本书系统地介绍了微型计算机控制系统的基本理论和应用技术，其主要内容包括：微机控制系统的组成、分类和发展趋势，接口技术与输入/输出通道，开环数字程序控制，数字PID控制，数字调节器直接设计方法，模糊控制技术，神经网络控制技术，基于遗传算法的控制技术和微机控制系统的设计。本书是作者在总结近年来教学和科研成果，学习国内外微型计算机控制领域最新技术的基础上编写而成的。

本书特色是先进、精练，充分体现微机控制技术的最新成果；结合实例阐述理论并给出实用解决方案，教学内容通俗易懂，易教易学，使学生不仅知其然，知其所以然，还知其如何然；取材广泛，涵盖了传统与现状控制理论，尤其是智能控制等主流内容；本书按功能模块体系编排，内容相对独立，以适应不同专业、不同层次、不同教学时数的需要。

本书既可作为高等学校计算机科学与技术、电子信息工程、电气工程及其自动化类和机电一体化专业的高年级本科生和研究生的教材，也可供从事微机控制工作的工程技术人员参考。

本书共9章。第1章微机控制系统概述，包括微机控制系统的组成、分类和发展趋势；第2章接口技术与输入／输出通道，包括并行与串行接口、输入与输出通道、信号采样与保持、D／A转换器、A／D转换器；第3章开环数字程序控制，包括顺序控制、数字程序控制、步进电动机的控制、PC微机控制步进电动机系统举例；第4章数字PID控制，包括数字PID控制算法、数字PID调节器的改进、数字PID调节器的参数整定、数字PID调节器的自寻最优控制；第5章数字调节器直接设计方法，包括最少拍系统的设计、最少拍无波纹系统的设计、达林(Dahlin)算法、数字调节器设计的讨论；第6章模糊控制技术，包括模糊控制的数学基础、模糊逻辑的推理、模糊控制系统概述、模糊控制器原理、模糊控制器设计基础、双入单出模糊控制器设计；第7章神经网络控制技术，包括神经网络基础、神经网络的结构和学习规则、典型前向网络——BP网络、典型反馈网络——Hopfield网络、应用神经网络产生模糊集的隶属函数、神经网络控制原理、神经网络在控制工程中的应用、单神经元控制的直流调速系统；第8章遗传算法，包括遗传算法的基本原理、遗传算法的模式理论、遗传算法应用中的一些基本问题、高级遗传算法、微种群和双种群遗传算法、基于遗传算法的系统在线辨识，基于遗传算法的模糊控制；第9章微机控制系统的设计，包括微机控制系统的研制流程、微机控制系统的选择与配置、微机控制系统应用程序设计、微机控制系统的抗干扰措施、微机控制系统的可靠性措施。

第1章 微机控制系统概述

 1．1 微机控制系统的组成

1．1．1 硬件

1．1．2 软件

 1．2 微机控制系统的分类

1．2．1 数据处理系统

1．2．2 操作指导控制系统

1．2．3 直接数字控制系统(DDC) 

1．2．4 微机监督控制系统(SCC) 

