本书共6章，主要内容为：绪论、系统辨识、模型参考自适应控制、自校正控制（包括广义预测控制）、基于常规控制策略的自校正控制和非线性系统辨识与控制（包括神经网络和模糊控制）。书中每种算法都配有仿真实例、仿真程序、仿真结果以及对仿真结果的简要分析，以便于读者深入理解和运用基本理论和算法。
　　本书内容简练，系统性和实用性强，可作为自动化相关专业本科高年级学生和硕士研究生的教学用书，也可供从事自动控制理论研究及技术开发人员阅读参考。

第1章 绪论
1.1 自适应控制问题的提出
1.2 自适应控制的种类
1.2.1 模型参考自适应控制系统
1.2.2 自校正控制系统
1.2.3 智能自适应控制系统
1.2.4 其他形式的自适应控制系统
1.3 自适应控制的应用现状
1.3.1 在工业领域中的典型应用
1.3.2 在非工业领域中的应用
1.4 自适应控制存在的问题及发展方向
第2章 系统辨识
2.1 系统辨识概述
2.1.1 数学模型及建模方法
2.1.2 系统辨识的定义及其分类

第1章 绪论
1.1 自适应控制问题的提出
1.2 自适应控制的种类
1.2.1 模型参考自适应控制系统
1.2.2 自校正控制系统
1.2.3 智能自适应控制系统
1.2.4 其他形式的自适应控制系统
1.3 自适应控制的应用现状
1.3.1 在工业领域中的典型应用
1.3.2 在非工业领域中的应用
1.4 自适应控制存在的问题及发展方向

第2章 系统辨识
2.1 系统辨识概述
2.1.1 数学模型及建模方法
2.1.2 系统辨识的定义及其分类
2.1.3 参数模型
2.1.4 系统辨识的基本原理
2.1.5 系统辨识的步骤
2.2 白噪声、M序列与噪信比
2.2.1 白噪声与有色噪声
2.2.2 M序列与逆M序列
2.2.3 噪信比
2.3 最小二乘参数估计法
2.3.1 批处理最小二乘法
2.3.2 递推最小二乘法
2.3.3 遗忘因子递推最小二乘法
2.3.4 递推增广最小二乘法
2.4 梯度校正参数估计法
2.4.1 确定性系统的梯度校正参数估计法
2.4.2 随机牛顿法
2.5 极大似然参数估计法
2.6 多变量系统参数估计

第3章 模型参考自适应控制
3.1 连续系统数值积分基础知识
3.1.1 欧拉法
3.1.2 龙格一库塔法
3.2 基于梯度法的模型参考自适应控制
3.2.1 MIT自适应律
3.2.2 MIT归一化算法
3.3 基于Lyapunov稳定性理论的模型参考自适应控制
3.3.1 Lyapunov稳定性理论与正实传递函数
3.3.2 可调增益Lyapunov-MRAC
3.3.3 系统状态变量可测时的MRAC
3.3.4 Narendra稳定自适应控制器
3.4 离散时间模型参考自适应系统
3.4.1 二阶系统的离散时间MRAS
3.4.2 n阶系统的离散时间MRAS

第4章 自校正控制
4.1 Diophantine方程的求解
4.1.1 单步Diophantine方程的求解
4.1.2 多步Diophantine方程的求解
4.2 最小方差自校正控制
4.2.1 单步输出预测
4.2.2 最小方差控制
4.2.3 最小方差间接自校正控制
4.2.4 最小方差直接自校正控制
4.3 广义最小方差自校正控制
4.3.1 广义最小方差控制
4.3.2 广义最小方差间接自校正控制
4.3.3 广义最小方差直接自校正控制
4.4 广义预测控制
4.4.1 预测控制的提出
4.4.2 预测控制的基本机理
4.4.3 广义预测控制
4.5 改进的广义预测控制
4.5.1 基于CARIMA模型的JGPC
4.5.2 基于CARMA模型的JGPC

第5章 基于常规控制策略的自校正控制
5.1 极点配置自校正控制
5.1.1 极点配置控制
5.1.2 极点配置间接自校正控制
5.1.3 极点配置直接自校正控制
5.2 自校正PID控制
5.2.1 常规PID控制
5.2.2 自校正PID控制

第6章 非线性系统辨识与控制
6.1 基于BP神经网络的系统辨识
6.1.1 BP神经网络
6.1.2 基于局部误差的BP神经网络辨识
6.1.3 基于全局误差的BP神经网络辨识
6.2 基于RBF、神经网络的系统辨识与控制
6.2.1 RBF神经网络
6.2.2 基于RBF神经网络的系统辨识
6.2.3 基于RBF神经网络的PID自校正控制
6.3 模糊控制
6.3.1 模糊集合论
6.3.2 模糊控制器设计
6.3.3 模糊控制M文件仿真
6.3.4 模糊控制Simulink仿真
参考文献