《智能控制导论（第二版）/新世纪电子信息与自动化系列课程改革教材·国家精品课程“智能控制”配套教材》介绍智能控制的基本概念、原理、技术与应用。全书共10章，第1章介绍智能控制的概况，第2章至第10章逐一研究了递阶控制、专家控制、模糊控制、神经控制、学习控制、进化控制与免疫控制、多真体控制、网络控制和复合智能控制等系统。第二版进行了较大更新，加强了模糊控制和神经控制的计算，充实了网络控制内容，对其他各章也做了一些调整与增删。《智能控制导论（第二版）/新世纪电子信息与自动化系列课程改革教材·国家精品课程“智能控制”配套教材》内容系统、全面、新颖、精练，反映出国内外智能控制研究和应用的最新进展，是一本智能控制的导论性教材。
　　《智能控制导论（第二版）/新世纪电子信息与自动化系列课程改革教材·国家精品课程“智能控制”配套教材》可作为高等学校自动化、电气工程与自动化、智能科学与技术、测控工程、信息工程、机电工程和电子工程等专业本科生的智能控制类课程的教材，也可供从事智能控制与智能系统研究、设计、开发和应用的科技工作者参考，还可作为大专院校和高等职业技术学院相关专业的教材或教学参考书。

蔡自兴，联合国专家、国际导航与运动控制科学院院士、纽约科学院院士，首届全国高校国家级教学名师奖、徐特立教育奖、宝钢全国优秀教师特等奖获得者。主要从事计算机智能系统、人工智能、智能控制、智能机器人研究。已在国内外公开出版专著和教材40部，发表论文报告近千篇，主持、参加包括国家重大和重点项目在内的科教研究40多项，获国际奖2项、国家级奖励2项、省部级以上奖励10多项，主持多门国家精品课程、国家级精品视频公开课、国家精品资源共享课、国家级双语教学课程、国家级教学团队等教改项目的教学与建设。现为中南大学信息科学与工程学院教授、博士生导师，兼任中国人工智能学会荣誉副理事长、中国自动化学会理事、中国计算机学会人工智能与模式识别专业委员会委员等职。曾任第八届湖南省政协副主席，全国政协第九、十届委员会委员，中国人工智能学会副理事长及智能机器人专业委员会主任，北京大学信息科学中心、中国科学院自动化研究所和俄罗斯科学院圣彼得堡自动化与信息学研究所客座研究员，美国伦塞勒工学院和丹麦技术大学客座教授，国防科学技术大学、北京航空航天大学、北京邮电大学等校兼职教授等职。

第二版前言
第一版前言
第1章 概述
1.1 智能控制的产生与发展
1.1.1 自动控制面临的机遇与挑战
1.1.2 智能控制的发展和学科的建立
1.2 智能控制的基本知识
1.2.1 智能控制的定义与特点
1.2.2 智能控制器的一般结构
1.2.3 智能控制系统的分类
1.3 人工智能的学派理论与计算方法
1.3.1 人工智能的学派理论及其对智能控制的影响
1.3.2 人工智能与智能控制的计算方法
1.4 智能控制的结构理论
1.4.1 二元交集结构理论
1.4.2 三元交集结构理论
1.4.3 四元交集结构理论
1.5 本书概要
习题1

第2章 递阶控制
2.1 递阶智能机器的一般结构
2.2 递阶智能控制系统举例
2.2.1 汽车自主驾驶系统的组成
2.2.2 汽车自主驾驶系统的递阶结构
2.2.3 自主驾驶系统的结构与控制算法
2.2.4 自主驾驶系统的试验结果
2.3 本章小结
习题2

第3章 专家控制
3.1 专家系统的基本概念
3.1.1 专家系统的定义与一般结构
3.1.2 专家系统的建造步骤
3.2 专家系统的主要类型及其结构
3.2.1 基于规则的专家系统
3.2.2 基于框架的专家系统
3.2.3 基于模型的专家系统
3.3 专家控制系统的结构与类型
3.3.1 专家控制系统的控制要求与设计原则
3.3.2 专家控制系统的结构
3.3.3 专家控制系统的类型
3.4 专家控制系统应用举例
3.4.1 实时控制系统的特点与要求
3.4.2 高炉监控专家系统
3.5 本章小结
习题3

