智能控制被譽為繼經典控制、現代控制理論之后創立的第三代控制理論，它研究應用計算機模擬人類智能對難以建模的復雜對象進行自動控制的理論、方法與技術。本書內容包括：從傳統控制到智能控制，模糊控制，神經控制，專家控制，仿人智能控制，遞階智能控制，學習控制，智能優化算法，智能控制與智能優化的融合，智能控制的工程應用實例。全書由淺入深、深入淺出地闡述智能控制的基本概念、原理、方法及其應用。本書是全國工程碩士學位研究生教育國家級規劃教材，既可作為自動化及相關專業工程碩士研究生教材，也可作為相關專業高年級本科生及科技人員學習參考書。
本書采取由淺入深，深入淺出，啟發思維的寫作方法，旨在通過本教材的學習達到理解和掌握智能控制最基本的概念、原理、設計方法及其應用方面的知識。作者為各章都精心設計了一些啟迪思考題，旨在激發學生的學習積極性和增強創新思維意識。
第1章從傳統控制到智能控制
1.1自動控制的基本問題
1.1.1自動控制的概念
1.1.2自動控制的目的及要求
1.1.3自動控制中的矛盾問題
1.2自動控制的基本原理
1.2.1控制論的創立
1.2.2反饋是自動控制的精髓
1.2.3反饋在閉環控制中的作用
1.2.4反饋控制的基本模式
1.3控制理論發展的歷程
1.3.1經典控制理論
1.3.2現代控制理論
1.3.3智能控制理論
1.4智能控制理論的基本內容
1.4.1智能控制的基本概念
1.4.2智能控制的多學科交叉
1.4.3智能控制的基本原理
1.4.4智能控制的基本功能
1.4.5智能控制的基本要素
1.4.6智能控制系統的結構
1.4.7智能控制的類型
啟迪思考題
第2章基于模糊邏輯的智能控制
2.1模糊控制概述
2.1.1模糊控制的創立與發展
2.1.2模糊控制器的分類
2.2模糊邏輯基礎
2.2.1基于二值邏輯的經典集合
2.2.2模糊集合與模糊概念
2.2.3模糊集合及其運算
智能控制
2.2.4模糊矩陣與模糊向量
2.2.5模糊關系
2.2.6模糊邏輯推理
2.2.7模糊系統的萬能逼近特性
2.3模糊控制的原理
2.3.1模糊控制系統的組成
2.3.2模糊控制的工作原理
2.3.3模糊控制器的控制性能
2.4經典模糊控制器的設計方法
2.4.1模糊控制器的結構設計
2.4.2模糊控制規則的設計
2.4.3Mamdani模糊推理法
2.4.4精確量的模糊化及量化因子
2.4.5模糊量的清晰化及比例因子
2.4.6查表式模糊控制器設計
2.4.7解析式模糊規則自調整控制器
2.5TS型模糊控制器設計
2.5.1TS模糊模型
2.5.2基于TS模型的模糊推理
2.5.3TS型模糊控制系統設計
2.6模糊PID控制
2.6.1模糊PID復合控制
2.6.2基于模糊推理優化的PID控制
2.7自適應模糊控制
2.7.1模糊系統辨識
2.7.2自適應模糊控制的基本原理
2.7.3模型參考自適應模糊控制
2.8模糊控制的實現技術
2.8.1模糊控制軟件開發工具
2.8.2模糊控制芯片
2.9基于MATLAB的模糊控制系統設計
2.9.1MATLAB模糊邏輯工具箱
2.9.2基于MATLAB的模糊控制系統仿真
啟迪思考題
第3章基于神經網絡的智能控制
3.1神經網絡系統基礎
3.1.1神經網絡研究概述
3.1.2神經細胞結構與功能
3.1.3人工神經元模型
3.1.4神經網絡的特點
3.1.5神經網絡結構與模型
3.1.6神經網絡訓練與學習
3.1.7神經網絡的學習規則
3.2控制中的常用神經網絡
3.2.1感知器
3.2.2前向神經網絡
3.2.3徑向基神經網絡
3.2.4反饋神經網絡
3.2.5小腦模型神經網絡
3.2.6大腦模型自組織神經網絡
3.2.7Boltzmann機
3.3基于神經網絡的系統辨識
3.3.1神經網絡的逼近能力
3.3.2神經網絡系統辨識的原理
3.3.3基于BP網絡的非線性系統模型辨識
3.4基于神經網絡的智能控制
3.4.1神經控制的基本原理
3.4.2基于神經網絡智能控制的類型
3.4.3基于傳統控制理論的神經控制
3.5神經PID控制
3.5.1神經元PID控制
3.5.2自適應神經元PID控制
3.6神經自適應控制
3.6.1模型參考神經自適應控制
3.6.2神經自校正控制
3.7基于MATLAB的神經控制系統設計
3.7.1MATLAB神經網絡工具箱
3.7.2基于MATLAB的模型參考神經自適應控制系統仿真
