本書教全面地敘述了智能控制的基本理論、方法和應用。全書共分11章。主要內容為：專家控制的基本原理和應用；模糊控制的基本原理和應用；神經網絡控制的基本原理和應用；智能搜索算法及其應用。本書系統性強，突出理論聯系實際，敘述深入淺出，適合于初學者學習。書中給出了一些智能算法的Matlab仿真程序，并配有一定數量的習題和上機操作題。
智能控制是自動控制領域的前沿學科之一，它是一門綜合性很強的多學科交叉的新興學科，被稱為自動控制理論發展的第三階段。智能控制的發展為解決復雜非線性、不確定系統的控制問題開辟了新的途徑。
本書共11章。第1章是緒論，著重介紹智能控制的產生和發展背景、智能控制的基本概念；第2章介紹專家控制；第3章介紹模糊控制的理論基礎；第4章介紹模糊控制的基本原理及模糊控制器的設計方法；第5章介紹模糊逼近的基本原理及自適應模糊控制的設計和分析方法；第6章介紹神經網絡的理論基礎；第7章介紹幾種典型的神經網絡，包括單神經元網絡、BP神經網絡、RBF神經網絡；第8章介紹幾種高級神經網絡，包括模糊神經網絡、小腦模型神經網絡和Hopfield網絡；第9章介紹幾種典型神經網絡控制的設計和分析方法；第10章介紹幾種智能算法及其應用；第11章介紹基本迭代學習控制原理及應用。
本書是在原“北京市高等教育精品教材”《智能控制》（電子工業出版社，2005年）、《智
能控制（第2版）》（電子工業出版社，2009年）、《智能控制(第3版)》(電子工業出版社，2014年)的基礎上修訂而成的。為了適合高年級本科生的教學需要，本書在選材上更加著重于基礎性和實用性。為了加深讀者的理解，并便于讀者的進一步開發，書中給出了智能算法的Matlab仿真程序，這些程序是在Matlab7.12.0.635環境下開發的，適用于其他更高級的Matlab版本。
本書提供免費的電子課件和Matlab仿真程序，讀者可登錄網站下載；或登錄電子工業出版社的華信教育資源網，注冊后免費下載；或通過郵件與作者聯系索取。
北京航空航天大學吳淮寧教授針對本書的修訂工作提出了許多寶貴建議，在此表示感謝。
由于作者水平有限，書中難免存在不足和錯誤之處，真誠歡迎廣大讀者批評指正。若讀者有指正或需要與作者探討，或對控制算法及仿真程序有疑問，請通過電子郵件ljk@buaa.edu.cn與作者聯系。
劉金琨，北京航空航天大學自動化科學與電氣工程學院智能系，教授，博士生導師。研究領域：智能控制、自適應控制、滑模控制、分布式參數控制等。
第1章 緒論
1．1 智能控制的發展過程
1．2 智能控制的幾個重要分支
1．3 智能控制的特點、研究工具及應用
思考題與習題1
第2章 專家控制
2．1 專家系統
2．1．1 專家系統概述
2．1．2 專家系統的構成
2．1．3 專家系統的建立
2．2 專家控制
2．2．1 專家控制概述
2．2．2 專家控制的基本原理
2．2．3 專家控制的關鍵技術及特點
2．3 專家PID控制
2．3．1 專家PID控制原理
2．3．2 仿真實例
思考題與習題2
本章附錄(程序代碼)
第3章 模糊控制的理論基礎
3．1 概述
3．2 模糊集合
3．2．1 模糊集合的概念
3．2．2 模糊集合的運算
3．3 隸屬函數
3．4 模糊關系及其運算
3．4．1 模糊矩陣
3．4．2 模糊矩陣的運算與模糊關系
3．4．3 模糊關系的合成
3．5 模糊推理
3．5．1 模糊語句
3．5．2 模糊推理
3．5．3 模糊關系方程
思考題與習題3
本章附錄(程序代碼)
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 模糊控制器的組成
4．1．3 模糊控制系統的工作原理
4．1．4 模糊控制器的結構
4．2 模糊控制系統分類
4．3 模糊控制器的設計
4．3．1 模糊控制器的設計步驟
4．3．2 模糊控制器的Matlab仿真
4．4 模糊控制應用實例――洗衣機的模糊控制
4．5 模糊自適應整定PID控制
4．5．1 模糊自適應整定PID控制原理
4．5．2 仿真實例
4．6 Sugeno模糊模型
4．7 基于極點配置的單級倒立擺TS模糊控制
4．7．1 TS模糊系統的設計
4．7．2 單級倒立擺的TS模型模糊 控制
4．8 模糊控制的應用
4．9 模糊控制發展概況
4．9．1 模糊控制發展的幾個轉折點
4．9．2 模糊控制的發展方向
4．9．3 模糊控制面臨的主要任務
思考題與習題4
本章附錄(程序代碼)
第5章 自適應模糊控制
5．1 模糊逼近
5．1．1 模糊系統的設計
5．1．2 模糊系統的逼近精度
5．1．3 仿真實例
5．2 簡單的自適應模糊控制
5．2．1 問題描述
5．2．2 模糊逼近原理
5．2．3 控制算法設計與分析
5．2．4 仿真實例
5．3 間接自適應模糊控制
5．3．1 問題描述
5．3．2 控制器的設計
5．3．3 仿真實例
5．4 直接自適應模糊控制
5．4．1 問題描述
5．4．2 控制器的設計
5．4．3 自適應律的設計
5．4．4 仿真實例
5．5 機器人關節數學模型
