智能控制理论与技术

　　前言
　　第1章 绪论
　　1.1 智能控制的基本概念
　　1.2 智能控制的发展概况
　　1.3 智能控制理论
　　参考文献
　　第2章 模糊逻辑控制
　　2.1 概述
　　2.2 模糊集合及其运算
　　2.3 模糊关系
　　2.4 模糊逻辑与近似推理
　　2.5 基于控制规则库的模糊推理
　　2.6 模糊控制的基本原理
　　2.7 模糊控制系统的分析和设计
　　2.8 自适应模糊控制
　　参考文献
　　第3章 神经网络控制
　　3.1 概述
　　3.2 前馈神经网络
　　3.3 反馈神经网络
　　3.4 局部逼近神经网络
　　3.5 模糊神经网络
　　3.6 基于神经网络的系统建模与辨识
　　3.7 神经网络控制
　　3.8 神经网络在机器人控制中的应用
　　参考文献
　　第4章 专家控制
　　4.1 概述
　　4.2 专家控制的基本原理
　　4.3 专家控制系统的典型结构
　　4.4 专家控制的例示
　　4.5 专家控制技术的研究课题
　　4.6 一种仿人智能控制
　　参考文献
　　第5章 学习控制
　　5.1 概述
　　5.2 基于模式识别的学习控制
　　5.3 基于迭代和重复的学习控制
　　5.4 联结主义学习控制
　　参考文献
　　第6章 分层递阶智能控制
　　6.1 一般结构原理
　　6.2 组织级
　　6.3 协调级
　　……
　　第7章 遗传算法

　　    孙增圻，江苏靖江人，1943年生。1966年毕业于清华大学自动控制系，留校工作。1981年在瑞典获博士学位。现为清华大学计算机系教授、博士生导师。主要从事智能控制、机器人、神经网络及模糊系统等方面的研究和教学。共有已鉴定的研究成果9项，发表论文100余篇，此前已编著《控制系统的计算机辅助设计》、《计算机控制理论及应用》、《机器人智能控制》、《系统分析与控制》等书。

　　    智能控制是一门新兴的交叉学科。本书系统地介绍了智能控制的理论和主要技术内容，其中包括模糊逻辑控制、神经网络控制、专家控制、学习控制、分层递阶及遗传算法等。每部分自成体系，而又互相联系。它们构成了智能控制的主要理论和技术的框架。本书取材新颖，内容丰富，弥补了当前智能控制缺乏系统性资料的不足。
　　    《智能控制理论与技术》可作为信息、自动化及计算机应用等专业的本科生及研究生的教材及参考书，也可供有关教师和科技工作者参考。