确定部分的RBF网络逼近
9.8.3控制器的设计及分析
9.8.4仿真实例
9.9基于模型整体逼近的机器人RBF网络自适应控制
9.9.1问题的提出
9.9.2针对f(x)进行逼近的控制
9.9.3仿真实例
9.10神经网络数字控制
9.10.1基本原理
9.10.2仿真实例
9.11离散系统的RBF网络控制
9.11.1系统描述
9.11.2经典控制器设计
9.11.3自适应神经网络控制器设计
9.11.4稳定性分析
9.11.5仿真实例
思考题与习题9
本章附录(程序代码)
第10章智能算法及其应用
10.1遗传算法的基本原理
10.2遗传算法的特点
10.3遗传算法的发展及应用
10.3.1遗传算法的发展
10.3.2遗传算法的应用
10.4遗传算法的设计
10.4.1遗传算法的构成要素
10.4.2遗传算法的应用步骤
10.5遗传算法求函数极大值
10.6基于遗传算法的TSP问题优化
10.6.1TSP问题的编码

序言
智能控制是自动控制领域的前沿学科之一,它是一门综合性很强的多学科交叉的新兴学科,被称为自动控制理论发展的第三阶段。智能控制的发展为解决复杂非线性、不确定系统的控制问题开辟了新的途径。
本书共11章。第1章是绪论,着重介绍智能控制的产生和发展背景、智能控制的基本概念;第2章介绍专家控制;第3章介绍模糊控制的理论基础;第4章介绍模糊控制的基本原理及模糊控制器的设计方法;第5章介绍模糊逼近的基本原理及自适应模糊控制的设计和分析方法;第6章介绍神经网络的理论基础;第7章介绍几种典型的神经网络,包括单神经元网络、BP神经网络、RBF神经网络;第8章介绍几种**神经网络,包括模糊神经网络、小脑模型神经网络和Hopfield网络;第9章介绍几种典型神经网络控制的设计和分析方法;第10章介绍几种智能算法及其应用;第11章介绍基本迭代学习控制原理及应用。
本书是在原“北京市高等教育精品教材”《智能控制》(电子工业出版社,2005年)、《智
能控制(第2版)》(电子工业出版社,2009年)、《智能控制(第3版)》(电子工业出版社,2014年)的基础上修订而成的。为了适合高年级本科生的教学需要,本书在选材上更加着重于基础性和实用性。为了加深读者的理解,并便于读者的进一步开发,书中给出了智能算法的Matlab仿真程序,这些程序是在Matlab7.12.0.635环境下开发的,适用于其他更**的Matlab版本。
本书提供免费的电子课件和Matlab仿真程序;或登录电子工业出版社的华信教育资源网注册后免费下载;或通过邮件与作者联系索取。
北京航空航天大学吴淮宁教授针对本书的修订工作提出了许多宝贵建议,在此表示感谢。
由于作者水平有限,书中难免存在不足和错误之处,真诚欢迎广大读者批评指正。若读者有指正或需要与作者探讨,或对控制算法及仿真程序有疑问,请通过电子邮件ljk@buaa.edu.cn与作者联系。

目录
第1章绪论
1.1智能控制的发展过程
1.2智能控制的几个重要分支
1.3智能控制的特点、研究工具及应用
思考题与习题1
第2章专家控制
2.1专家系统
2.1.1专家系统概述
2.1.2专家系统的构成
2.1.3专家系统的建立
2.2专家控制
2.2.1专家控制概述
2.2.2专家控制的基本原理
2.2.3专家控制的关键技术及特点
2.3专家PID控制
2.3.1专家PID控制原理
2.3.2仿真实例
思考题与习题2
本章附录(程序代码)
第3章模糊控制的理论基础
3.1概述
3.2模糊集合
3.2.1模糊集合的概念
3.2.2模糊集合的运算
3.3隶属函数
3.4模糊关系及其运算
3.4.1模糊矩阵
3.4.2模糊矩阵的运算与模糊关系
3.4.3模糊关系的合成
3.5模糊推理
3.5.1模糊语句
3.5.2模糊推理
3.5.3模糊关系方程
思考题与习题3
本章附录(程序代码)
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模糊控制器的组成
4.1.3模糊控制系统的工作原理
4.1.4模糊控制器的结构
4.2模糊控制系统分类
4.3模糊控制器的设计
4.3.1模糊控制器的设计步骤
4.3.2模糊控制器的Matlab仿真
4.4模糊控制应用实例——洗衣机的模糊控制
4.5模糊自适应整定PID控制
4.5.1模糊自适应整定PID控制原理
4.5.2仿真实例
4.6Sugeno模糊模型
4.7基于极点配置的单级倒立摆TS模糊控制
4.7.1TS模糊系统的设计
4.7.2单级倒立摆的TS模型模糊控制
4.8模糊控制的应用
4.9模糊控制发展概况
4.9.1模糊控制发展的几个转折点
4.9.2模糊控制的发展方向
4.9.3模糊控制面临的主要任务
思考题与习题4
本章附录(程序代码)
第5章自适应模糊控制
5.1模糊逼近
5.1.1模糊系统的设计
5.1.2模糊系统的逼近精度
5.1.3仿真实例
5.2简单的自适应模糊控制
5.2.1问题描述
5.2.2模糊逼近原理
5.2.3控制算法设计与分析
5.2.4仿真实例