啟迪思考題
第4章專家控制與仿人智能控制
4.1專家系統的基本概念
4.1.1專家與專家系統
4.1.2專家系統的基本結構
4.2專家系統的結構與原理
4.2.1專家控制系統的特點
4.2.2專家控制系統的結構
4.2.3專家控制系統的原理
4.2.4實時過程控制專家系統舉例
4.3專家控制器
4.3.1專家控制器的結構
4.3.2一種工業過程專家控制器設計
4.4仿人智能控制
4.4.1從常規PID控制談起
4.4.2仿人智能控制的基本思想
4.4.3系統動態行為的特征識別
4.4.4仿人智能控制原理
4.5仿人智能控制的多種模式
4.5.1仿人智能積分控制
4.5.2仿人智能采樣控制
4.5.3基于極值采樣的仿人智能控制
啟迪思考題
第5章遞階智能控制與學習控制
5.1大系統控制的形式與結構
5.1.1大系統控制的基本形式
5.1.2大系統控制的遞階結構
5.2遞階控制的基本原理
5.2.1協調的基本概念
5.2.2協調的基本原則
5.3遞階智能控制的結構與原理
5.3.1遞階智能控制的結構
5.3.2遞階智能控制的原理
5.4蒸汽鍋爐的遞階模糊控制
5.4.1模糊變量與規則間的數量關系
5.4.2遞階模糊控制規則
5.4.3蒸汽鍋爐的兩級遞階模糊控制系統
5.5學習控制系統
5.5.1學習控制的基本概念
5.5.2迭代學習控制
5.5.3重復學習控制
5.5.4其他學習控制形式
5.6基于規則的自學習控制系統
5.6.1產生式自學習控制系統
5.6.2基于規則的自學習模糊控制舉例
啟迪思考題
第6章智能優化原理與算法
6.1智能優化算法概述
6.1.1模糊計算與神經計算
6.1.2進化計算
6.1.3人工免疫算法
6.1.4群智能優化算法
6.1.5模擬退火算法
6.1.6禁忌搜索算法
6.2智能優化算法的理論基礎
6.2.1系統科學
6.2.2復雜適應系統理論
6.2.3復雜適應系統的運行機制
6.2.4復雜適應系統理論的特點
6.2.5智能優化算法的原理
6.3RBF神經網絡優化算法
6.3.1RBF神經網絡
6.3.2RBF網絡學習算法
6.3.3RBF神經網絡在控制中的應用
6.4遺傳算法
6.4.1生物的進化與遺傳
6.4.2遺傳算法的基本概念
6.4.3遺傳算法的基本操作
6.4.4遺傳算法實現步驟
6.4.5遺傳算法用于函數優化
6.4.6遺傳算法和模糊邏輯及神經網絡的融合
6.5粒子群優化算法
6.5.1粒子群優化的基本思想
6.5.2粒子群優化算法原理
6.5.3PSO算法步驟
6.5.4PSO算法的改進及應用
6.6免疫優化算法
6.6.1免疫學的基本概念
6.6.2免疫系統的組織結構
6.6.3免疫機制與克隆選擇理論
6.6.4人工免疫模型與免疫算法
6.6.5免疫應答中的學習與優化
6.6.6克隆選擇算法
6.6.7免疫優化算法的應用
啟迪思考題
第7章智能控制和智能優化的融合
7.1智能控制和智能優化的融合
7.2智能優化的快速算法
7.3粒子群優化的模糊控制器設計
7.3.1PSO基本算法
7.3.2模糊控制器的設計原理
7.3.3PSO優化的模糊控制器在主汽溫控制中的應用
7.4基于RBF神經網絡優化PID控制參數
7.4.1RBF神經網絡對被控對象的辨識
7.4.2RBF網絡優化PID控制參數的算法實現
7.5基于免疫克隆優化的模糊神經控制器
7.5.1基本的免疫克隆算法
7.5.2改進的免疫克隆選擇算法
7.5.3基于免疫克隆算法優化的模糊神經控制器設計
7.5.4仿真結果及結論
啟迪思考題
第8章智能控制的工程應用實例
8.1基于神經網絡推理的加熱爐溫度模糊控制
8.1.1基于神經網絡推理的模糊控制
8.1.2模糊控制器的神經網絡實現
8.1.3現場運行效果
8.2神經網絡在車底爐燃燒控制中的應用
8.2.1燃燒控制系統的設計
8.2.2神經網絡模型的建立
8.2.3神經網絡的訓練過程
8.2.4神經網絡在車底爐燃燒控制中的應用實例
8.3專家控制在靜電除塵器電源控制系統中的應用
8.3.1高壓直流靜電除塵電源控制系統
8.3.2專家控制系統控制器設計
8.3.3控制結果及其分析
8.4學習控制在數控凸輪軸磨床上的應用
8.4.1FANUC數控系統學習控制功能
8.4.2學習控制的實現
8.4.3學習控制效果
啟迪思考題
參考文獻
新書資訊