第1章 概论

1.1控制科学发展新阶段——智能控制

1.1.1智能控制的提出

1.1.2智能控制的发展

1.2智能控制的几个重要分支

1.2.1模糊控制

1.2.2神经网络

1.2.3群智能算法

1.3智能控制系统的构成

1.3.1智能控制系统的结构

1.3.2智能控制系统的特点

1.3.3智能控制系统研究的主要工具

1.4智能控制的未来

习题

第2章 模糊控制

2.1概述

2.2模糊集合及其运算

2.2.1模糊集合的概念

2.2.2模糊集合的运算

2.2.3隶属度函数

2.3模糊关系及其运算

2.3.1模糊关系的定义及表示

2.3.2模糊关系的运算

2.3.3模糊矩阵的合成

2.4模糊推理

2.4.1语言变量与蕴含关系

2.4.2近似推理

2.5模糊控制中常见的两种模糊推理模型

2.5.1Mamdani模糊推理模型

2.5.2T-S模糊推理模型

2.6模糊控制的应用

2.6.1模糊控制的原理与特点

2.6.2基于Mamdani模糊推理模型的应用

2.6.3基于T-S模糊推理模型的应用

2.7模糊控制的工业应用——火电机组主汽温模糊控制系统

习题

第3章 神经网络

3.1神经网络的基本概念

3.1.1生物神经元模型

3.1.2人工神经元模型

3.1.3人工神经网络模型

3.1.4神经网络的学习方式

3.2前馈神经网络

3.2.1感知器

3.2.2BP网络

3.2.3RBF网络

3.3反馈神经网络

3.3.1离散型Hopfield网络

3.3.2连续型Hopfield网络

3.4神经网络的应用

3.4.1单层感知器的线性分类

3.4.2多层感知器的分类

3.4.3BP神经网络的曲线拟合

3.4.4数字识别

3.4.5Hopfield神经网络模式识别

3.4.6TSP路径寻优

3.5神经网络控制的工业应用——电厂煤耗性能的计算

3.5.1背景

3.5.2影响飞灰含碳量的主要因素

3.5.3基于BP神经网络的飞灰含碳量预测

习题

第4章 群智能算法

4.1引言

4.2蚁群算法

4.2.1蚂蚁的生物学特征

4.2.2蚁群算法原理

4.3粒子群（鸟群）算法

4.3.1鸟群的生物学特征

4.3.2粒子群算法原理

4.4烟花算法

4.4.1烟花燃放现象特征

4.4.2烟花算法原理

4.5群智能算法的应用实例

4.5.1蚁群算法的应用

4.5.2粒子群算法的应用

4.5.3烟花算法的应用

4.6群智能算法的工程应用案例

4.6.1基于蚁群算法的多细胞跟踪技术

4.6.2基于粒子群算法的多细胞跟踪技术

4.6.3基于烟花算法的多细胞跟踪技术

习题

参考文献