| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第1章 智能控制概述 | 第8-15页 |
| 1．1 智能控制的产生 | 第8页 |
| 1．2 智能控制的基本概念 | 第8-13页 |
| 1．2．1 智能控制的含义与研究对象 | 第8-9页 |
| 1．2．2 智能控制系统的结构、主要功能特点及其广义模型 | 第9-11页 |
| 1．2．3 智能控制的类型 | 第11-13页 |
| 1．2．4 智能控制研究的数学工具 | 第13页 |
| 1．3 本研究课题的提出 | 第13-14页 |
| 1．4 本文的主要内容 | 第14-15页 |
| 第2章 智能自整定PID控制器 | 第15-28页 |
| 2．1 自整定PID控制器 | 第15-21页 |
| 2．1．1 典型PID控制器的结构 | 第16-17页 |
| 2．1．2 过程特征参数自整定原理 | 第17-18页 |
| 2．1．3 一种实用的改进Ziegler-Nichols整定方法 | 第18-21页 |
| 2．2 两种智能PID控制器 | 第21-28页 |
| 2．2．1 变参数PID控制器 | 第21-23页 |
| 2．2．2 快速智能PI控制器 | 第23-28页 |
| 第3章 基于模糊控制的混合智能控制器 | 第28-54页 |
| 3．1 模糊控制的基本原理 | 第28-33页 |
| 3．1．1 模糊控制器的组成 | 第28-29页 |
| 3．1．2 模糊控制器的设计 | 第29-33页 |
| 3．2 模糊规则的解析描述 | 第33-34页 |
| 3．3 模糊系统的T-S模型及其稳定性分析和设计 | 第34-37页 |
| 3．3．1 T-S型模糊系统的状态空间描述 | 第34-36页 |
| 3．3．2 T-S型模糊系统的稳定性分析 | 第36-37页 |
| 3．4 模糊控制的不足 | 第37-38页 |
| 3．5 基于模糊控制的几种混合智能控制器 | 第38-54页 |
| 3．5．1 一种鲁棒性PID型模糊控制器的自整定方法 | 第38-45页 |
| 3．5．2 控制规则自修正的三维模糊控制算法 | 第45-47页 |
| 3．5．3 模糊参数自适应PID控制器 | 第47-54页 |
| 第4章 神经模糊混合控制器—ANFIS | 第54-76页 |
| 4．1 人工神经网络概述 | 第54-57页 |
| 4．1．1 历史发展 | 第54-55页 |
| 4．1．2 人工神经网络的主要特点 | 第55页 |
| 4．1．3 人工神经网络的模型与结构 | 第55-56页 |
| 4．1．4 人工神经网络的学习方法 | 第56-57页 |
| 4．2 模糊系统和神经网络的融合 | 第57-59页 |
| 4．2．1 模糊系统和神经网络的一般比较 | 第57页 |
| 4．2．2 模糊系统和神经网络的集成 | 第57-59页 |
| 4．3 神经模糊混合控制器—ANFIS | 第59-66页 |
| 4．3．1 ANFIS的结构 | 第59-62页 |
| 4．3．2 ANFIS的学习方法 | 第62-66页 |
| 4．4 ANFIS的仿真研究 | 第66-76页 |
| 4．4．1 用ANFIS完成异或（XOR）的功能 | 第66-69页 |
| 4．4．2 基于ANFIS的汽车制动控制 | 第69-76页 |
| 第5章 结论 | 第76-79页 |
| 攻读学位期间公开发表的论文 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
