课程简介
本课程通过对智能控制中最重要的两大分支——模糊控制和神经网络控制的基础知识、控制器设计方法、控制系统结构的详细讲解，让学生掌握设计基本智能控制系统的方法，并通过应用实例，掌握一般的设计语言和程序，为今后学习更高一级的融合智能控制算法打下坚实基础。这门课程从最基础理论和实例讲起，深入浅出，通俗易懂，即使没有控制论基础的同学也能听明白一二。
课程大纲
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
智能控制_第一章_测试题
共2学时
二. 模糊控制的理论基础
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 补充内容：音频资料：
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
2.2 模糊逻辑推理的番外篇：扎德（Zadeh）的贡献
2.3 模糊逻辑推理（四）：模糊关系方程的解第一篇
2.3 模糊逻辑推理（五）：模糊关系方程的解第二篇
智能控制_第二章_测试题
共6学时
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
智能控制_第三章_测试题
共6学时
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（BP算法原理）
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）
智能控制_第四章_测试题
共6学时
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
共4学时
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）
共4学时
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
共4学时
八. 拓展补充内容
包含遗传算法、粒子群算法、免疫算法、元胞自动机、文化算法、模拟退火法、差分进化算法、迪杰斯特拉算法、蜂群算法、混合蛙跳算法、禁忌搜索法、狼群算法、猫群算法、人工鱼群法、蚁群算法、萤火虫算法、蟑螂算法）。
本章为自修部分，学生任意选取资料进行学习。
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
智能控制_第一章_测试题
共2学时
二. 模糊控制的理论基础
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 补充内容：音频资料：
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
2.2 模糊逻辑推理的番外篇：扎德（Zadeh）的贡献
2.3 模糊逻辑推理（四）：模糊关系方程的解第一篇
2.3 模糊逻辑推理（五）：模糊关系方程的解第二篇
智能控制_第二章_测试题
共6学时
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
智能控制_第三章_测试题
共6学时
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（BP算法原理）
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）
智能控制_第四章_测试题
共6学时
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
共4学时
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）
共4学时
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
共4学时
八. 拓展补充内容
包含遗传算法、粒子群算法、免疫算法、元胞自动机、文化算法、模拟退火法、差分进化算法、迪杰斯特拉算法、蜂群算法、混合蛙跳算法、禁忌搜索法、狼群算法、猫群算法、人工鱼群法、蚁群算法、萤火虫算法、蟑螂算法）。
本章为自修部分，学生任意选取资料进行学习。
