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。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。

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。

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　执行级的最优控制

　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　模糊集合与模糊推理

　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