| 绪论 | 第1-9页 |
| 第一章 模糊建模 | 第9-18页 |
| §1．1 基本概念 | 第9-13页 |
| §1．1．1 模糊集合（fuzzy set）与隶属函数（membership function） | 第9-10页 |
| §1．1．2 模糊逻辑操作（Logical Operations） | 第10-11页 |
| §1．1．2 模糊规则与模糊推理 | 第11-13页 |
| §1．2 模糊推理系统 | 第13-17页 |
| §1．2．1 Mamdani模糊模型 | 第13-15页 |
| §1．2．2 Sugeno模糊模型 | 第15-16页 |
| §1．2．3 Tsukamoto模糊模型 | 第16页 |
| §1．2．4 建模的一般步骤 | 第16-17页 |
| §1．3 小结 | 第17-18页 |
| 第二章 神经网络基本理论 | 第18-30页 |
| §2．1 神经元模型 | 第18页 |
| §2．2 人工神经网络（AAN） | 第18-25页 |
| §2．3 基于神经网络的系统辨识 | 第25-27页 |
| §2．3．1 利用多层静态网络的系统辨识 | 第25-26页 |
| §2．3．2 利用动态网络的系统辨识 | 第26-27页 |
| §2．4 神经网络控制 | 第27-29页 |
| §2．5 模糊神经网络 | 第29页 |
| §2．6 总结 | 第29-30页 |
| 第三章 一类新型的模糊推理系统 | 第30-39页 |
| §3．1 变量向量的模糊集合 | 第30-34页 |
| §3．2 基于变量向量的新型模糊推理系统 | 第34-36页 |
| §3．2．1 新型模糊推理系统的结构 | 第34-35页 |
| §3．2．2 新型模糊推理系统的推理机制 | 第35-36页 |
| §3．3 新型模糊推理系统与常规FIS及RBFN的关系 | 第36-37页 |
| §3．4 基于变量向量FIS的主要优点 | 第37页 |
| §3．5 总结 | 第37-39页 |
| 第四章 基于变量向量模糊推理系统的系统辨识 | 第39-64页 |
| §4．1 引言 | 第39-40页 |
| §4．2 结构辨识 | 第40-42页 |
| §4．3 参数辨识 | 第42-51页 |
| §4．3．1 问题描述 | 第42-43页 |
| §4．3．2 训练算法的选择 | 第43-44页 |
| §4．3．3 模糊推理系统与神经网络的结合 | 第44页 |
| §4．3．4 与NTS FIS等效的神经网络（ANN）的结构描述 | 第44-46页 |
| §4．3．5 对规则前件参数的修正 | 第46-49页 |
| §4．3．6 对规则后件参数的修正 | 第49-50页 |
| §4．3．7 模糊推理系统（FIS）的参数辨识一般步骤 | 第50-51页 |
| §4．4 模糊推理系统（FIS）的在线参数修正 | 第51-52页 |
| §4．5 一个可用的距离隶属函数及其对参数的偏导 | 第52-62页 |
| §4．5．1 一个可用的距离隶属函数 | 第52-58页 |
| §4．5．2 高斯距离隶属函数对其参数的偏导计算 | 第58-62页 |
| §4．5．3 一点引申 | 第62页 |
| §4．6 总结 | 第62-64页 |
| 第五章 NTS FIS在倒立摆系统辨识中的应用及与ANFIS的比较 | 第64-81页 |
| §5．1 准备工作 | 第64-66页 |
| §5．1．1 倒立摆简介 | 第64-65页 |
| §5．1．2 输入输出变量及其论域的确定 | 第65页 |
| §5．1．3 原始输入输出数据对的获取 | 第65-66页 |
| §5．2 用NTS IS建模 | 第66-75页 |
| §5．2．1 初始结构辨识 | 第66-69页 |
| §5．2．2 参数辨识 | 第69-73页 |
| §5．2．3 检验辨识效果 | 第73-75页 |
| §5．2．4 辨识结束 | 第75页 |
| §5．3 使用ANFIS建模 | 第75-77页 |
| §5．3．1 ANFIS简介 | 第75-76页 |
| §5．3．2 建立8条规则的ANFIS模型 | 第76-77页 |
| §5．4 NTS FIS建模与ANFIS建模的比较 | 第77-80页 |
| §5．4．1 结构辨识的比较 | 第78页 |
| §5．4．2 参数辨识的比较 | 第78-79页 |
| §5．4．3 在使用中的比较 | 第79-80页 |
| §5．4．4 其他方面的比较 | 第80页 |
| §5．5 总结 | 第80-81页 |
| 第六章 状态预测逆控制及其在倒立摆系统控制中的应用 | 第81-105页 |
| §6．1 基础理论 | 第81-84页 |
| §6．1．1 最优控制基本原理 | 第81-83页 |
| §6．1．2 预测控制基本原理 | 第83-84页 |
| §6．1．3 最优控制与预测控制的比较 | 第84页 |
| §6．2 状态预测逆控制 | 第84-93页 |
| §6．2．1 线性离散系统的某些结论性质 | 第85-88页 |
| §6．2．2 一点引申 | 第88-89页 |
| §6．2．3 状态预测逆控制基本思想 | 第89-93页 |
| §6．3 状态预测逆控制在倒立摆系统中的应用 | 第93-99页 |
| §6．3．1 建立状态计器及其逆模型 | 第94页 |
| §6．3．2 预测长度p=0时的状态预测逆控制 | 第94-96页 |
| §6．3．3 预测长度p=10时的状态预测逆控制 | 第96页 |
| §6．3．4 受控制参数的状态预测逆控制 | 第96-99页 |
| §6．4 状态预测逆控制（SPIC）与GPC等控制方法的比较及其鲁棒性初步分析 | 第99-104页 |
| §6．4．1 状态预测逆控制与GPC等其他控制方法的比较 | 第99-101页 |
| §6．4．2 状态预测逆控制鲁棒性初步分析 | 第101-104页 |
| §6．5 总结 | 第104-105页 |
| 总结与展望 | 第105-106页 |
| 参考文献 | 第106-107页 |
| 附表1 （辨识倒立摆所用到的部分原始数据对） | 第107-108页 |
| 致谢 | 第108页 |