1．2．5 分级控制系统

1．2．6 集散控制系统

1．2．7 微机控制网络

 1．3 微机控制系统的发展

 习题与思考题

第2章 接口技术与输入／输出通道

 2．1 概述

2．1．1 输入／输出接口的编址方式

2．1．2 输入／输出数据的传送方式

 2．2 并行与串行接口

2．2．1 可编程并行接口

2．2．2 串行通信接口

 2．3 输入与输出通道

 2．4 信号采样与保持

 2．5 D／A转换器

 2．6 A／D转换器

 习题与思考题

第3章 开环数字程序控制

 3．1 顺序控制

 3．2 数字程序控制

 3．3 步进电动机的控制

 3．4 PC微机控制步进电动机系统举例

 习题与思考题

第4章 数字PID控制

 4．1 数字PID控制算法

 4．2 数字PID调节器的改进

4．2．1 积分项的改进

4．2．2 微分项的改进

4．2．3 可变增量PID控制

4．2．4 时间最优的PID控制

4．2．5 带有死区的PID控制

4．2．6 纯滞后Smith预估控制

 4．3 数字PID调节器的参数整定

4．3．1 PID调节参数对控制性能的影响

4．3．2 采样周期T的选择

4．3．3 按简易工程法整定PID参数

4．3．4 优选法

4．3．5 凑试法确定PID参数

 4．4 数字PID调节器的自寻最优控制

4．4．1 性能指标的选择

4．4．2 寻优方法

4．4．3 自寻最优数字调节器的设计

 习题与思考题

第5章 数字调节器直接设计方法

 5．1 最少拍系统的设计

5．1．1 最少拍系统的z传递函数

5．1．2 最少拍系统数字调节器的设计

5．1．3 采样频率的选择

 5．2 最少拍无波纹系统的设计

5．2．1 单位阶跃输入最少拍无波纹系统的设计

5．2．2 单位速度输入最少拍无波纹系统的设计

5．2．3 最少拍无波纹系统设计举例

5．2．4 最少拍设计的改进

 5．3 达林(Dalin)算法

5．3．1 达林算法的D(z)基本形式

5．3．2 振铃现象及其消除

 5．4 数字调节器设计的讨论

5．4．1 直接设计法

5．4．2 串行设计法

5．4．3 并行设计法

 习题与思考题

第6章 模糊控制技术

 6．1 模糊逻辑的数学基础

6．1．1 模糊集合

6．1．2 模糊集合的表示方法

6．1．3 模糊集合的运算

6．1．4 隶属函数确定方法

6．1．5 模糊关系

 6．2 模糊逻辑的推理

6．2．1 模糊命题

6．2．2 模糊逻辑

6．2．3 模糊语言

6．2．4 模糊推理

 6．3 模糊控制系统概述

6．3．1 模糊控制系统的构成

6．3．2 模糊控制系统的原理

 6．4 模糊控制器原理

 6．5 模糊控制器设计基础

 6．6 双入单出模糊控制器设计

6．6．1 模糊化

6．6．2 模糊控制规则、模糊关系和模糊推理

6．6．3 清晰化

6．6．4 控制表计算程序

 习题与思考题

第7章 神经网络控制技术

 7．1 神经网络基础

7．1．1 生物神经元结构

7．1．2 神经元数学模型

 7．2 神经网络的结构和学习规则

7．2．1 神经网络的结构一

7．2．2 神经网络的学习

7．2．3 神经网络的记忆

 7．3 典型前向网络——BP网络

7．3．1 感知机

7．3．2 BP网络

 7．4 典型反馈网络——Hopfield网络

7．4．1 离散型Hopfield网络

7．4．2 连续型Hopfield网络

 7．5 应用神经网络产生模糊集的隶属函数

 7．6 神经网络控制原理

7．6．1 神经网络控制的基本思想

7．6．2 神经网络在控制中的作用

 7．7 神经网络在工程中的应用

7．7．1 基于神经网络的系统辨识

7．7．2 基于神经网络的自适应控制

 7．8 单神经元控制的直流调速系统

7．8．1 系统组成

7．8．2 单神经元控制器及其学习算法设计

7．8．3 单神经元直流调速系统参数设计

 7．9 模糊神经网络

7．9．1 模糊系统的标准模型

7．9．2 模糊神经网络的结构

7．9．3 学习算法

7．9．4 应用模糊神经网络在线检测参数

 习题与思考题

第8章 遗传算法

 8．1 遗传算法的基本原理

8．1．1 遗传算法的基本遗传学基础

8．1．2 遗传算法的原理和特点

8．1．3 遗传算法的基本操作

 8．2 遗传算法的模式理论

8．2．1 模式

8．2．2 复制对模式的影响

8．2．3 交叉对模式的影响

8．2．4 变异对模式的影响

8．2．5 遗传算法有效处理的模式数量

 8．3 遗传算法应用中的一些基本问题

8．3．1 目标函数值到适值形式的映射

8．3．2 适值的调整

8．3．3 编码原则

8．3．4 多参数级联定点映射编码

 8．4 高级遗传算法

8．4．1 改进的复制方法

8．4．2 高级GA算法

 8．5 微种群和双种群遗传算法

8．5．1 微种群算法

8．5．2 双种群遗传算法

 8．6 基于遗传算法的系统在线辨识

8．6．1 遗传算法在参数辨识中的应用

8．6．2 遗传算法参数辨识仿真示例

 8．7 基于遗传算法的模糊控制

 8．8 免疫遗传算法

8．8．1 免疫遗传算法的基本概念

8．8．2 免疫算子的机理与构造

8．8．3 TSP问题的免疫遗传算法

 习题与思考题

第9章 微机控制系统的设计

 9．1 微机控制系统的研制流程

9．1．1 准备阶段

9．1．2 设计阶段

9．1．3 仿真和调试阶段

9．1．4 现场安装调试阶段

 9．2 微机控制系统的选择和配置

9．2．1 系统的选择和配置

9．2．2 总线负载的考虑

 9．3 微机控制系统应用程序设计

9．3．1 控制系统对应用程序的要求

9．3．2 应用程序设计技术

9．3．3 C语言和汇编语言的混合编程

9．3．4 数据处理技术

 9．4 微机控制系统的抗干扰措施

9．4．1 微机系统硬件抗干扰措施

9．4．2 微机系统软件抗干扰措施

 9．5 微机控制系统的可靠性措施

9．5．1 可靠性的度量

9．5．2 硬件可靠性措施

9．5．3 软件可靠性措施

 习题与思考题

参考文献