第4章 模糊控制
4.1 模糊数学基础
4.1.1 模糊集合、模糊逻辑及其运算
4.1.2 模糊关系与模糊变换
4.1.3 模糊逻辑推理
4.1.4 模糊判决方法
4.2 模糊控制系统的原理与结构
4.2.1 模糊控制原理
4.2.2 模糊控制系统的工作原理
4.3 模糊控制器的设计内容
4.3.1 模糊控制器的设计内容与原则
4.3.2 模糊控制器的控制规则形式
4.4 模糊控制系统的设计方法
4.4.1 模糊系统设计的查表法
4.4.2 模糊系统设计的梯度下降法
4.4.3 模糊系统设计的递推最小二乘法
4.4.4 模糊系统设计的聚类法
4.5 模糊控制器的设计实例与实现
4.5.1 模糊控制器设计
4.5.2 模糊控制器的在线实现
4.6 Matlab模糊控制工具箱简介
4.7 本章小结
习题4

第5章 神经控制
5.1 人工神经网络的初步知识
5.1.1 神经元及其特性
5.1.2 神经网络与智能控制
5.1.3 人工神经网络的基本类型和学习算法
5.1.4 人工神经网络的典型模型
5.1.5 基于神经网络的知识表示与推理
5.2 神经控制的结构方案
5.2.1 NN学习控制
5.2.2 NN直接逆模控制与内模控制
5.2.3 NN自适应控制
5.3 神经控制器的设计
5.3.1 神经控制系统的设计内容和结构
5.3.2 神经控制器的训练与学习算法
5.4 Matlab神经网络工具箱及其仿真
5.4.1 Matlab神经网络工具箱图形用户界面设计
5.4.2 基于Simulink的神经网络及其控制仿真
5.5 本章小结
习题5

第6章 学习控制
6.1 学习控制概述
6.1.1 学习控制的定义与研究意义
6.1.2 学习控制的发展及其与自适应控制的关系
6.1.3 对学习控制的要求
6.2 学习控制方案
6.2.1 基于模式识别的学习控制
6.2.2 迭代学习控制
6.2.3 重复学习控制
6.2.4 基于神经网络的学习控制
6.3 学习控制系统应用举例
6.3.1 无缝钢管张力减径过程壁厚控制迭代学习控制算法
6.3.2 钢管壁厚迭代学习控制的仿真及应用结果
6.4 本章小结
习题6

第7章 进化控制与免疫控制
7.1 遗传算法简介
7.1.1 遗传算法的基本原理
7.1.2 遗传算法的求解步骤
7.2 进化控制基本原理
7.2.1 进化控制原理与系统结构
7.2.2 进化控制的形式化描述
7.3 进化控制系统示例
7.4 免疫算法和人工免疫系统原理
7.4.1 自然免疫系统的概念、组成与功能
7.4.2 免疫算法的提出和定义
7.4.3 免疫算法的步骤和框图
7.5 免疫控制系统的结构
7.6 免疫控制系统示例
7.7 本章小结
习题7

第8章 多真体控制
8.1 分布式人工智能与真体（Agent）
8.1.1 分布式人工智能
8.1.2 Agent及其特性
8.1.3 真体的结构
8.2 多真体系统
8.2.1 多真体系统的模型和结构
8.2.2 多真体系统的协作、协商和协调
8.2.3 多真体系统的学习与规划
8.3 多真体控制系统的工作原理
8.3.1 MAS控制系统的基本原理和结构
8.3.2 MAS控制系统的信息模型
8.4 本章小结
习题8

第9章 网络控制
9.1 计算机网络与网络控制基础
9.1.1 计算机网络及其结构
9.1.2 数据通信与网络通信
9.1.3 网络控制的基本问题
9.2 网络控制系统的结构与特点
9.2.1 网络控制系统的一般原理与结构
9.2.2 网络控制系统的特点与影响因素
9.3 网络控制系统的性能评价标准
9.3.1 网络服务质量
9.3.2 系统控制性能
9.4 网络控制系统的应用举例
9.4.1 烟草包装网络测控系统的工作原理
9.4.2 烟草包装网络测控系统的功能与特色
9.5 本章小结
习题9