5.3间接自适应模糊控制
5.3.1问题描述
5.3.2控制器的设计
5.3.3仿真实例
5.4直接自适应模糊控制
5.4.1问题描述
5.4.2控制器的设计
5.4.3自适应律的设计
5.4.4仿真实例
5.5机器人关节数学模型
5.6基于模糊补偿的机械手自适应模糊控制
5.6.1系统描述
5.6.2基于模糊补偿的控制
5.6.3基于摩擦补偿的控制
5.6.4仿真实例
思考题与习题5
本章附录(程序代码)
第6章神经网络的理论基础
6.1神经网络发展简史
6.2神经网络原理
6.3神经网络的分类
6.4神经网络学习算法
6.4.1Hebb学习规则
6.4.2Delta(δ)学习规则
6.5神经网络的特征及要素
6.6神经网络控制的研究领域
思考题与习题6
第7章典型神经网络
7.1单神经元网络
7.2BP神经网络
7.2.1BP网络特点
7.2.2BP网络结构
7.2.3BP网络的逼近
7.2.4BP网络的优缺点
7.2.5BP网络逼近仿真实例
7.2.6BP网络模式识别
7.2.7BP网络模式识别仿真实例
7.3RBF神经网络
7.3.1RBF网络结构与算法
7.3.2RBF网络设计实例
7.3.3RBF网络的逼近
7.3.4高斯基函数的参数对RBF网络逼近的影响
7.3.5隐含层节点数对RBF网络逼近的影响
7.3.6控制系统设计中RBF网络的逼近
思考题与习题7
本章附录(程序代码)
第8章**神经网络
8.1模糊RBF网络
8.1.1网络结构
8.1.2基于模糊RBF网络的逼近算法
8.1.3仿真实例
8.2小脑模型神经网络
8.2.1CMAC概述
8.2.2一种典型CMAC算法
8.2.3仿真实例
8.3Hopfield网络
8.3.1Hopfield网络原理
8.3.2基于Hopfield网络的路径优化
思考题与习题8
本章附录(程序代码)
第9章神经网络控制
9.1概述
9.2神经网络控制的结构
9.2.1神经网络监督控制
9.2.2神经网络直接逆控制
9.2.3神经网络自适应控制
9.2.4神经网络内模控制
9.2.5神经网络预测控制
9.2.6神经网络自适应评判控制
9.2.7神经网络混合控制
9.3单神经元自适应控制
9.3.1单神经元自适应控制算法
9.3.2仿真实例
9.4RBF网络监督控制
9.4.1RBF网络监督控制算法
9.4.2仿真实例
9.5RBF网络自校正控制
9.5.1神经网络自校正控制原理
9.5.2自校正控制算法
9.5.3RBF网络自校正控制算法
9.5.4仿真实例
9.6基于RBF网络直接模型参考自适应控制
9.6.1基于RBF网络的控制器设计
9.6.2仿真实例
9.7一种简单的RBF网络自适应控制
9.7.1问题描述
9.7.2RBF网络原理
9.7.3控制算法设计与分析
9.7.4仿真实例
9.8基于不确定逼近的RBF网络自适应控制
9.8.1问题的提出
9.8.2模型不确定部分的RBF网络逼近
9.8.3控制器的设计及分析
9.8.4仿真实例
9.9基于模型整体逼近的机器人RBF网络自适应控制
9.9.1问题的提出
9.9.2针对f(x)进行逼近的控制
9.9.3仿真实例
9.10神经网络数字控制
9.10.1基本原理
9.10.2仿真实例
9.11离散系统的RBF网络控制
9.11.1系统描述
9.11.2经典控制器设计
9.11.3自适应神经网络控制器设计
9.11.4稳定性分析
9.11.5仿真实例
思考题与习题9
本章附录(程序代码)
第10章智能算法及其应用
10.1遗传算法的基本原理
10.2遗传算法的特点
10.3遗传算法的发展及应用
10.3.1遗传算法的发展
10.3.2遗传算法的应用
10.4遗传算法的设计
10.4.1遗传算法的构成要素
10.4.2遗传算法的应用步骤
10.5遗传算法求函数极大值
10.6基于遗传算法的TSP问题优化
10.6.1TSP问题的编码
10.6.2TSP问题的遗传算法设计
10.6.3仿真实例
10.7粒子群优化算法
10.7.1标准粒子群算法
10.7.2粒子群算法的参数设置
10.7.3粒子群算法的基本流程
10.8粒子群算法的函数优化与参数辨识
10.8.1基于粒子群算法的函数优化
10.8.2基于粒子群算法的参数辨识
10.9差分进化算法
10.9.1标准差分进化算法
10.9.2差分进化算法的基本流程
10.9.3差分进化算法的参数设置
10.10差分进化算法的函数优化与参数辨识
10.10.1基于差分进化算法的函数优化
10.10.2基于差分进化算法的参数辨识
思考题与习题10
本章附录(程序代码)
第11章迭代学习控制
11.1基本原理
11.2基本迭代学习控制算法
11.3迭代学习控制的关键技术
11.4机械手轨迹跟踪迭代学习控制仿真实例
11.4.1控制器设计
11.4.2仿真实例
11.5线性时变连续系统迭代学习控制
11.5.1系统描述
11.5.2控制器设计及收敛性分析
11.5.3仿真实例
思考题与习题11
本章附录(程序代码)
附录A
参考文献