复杂系统的智能建模与控制
| 致谢 | 第1-8页 |
| 中文摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 第一篇 智能控制及其范式研究 | 第10-45页 |
| 第一章 自然智能与人工智能 | 第10-19页 |
| ·智能的含义 | 第10-11页 |
| ·人工智能的提出及其发展历史 | 第11-16页 |
| ·符号主义还是联接主义 | 第16-17页 |
| ·智能系统的研究方向 | 第17-19页 |
| 第二章 智能控制的范式探讨 | 第19-32页 |
| ·智能控制的提出 | 第19-22页 |
| ·智能控制的分类 | 第22-24页 |
| ·一种新型的智能控制范式 | 第24-32页 |
| 第三章 智能系统的学习模式 | 第32-44页 |
| ·引言 | 第32页 |
| ·生物系统的学习模式 | 第32-34页 |
| ·人工智能系统的学习方法 | 第34-44页 |
| 附1-1 参考文献 | 第44-45页 |
| 第二篇 模糊控制及建模研究 | 第45-145页 |
| 第一章 模糊集与模糊控制概述 | 第45-57页 |
| ·模糊集的特点及有关争论 | 第45-50页 |
| ·模糊控制发展简述 | 第50-55页 |
| ·模糊系统在智能系统中的作用 | 第55-56页 |
| ·模糊系统的软硬件实现 | 第56-57页 |
| 第二章 基本模糊控制器设计的新型策略研究 | 第57-79页 |
| ·基本模糊控制器的一般设计方法 | 第57-63页 |
| ·采用进化算法的比例因子优化 | 第63-68页 |
| ·弹性结构的模糊控制器及其实现 | 第68-75页 |
| ·一种模糊控制器的综合方法 | 第75-79页 |
| 第三章 模糊控制的自组织和自学习研究 | 第79-106页 |
| ·引言 | 第79页 |
| ·模糊控制器的结构自组织 | 第79-84页 |
| ·基于梯度法的模糊规则参数学习 | 第84-90页 |
| ·基于遗传算法的模糊规则参数优化 | 第90-99页 |
| ·模糊控制器结构与参数的统一设计 | 第99-106页 |
| 第四章 基于神经网络的自适应模糊建模与控制 | 第106-126页 |
| ·神经模糊系统 | 第106-107页 |
| ·混合Pi-sigma神经网络及其学习算法 | 第107-115页 |
| ·基于神经模糊系统的模糊建模 | 第115-118页 |
| ·机器人动态系统的神经模糊控制 | 第118-126页 |
| 第五章 非线性系统的模糊线性化及控制 | 第126-142页 |
| ·引言 | 第126页 |
| ·模糊线性化的提出及其实现方法 | 第126-130页 |
| ·模糊线性子系统的辨识 | 第130-134页 |
| ·最优调节器设计 | 第134-136页 |
| ·稳定性分析 | 第136-140页 |
| ·仿真结果 | 第140-142页 |
| 附2—1 参考文献 | 第142-145页 |
| 第三篇 神经网络控制与建模 | 第145-183页 |
| 第一章 神经控制发展简述 | 第145-150页 |
| ·人工神经网络的特点 | 第145页 |
| ·神经控制研究现状 | 第145-148页 |
| ·神经网络控制的若干问题与研究方向 | 第148-150页 |
| 第二章 神经网络的结构优化及新型算法研究 | 第150-165页 |
| ·神经网络的结构分析 | 第150-155页 |
| ·前馈网络的新型算法研究 | 第155-158页 |
| ·结合模糊逻辑的多变量系统学习方法 | 第158-165页 |
| 第三章 非线性系统神经自适应控制及其稳定性分析 | 第165-173页 |
| ·引言 | 第165页 |
| ·一类非线性系统的神经自适应控制——结构及算法 | 第165-168页 |
| ·稳定性分析 | 第168-171页 |
| ·机器人神经自适应控制仿真 | 第171-173页 |
| 第四章 基于动态神经网络的建模与控制 | 第173-180页 |
| ·引言 | 第173页 |
| ·一种动态神经网络的模型及学习算法 | 第173-176页 |
| ·动态网络用于机器人建模 | 第176-177页 |
| ·基于动态网络的模型参考自适应控制 | 第177-180页 |
| 附3—1 参考文献 | 第180-183页 |
| 作者在攻读博士学位期间完成的教学及科研工作 | 第183-184页 |
| 结束语 | 第184页 |
