一.绪论

1.1 课程介绍及开课意义

1.2 智能控制的产生、定义及其发展过程

1.3 智能控制的结构理论

1.4 智能控制的几个重要分支

1.5 智能控制系统的构成原理

附件：几个小视频

二.模糊控制的理论基础

2.2 模糊逻辑推理（二）：多输入模糊推理

2.2 模糊逻辑推理（三）：多输入多规则推理

2.3 模糊逻辑推理的番外篇：扎德（Zadeh）的贡献

2.4 模糊逻辑推理（四）：模糊关系方程的解第一篇

2.5 模糊逻辑推理（五）：模糊关系方程的解第二篇

补充内容：音频资料：近似推理、模糊条件推理

2.1 模糊集合论（一）：集合论

2.1 模糊集合论（二）：模糊集合的运算

2.1 模糊集合论（三）：隶属度函数

2.1 模糊集合论（四）：模糊关系

2.2 模糊逻辑推理（一）：近似推理和条件推理

三.模糊控制系统

3.1 模糊控制系统的组成（一）

3.2 模糊控制系统的组成（二）

3.3 模糊控制系统的组成（三）

3.4 模糊控制系统的设计（一）

3.5 模糊控制系统的设计（二）

3.6 模糊控制系统的设计（三）

3.7 模糊控制系统的设计（四）

3.8 模糊控制器的设计举例（一）

3.9 模糊控制器的设计举例（二）

3.10 模糊控制器的设计举例（三）

3.11 模糊PID控制器的设计

第二章——模糊推理之前的模糊逻辑基础知识补充1

模糊逻辑基础知识补充1_带录音

模糊逻辑基础知识补充2_带录音

模糊逻辑基础知识补充3_带录音

模糊逻辑基础知识补充4_带录音

第二章——模糊推理之前的模糊逻辑基础知识补充2

基础知识补充1_带录音

基础知识补充2_带录音

四.人工神经网络

4.1 神经网络的简单介绍

4.2 神经元模型及神经网络模型的分类

4.3 神经网络的学习算法及其泛化能力

4.4 前向神经网络模型

4.5 动态神经网络模型之霍普菲尔特网络（一）

4.6 动态神经网络模型之霍普菲尔特网络（二）

4.7 动态神经网络模型之霍普菲尔特网络（三）

五.神经网络控制论

5.1 神经网络控制器的优越性

5.2 神经网络控制器的分类（一）

5.3 神经网络控制器的分类（二）

5.4 神经网络的辨识基础

5.5 神经网络辨识模型的结构

5.6 神经网络控制的学习机制

5.7 神经网络控制器设计（一）：直接逆模型控制法

5.8 神经网络控制器设计（二）：直接网络控制设计法

六.集成智能控制系统

6.1 集成智能控制系统简介

6.2 模糊神经网络控制之模型的结构

6.3 模糊神经网络控制之基本功能和函数关系

6.4 模糊神经网络控制之学习算法（一）

6.5 模糊神经网络控制之学习算法（二）

6.6 模糊神经网络控制之学习算法（三）

6.7 模糊神经网络控制之学习算法（四）

七.智能控制的展望

7.1 学习控制之迭代学习控制

7.2 学习控制之遗传学习控制（一）

7.3 学习控制之遗传学习控制（二）

7.4 学习控制之遗传学习控制的改进（一）

7.5 学习控制之遗传学习控制的改进（二）

7.6 学习控制之遗传学习控制的特点

7.7 学习控制之粒子群优化算法（一）

7.8 学习控制之粒子群优化算法（二）

7.9 学习控制之免疫遗传算法（一）

7.10 学习控制之免疫遗传算法（二）

7.11 学习控制之免疫遗传算法（三）

7.12 拓展之仿人控制和混沌控制

八. 拓展补充内容

8.1 十五种寻优算法

8.2 第六章、第七章单元测试解析答案

4.4.1 BP算法原理补充

4.4