第10章 复合智能控制
10.1 复合智能控制概述
10.2 模糊神经复合控制原理
10.3 模糊神经复合控制系统举例
10.3.1 自学习模糊神经控制模型
10.3.2 自学习模糊神经控制算法
10.3.3 弧焊过程自学习模糊神经控制系统
10.4 专家模糊复合控制器
10.4.1 专家模糊控制系统结构
10.4.2 专家模糊控制系统示例
10.5 仿人控制
10.5.1 仿人控制的基本原理和原型算法
10.5.2 仿人控制器的属性与设计依据
10.5.3 仿人智能控制器的设计与实现步骤
10.6 本章小结
习题10
附录 各章教学重点、难点和要求
参考文献

前面讨论过的基于规则的专家系统和基于框架的专家系统都是以逻辑心理模型为基础的，是采用规则逻辑或框架逻辑，并以逻辑作为描述启发式知识的工具而建立的计算机程序系统。综合各种模型的专家系统无论在知识表示、知识获取还是知识应用上都比那些基于逻辑心理模型的系统具有更强的功能，从而有可能显著改进专家系统的设计。
　　在诸多模型中，人工神经网络模型的应用最为广泛。早在1988年，就有人把神经网络应用于专家系统，使传统的专家系统得到发展。
　　2.基于神经网络的专家系统
　　神经网络模型从知识表示、推理机制到控制方式，都与目前专家系统中的基于逻辑的心理模型有本质的区别。知识从显式表示变为隐式表示，这种知识不是通过人的加工转换成规则，而是通过学习算法自动获取的。推理机制从检索和验证过程变为网络上隐含模式对输入的竞争。这种竞争是并行的和针对特定特征的，并把特定论域输入模式中各个抽象概念转化为神经网络的输入数据，以及根据论域特点适当地解释神经网络的输出数据。
　　如何将神经网络模型与基于逻辑的心理模型相结合是值得进一步研究的课题。从人类求解问题来看，知识存储与低层信息处理是并行分布的，而高层信息处理则是顺序的。演绎与归纳是不可少的逻辑推理，两者结合起来能够更好地表现人类的智能行为。从综合两种模型的专家系统的设计来看，知识库由一些知识元构成，知识元可为一个神经网络模块，也可以是一组规则或框架的逻辑模块。只要对神经网络的输入转换规则和输出解释规则给予形式化表达，使之与外界接口及系统所用的知识表达结构相似，则传统的推理机制和调度机制都可以直接应用到专家系统中去，神经网络与传统专家系统的集成协同工作，优势互补。根据侧重点不同，其集成有三种模式：
　　（1）神经网络支持专家系统。以传统的专家系统为主，以神经网络的有关技术为辅。例如对专家提供的知识和案例通过神经网络自动获取知识。又如运用神经网络的并行推理技术以提高推理效率。
　　（2）专家系统支持神经网络。以神经网络的有关技术为核心，建立相应领域的专家系统，采用专家系统的相关技术完成解释等方面的工作。
　　（3）协同式的神经网络专家系统。针对大的复杂问题，将其分解为若干子问题，针对每个子问题的特点选择用神经网络或专家系统加以实现，在神经网络和专家系统之间建立一种耦合关系。
　　图3.7表示一种神经网络专家系统的基本结构。其中，自动获取模块输入、组织并存储专家提供的学习实例、选定神经网络的结构、调用神经网络的学习算法，为知识库实现知识获取。当新的学习实例输入后，知识获取模块通过对新实例的学习自动获得新的网络权值分布，从而更新了知识库。
　　下面讨论神经网络专家系统的几个问题。
　　（1）神经网络的知识表示是一种隐式表示，是把某个问题领域的若干知识彼此关联地表示在一个神经网络中。对于组合式专家系统，同时采用知识的显式表示和隐式表示。
　　……