| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 前言 | 第8-13页 |
| 1． 模糊控制技术的研究状况： | 第9-11页 |
| 2． 神经网络辅助模糊控制器设计： | 第11页 |
| 3． 遗传算法辅助模糊控制器设计 | 第11-12页 |
| 4． 总结 | 第12-13页 |
| 第一章 模糊控制 | 第13-27页 |
| 1．1 引言 | 第13-14页 |
| 1．2 模糊控制系统 | 第14-16页 |
| 1．2．1 简介 | 第14-15页 |
| 1．2．2 模糊控制的特点 | 第15-16页 |
| 1．3 模糊逻辑推理法和非模糊化 | 第16-22页 |
| 1．3．1 控制规则的结论部分为模糊集合 | 第16-21页 |
| 1．3．2 控制规则的结论部分为线性函数（高木-关野模糊推理法） | 第21-22页 |
| 1．3．3 控制规则的结论部分为实数值 | 第22页 |
| 1．4 模糊控制器的设计 | 第22-25页 |
| 1．4．1 选择合适的模糊控制器类型 | 第22-24页 |
| 1．4．2 确定输入输出变量的论域和规范化的变量因子 | 第24页 |
| 1．4．3 确定输入输出变量的模糊集合数及各模糊集的隶属函数 | 第24页 |
| 1．4．4 设计语言控制规则 | 第24-25页 |
| 1．4．5 选择模糊推理法和非模糊化法 | 第25页 |
| 1．5 模糊控制理论研究的问题 | 第25-27页 |
| 第二章 神经网络控制 | 第27-36页 |
| 2．1 神经网络概述 | 第27-30页 |
| 2．1．1 神经网络的发展历程 | 第27-28页 |
| 2．1．2 人工神经元模型 | 第28-29页 |
| 2．1．3 人工神经网络结构及其特点 | 第29-30页 |
| 2．1．4 神经网络的特点 | 第30页 |
| 2．2 前馈神经网络 | 第30-31页 |
| 2．2．1 前馈神经网络概述 | 第30-31页 |
| 2．2．2 反馈神经网络概述 | 第31页 |
| 2．3 局部逼近神经网络 | 第31-36页 |
| 2．3．1 局部逼近神经网络原理概述 | 第31-32页 |
| 2．3．2 RBF神经网络 | 第32-36页 |
| 第三章 模糊控制和神经网络的结合 | 第36-41页 |
| 3．1 模糊控制和神经网络结合的背景 | 第36-37页 |
| 3．2 两种模糊神经控制器的结构 | 第37-41页 |
| 3．2．1 标准模糊神经控制器结构 | 第37-39页 |
| 3．2．2 RBF型的模糊神经控制器结构 | 第39-41页 |
| 第四章 遗传算法 | 第41-50页 |
| 4．1 引言 | 第41页 |
| 4．2 标准遗传算法 | 第41-44页 |
| 4．2．1 遗传算法的发展 | 第41-42页 |
| 4．2．2． 标准遗传算法的实现 | 第42-43页 |
| 4．2．3 遗传算法的特点和有待解决的问题 | 第43-44页 |
| 4．3 改进的遗传算法 | 第44-50页 |
| 4．3．1 模糊编码遗传算法 | 第44-47页 |
| 4．3．2 优良模式自学习遗传算法 | 第47-48页 |
| 4．3．3 优良模式自学习模糊遗传算法 | 第48-50页 |
| 第五章 模糊RBF神经控制器的实例仿真 | 第50-62页 |
| 5．1 典型的非线性工业过程CSTR对象描述 | 第50-52页 |
| 5．2 对CSTR模型设计模糊神经控制器 | 第52-62页 |
| 5．2．1 设计算法的原理 | 第52-54页 |
| 5．2．2 实时控制CSTR仿真结果与分析 | 第54-57页 |
| 5．2．3 鲁棒性仿真结果与分析 | 第57-60页 |
| 5．2．4 对象模型未知时的运行方案 | 第60-61页 |
| 5．2．5 等价的模糊查询表 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致 谢 | 第68页 |
