| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第1章 智能控制概述 | 第7-12页 |
| 1．1 控制理论的产生及其发展 | 第7页 |
| 1．2 智能控制的基本概念 | 第7-10页 |
| 1．2．1 智能控制的研究对象 | 第7-8页 |
| 1．2．2 智能控制系统的结构及主要功能特点 | 第8-9页 |
| 1．2．3 智能控制研究的数学工具 | 第9-10页 |
| 1．3 智能控制的发展概况 | 第10页 |
| 1．4 智能控制理论 | 第10-11页 |
| 1．5 本文的主要内容 | 第11-12页 |
| 第2章 倒立摆系统及其运动方程 | 第12-18页 |
| 2．1 倒单摆动力学方程的建立 | 第12-13页 |
| 2．2 一级倒立摆动力学方程的建立 | 第13-15页 |
| 2．3 二级倒立摆动力学方程的建立 | 第15-18页 |
| 第3章 模糊控制的基本原理 | 第18-31页 |
| 3．1 模糊控制的基本原理 | 第19-23页 |
| 3．1．1 模糊控制器的组成 | 第19-20页 |
| 3．1．2 模糊条件句与模糊控制规则 | 第20页 |
| 3．1．3 模糊控制器的实现 | 第20-23页 |
| 3．2 模糊系统的T-S模型及其稳定性分析和设计 | 第23-26页 |
| 3．2．1 T-S型模糊系统的状态空间描述 | 第23-25页 |
| 3．2．2 T-S型模糊系统的稳定性分析 | 第25-26页 |
| 3．3 模糊控制器的设计 | 第26页 |
| 3．4 仿真实验 | 第26-29页 |
| 3．4．1 仿真中的时间和实时仿真 | 第26-28页 |
| 3．4．2 倒单摆的模糊控制 | 第28页 |
| 3．4．3 一级倒立摆的模糊控制 | 第28-29页 |
| 3．5 模糊控制器的特点与局限性 | 第29-31页 |
| 第4章 遗传算法及其在倒立摆控制中的应用 | 第31-52页 |
| 4．1 遗传算法综述 | 第31-32页 |
| 4．2 遗传算法的基本原理及操作步骤 | 第32-33页 |
| 4．3 遗传算法的模式理论 | 第33-35页 |
| 4．4 标准遗传算法的缺陷及其改进 | 第35-39页 |
| 4．4．1 对适值函数的讨论 | 第35-37页 |
| 4．4．2 对种群多样性的分析 | 第37-39页 |
| 4．5 基于GA的模糊系统优化设计方法 | 第39-40页 |
| 4．6 倒摆系统的GA-Fuzzy控制 | 第40-51页 |
| 4．6．1 倒单摆的GA-Fuzzy控制与仿人智能控制 | 第41-45页 |
| 4．6．2 一级倒立摆的GA-Fuzzy控制 | 第45-47页 |
| 4．6．3 二级倒立摆的GA-Fuzzy控制及其改进算法 | 第47-51页 |
| 4．7 本章小结 | 第51-52页 |
| 第5章 小脑模型神经网络及其混合控制器 | 第52-70页 |
| 5．1 神经网络研究的发展 | 第52-53页 |
| 5．2 神经网络的主要特点、分类及学习方法 | 第53页 |
| 5．3 神经网络控制及神经网络控制系统的几种结构形式 | 第53-55页 |
| 5．4 神经网络控制的局限性及发展趋势 | 第55页 |
| 5．5 CMAC的结构及工作原理 | 第55-57页 |
| 5．6 CMAC网络存储的hash编码 | 第57-58页 |
| 5．7 CMAC的泛化能力与学习精度 | 第58-60页 |
| 5．8 模糊CMAC的原理和结构 | 第60-62页 |
| 5．9 Fuzzy-CMAC的实时自学习 | 第62-65页 |
| 5．9．1 自学习N和ω | 第62-64页 |
| 5．9．2 自学习π | 第64-65页 |
| 5．10 模糊CMAC的特点 | 第65-66页 |
| 5．11 基于遗传算法的模糊CMAC控制器 | 第66-69页 |
| 5．12 CMAC神经网络小结 | 第69-70页 |
| 第6章 结论 | 第70-72页 |
| 攻读学位期间公开发表的论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