5．6 基于模糊補償的機械手自適應模糊控制
5．6．1 系統描述
5．6．2 基于模糊補償的控制
5．6．3 基于摩擦補償的控制
5．6．4 仿真實例
思考題與習題5
本章附錄(程序代碼)
第6章 神經網絡的理論基礎
6．1 神經網絡發展簡史
6．2 神經網絡原理
6．3 神經網絡的分類
6．4 神經網絡學習算法
6．4．1 Hebb學習規則
6．4．2 Delta（δ）學習規則
6．5 神經網絡的特征及要素
6．6 神經網絡控制的研究領域
思考題與習題6
第7章 典型神經網絡
7．1 單神經元網絡
7．2 BP神經網絡
7．2．1 BP網絡特點
7．2．2 BP網絡結構
7．2．3 BP網絡的逼近
7．2．4 BP網絡的優缺點
7．2．5 BP網絡逼近仿真實例
7．2．6 BP網絡模式識別
7．2．7 BP網絡模式識別仿真實例
7．3 RBF神經網絡
7．3．1 RBF網絡結構與算法
7．3．2 RBF網絡設計實例
7．3．3 RBF網絡的逼近
7．3．4 高斯基函數的參數對RBF網絡逼近的影響
7．3．5 隱含層節點數對RBF網絡逼近的影響
7．3．6 控制系統設計中RBF網絡的逼近
思考題與習題7
本章附錄(程序代碼)
第8章 高級神經網絡
8．1 模糊RBF網絡
8．1．1 網絡結構
8．1．2 基于模糊RBF網絡的逼近算法
8．1．3 仿真實例
8．2 小腦模型神經網絡
8．2．1 CMAC概述
8．2．2 一種典型CMAC算法
8．2．3 仿真實例
8．3 Hopfield網絡
8．3．1 Hopfield網絡原理
8．3．2 基于Hopfield網絡的路徑優化
思考題與習題8
本章附錄(程序代碼)
第9章 神經網絡控制
9．1 概述
9．2 神經網絡控制的結構
9．2．1 神經網絡監督控制
9．2．2 神經網絡直接逆控制
9．2．3 神經網絡自適應控制
9．2．4 神經網絡內模控制
9．2．5 神經網絡預測控制
9．2．6 神經網絡自適應評判控制
9．2．7 神經網絡混合控制
9．3 單神經元自適應控制
9．3．1 單神經元自適應控制算法
9．3．2 仿真實例
9．4 RBF網絡監督控制
9．4．1 RBF網絡監督控制算法
9．4．2 仿真實例
9．5 RBF網絡自校正控制
9．5．1 神經網絡自校正控制原理
9．5．2 自校正控制算法
9．5．3 RBF網絡自校正控制算法
9．5．4 仿真實例
9．6 基于RBF網絡直接模型參考自適應控制
9．6．1 基于RBF網絡的控制器設計
9．6．2 仿真實例
9．7 一種簡單的RBF網絡自適應控制
9．7．1 問題描述
9．7．2 RBF網絡原理
9．7．3 控制算法設計與分析
9．7．4 仿真實例
9．8 基于不確定逼近的RBF網絡自適應控制
9．8．1 問題的提出
9．8．2 模型不確定部分的RBF網絡逼近
9．8．3 控制器的設計及分析
9．8．4 仿真實例
9．9 基于模型整體逼近的機器人RBF網絡自適應控制
9．9．1 問題的提出
9．9．2 針對f(x)進行逼近的控制
9．9．3 仿真實例
9．10 神經網絡數字控制
9．10．1 基本原理
9．10．2 仿真實例
9．11 離散系統的RBF網絡控制
9．11．1 系統描述
9．11．2 經典控制器設計
9．11．3 自適應神經網絡控制器設計
9．11．4 穩定性分析
9．11．5 仿真實例
思考題與習題9
本章附錄(程序代碼)
第10章 智能算法及其應用
10．1 遺傳算法的基本原理
10．2 遺傳算法的特點
10．3 遺傳算法的發展及應用
10．3．1 遺傳算法的發展
10．3．2 遺傳算法的應用
10．4 遺傳算法的設計
10．4．1 遺傳算法的構成要素
10．4．2 遺傳算法的應用步驟
10．5 遺傳算法求函數極大值
10．6 基于遺傳算法的TSP問題優化
10．6．1 TSP問題的編碼
10．6．2 TSP問題的遺傳算法設計
10．6．3 仿真實例
10．7 粒子群優化算法
10．7．1 標準粒子群算法
10．7．2 粒子群算法的參數設置
10．7．3 粒子群算法的基本流程
10．8 粒子群算法的函數優化與參數辨識
10．8．1 基于粒子群算法的函數優化
10．8．2 基于粒子群算法的參數辨識
10．9 差分進化算法
10．9．1 標準差分進化算法
10．9．2 差分進化算法的基本流程
10．9．3 差分進化算法的參數設置
10．10 差分進化算法的函數優化與參數辨識
10．10．1 基于差分進化算法的函數優化
10．10．2 基于差分進化算法的參數辨識
思考題與習題10
本章附錄(程序代碼)
第11章 迭代學習控制
11．1 基本原理
11．2 基本迭代學習控制算法
11．3 迭代學習控制的關鍵技術
11．4 機械手軌跡跟蹤迭代學習控制仿真實例
11．4．1 控制器設計
11．4．2 仿真實例
11．5 線性時變連續系統迭代學習 控制
11．5．1 系統描述
11．5．2 控制器設計及收斂性分析
11．5．3 仿真實例
思考題與習題11
本章附錄(程序代碼)
附錄A
參考文獻
新書資訊