第1章 绪论__eol__ 1.1 智能控制的发展过程__eol__ 1.2 智能控制的重要分支__eol__ 1.3 智能控制的特点、研究工具及应用__eol__ 思考题与习题1__eol__第2章 专家系统与专家控制__eol__ 2.1 专家系统__eol__ 2.1.1 专家系统概述__eol__ 2.1.2 专家系统的构成__eol__ 2.1.3 专家系统的建立__eol__ 2.2 专家控制__eol__ 2.2.1 专家控制概述__eol__ 2.2.2 专家控制的基本原理__eol__ 2.2.3 专家控制的关键技术及特点__eol__ 2.3 专家PID控制__eol__ 2.3.1 专家PID控制原理__eol__ 2.3.2 仿真实例__eol__ 思考题与习题2__eol__ 本章附录(程序代码)__eol__第3章 模糊控制的理论基础__eol__ 3.1 概述__eol__ 3.2 模糊集合__eol__ 3.2.1 模糊集合的概念__eol__ 3.2.2 模糊集合的运算__eol__ 3.3 隶属函数__eol__ 3.4 模糊关系及其运算__eol__ 3.4.1 模糊矩阵__eol__ 3.4.2 模糊矩阵的运算与模糊关系__eol__ 3.4.3 模糊关系的合成__eol__ 3.5 模糊推理__eol__ 3.5.1 模糊语句__eol__ 3.5.2 模糊推理方法__eol__ 3.5.3 模糊关系方程__eol__ 思考题与习题3__eol__ 本章附录(程序代码)__eol__第4章 模糊控制__eol__ 4.1 模糊控制的基本原理__eol__ 4.1.1 模糊控制原理__eol__ 4.1.2 模糊控制器的组成__eol__ 4.1.3 模糊控制系统的工作原理__eol__ 4.1.4 模糊控制器的结构__eol__ 4.2 模糊控制系统分类__eol__ 4.3 模糊控制器的设计__eol__ 4.3.1 模糊控制器的设计步骤__eol__ 4.3.2 模糊控制器的Matlab仿真__eol__ 4.4 模糊控制应用实例——洗衣机的模糊控制__eol__ 4.5 模糊自适应PID控制__eol__ 4.5.1 模糊自适应PID控制原理__eol__ 4.5.2 仿真实例__eol__ 4.6 T-S模糊模型__eol__ 4.7 基于LMI的非线性系统T-S模糊控制__eol__ 4.7.1 T-S模糊控制器的设计__eol__ 4.7.2 倒立摆系统的T-S模糊模型__eol__ 4.7.3 基于LMI的单级倒立摆T-S模糊控制器设计__eol__ 4.7.4 不等式的转换__eol__ 4.7.5 LMI设计实例__eol__ 4.7.6 基于LMI的倒立摆T-S模糊控制__eol__ 4.8 模糊控制的应用__eol__ 4.9 模糊控制发展概况__eol__ 4.9.1 模糊控制发展的转折点__eol__ 4.9.2 模糊控制的发展方向__eol__ 4.9.3 模糊控制面临的主要任务__eol__ 思考题与习题4__eol__ 本章附录(程序代码)__eol__第5章 自适应模糊控制__eol__ 5.1 模糊逼近__eol__ 5.1.1 模糊系统的设计__eol__ 5.1.2 模糊系统的逼近精度__eol__ 5.1.3 仿真实例__eol__ 5.2 简单的自适应模糊控制__eol__ 5.2.1 问题描述__eol__ 5.2.2 模糊逼近原理__eol__ 5.2.3 控制算法设计与分析__eol__ 5.2.4 仿真实例__eol__ 5.3 间接自适应模糊控制__eol__ 5.3.1 问题描述__eol__ 5.3.2 控制器的设计__eol__ 5.3.3 仿真实例__eol__ 5.4 直接自适应模糊控制__eol__ 5.4.1 问题描述__eol__ 5.4.2 控制器的设计__eol__ 5.4.3 自适应律的设计__eol__ 5.4.4 仿真实例__eol__ 5.5 机器人关节数学模型__eol__ 5.6 基于模糊补偿的机械手自适应模糊控制__eol__ 5.6.1 系统描述__eol__ 5.6.2 基于模糊补偿的控制__eol__ 5.6.3 基于摩擦补偿的控制__eol__ 5.6.4 仿真实例__eol__ 思考题与习题5__eol__ 本章附录(程序代码)__eol__第6章 神经网络的理论基础__eol__ 6.1 神经网络发展简史__eol__ 6.2 神经网络原理__eol__ 6.3 神经网络的分类__eol__ 6.4 神经网络学习算法__eol__ 6.4.1 Hebb学习规则__eol__ 6.4.2 Delta（δ）学习规则__eol__ 6.5 神经网络的特征及要素__eol__ 6.6 神经网络控制的研究领域__eol__ 思考题与习题6__eol__第7章 典型神经网络__eol__ 7.1 单神经元网络__eol__ 7.2 BP网络__eol__ 7.2.1 BP网络特点__eol__ 7.2.2 BP网络结构__eol__ 7.2.3 BP网络逼近__eol__ 7.2.4 BP网络的优缺点__eol__ 7.2.5 BP网络逼近仿真实例__eol__ 7.2.6 BP网络模式识别__eol__ 7.2.7 BP网络模式识别仿真实例__eol__ 7.3 RBF网络__eol__ 7.3.1 RBF网络结构与算法__eol__ 7.3.2 RBF网络设计实例__eol__ 7.3.3 RBF网络的逼近__eol__ 7.3.4 高斯基函数的参数对RBF网络逼近的影响__eol__ 7.3.5 隐含层节点数对RBF网络逼近的影响__eol__ 7.3.6 控制系统设计中RBF网络的逼近__eol__ 思考题与习题7__eol__ 本章附录(程序代码)__eol__第8章 高级神经网络__eol__ 8.1 模糊神经网络__eol__ 8.1.1 模糊RBF网络结构__eol__ 8.1.2 基于模糊RBF网络的逼近算法及仿真实例__eol__ 8.1.3 模糊RBF网络的离线建模及仿真实例__eol__ 8.2 CMAC网络__eol__ 8.2.1 CMAC网络概述__eol__ 8.2.2 一种典型的CMAC网络算法__eol__ 8.2.3 仿真实例__eol__ 8.3 Hopfield网络__eol__ 8.3.1 Hopfield网络原理__eol__ 8.3.2 基于Hopfield网络的路径优化__eol__ 思考题与习题8__eol__ 本章附录(程序代码)__eol__第9章 神经网络控制__eol__ 9.1 概述__eol__ 9.2 神经网络控制的结构__eol__ 9.2.1 神经网络监督控制__eol__ 9.2.2 神经网络直接逆控制__eol__ 9.2.3 神经网络自适应控制__eol__ 9.2.4 神经网络内模控制__eol__ 9.2.5 神经网络预测控制__eol__ 9.2.6 神经网络自适应评判控制__eol__ 9.2.7 神经网络混合控制__eol__ 9.3 单神经元自适应控制__eol__ 9.3.1 单神经元自适应控制算法__eol__ 9.3.2 仿真实例__eol__ 9.4 RBF网络监督控制__eol__