第1章　緒論
　1.1 引言
　1.2 智能控制理論概述
　1.3 神經(jīng)網(wǎng)絡理論概述
　1.4 研究內(nèi)容及意義
　　1.4.1 研究的內(nèi)容
　　1.4.2 研究的意義
第2章　基于神經(jīng)網(wǎng)絡的智能控制
　2.1 引言
　2.2 神經(jīng)網(wǎng)絡結構
　　2.2.1 人工神經(jīng)元的數(shù)學模型
　　2.2.2 神經(jīng)網(wǎng)絡常用的激發(fā)函數(shù)
　　2.2.3 神經(jīng)網(wǎng)絡的基本特性
　　2.2.4 神經(jīng)網(wǎng)絡的基本結構

第1章　緒論
　1.1 引言
　1.2 智能控制理論概述
　1.3 神經(jīng)網(wǎng)絡理論概述
　1.4 研究內(nèi)容及意義
　　1.4.1 研究的內(nèi)容
　　1.4.2 研究的意義
第2章　基于神經(jīng)網(wǎng)絡的智能控制
　2.1 引言
　2.2 神經(jīng)網(wǎng)絡結構
　　2.2.1 人工神經(jīng)元的數(shù)學模型
　　2.2.2 神經(jīng)網(wǎng)絡常用的激發(fā)函數(shù)
　　2.2.3 神經(jīng)網(wǎng)絡的基本特性
　　2.2.4 神經(jīng)網(wǎng)絡的基本結構
　2.3 神經(jīng)網(wǎng)絡的學習算法
　　2.3.1 學習方式和學習規(guī)則
　　2.3.2 BP網(wǎng)絡學習算法
　2.4 神經(jīng)網(wǎng)絡控制的基本結構
　2.5 神經(jīng)網(wǎng)絡控制系統(tǒng)結構
　　2.5.1 NN學習控制
　　2.5.2 NN直接逆模型控制
　　2.5.3 NN自適應控制
　2.6 小結
第3章　遺傳神經(jīng)網(wǎng)絡及其控制算法
　3.1 遺傳算法
　　3.1.1 遺傳算法的工作機理
　　3.1.2 GA的特點
　　3.1.3 遺傳算法的基本問題
　　3.1.4 GA的理論研究概況
　3.2 遺傳算法的改進
　　3.2.1 改進的基本方法
　　3.2.2 編碼方式的改進
　　3.2.3 評價函數(shù)
　　3.2.4 初始化過程
　　3.2.5 遺傳算子的改進
　　3.2.6 面向神經(jīng)網(wǎng)絡的遺傳算法的步驟
　3.3 改進GA的神經(jīng)網(wǎng)絡控制器設計
　　3.3.1 前饋神經(jīng)網(wǎng)絡的結構
　　3.3.2 前饋神經(jīng)網(wǎng)絡設計
　　3.3.3 改進GA的神經(jīng)網(wǎng)絡控制器設計
　　3.3.4 用NNOGA訓練NN權值的步驟
　　3.3.5 用NNOGA訓練NN權值的程序框圖
　　3.3.6 用NNOGA訓練NN權值的數(shù)據(jù)結構
　　3.3.7 用NNOGA訓練NN權值的程序
　3.4 小結
第4章　倒立擺系統(tǒng)及控制研究
　4.1 一級倒立擺的控制模型
　　4.1.1 系統(tǒng)的結構
　　4.1.2 系統(tǒng)的數(shù)學模型
　4.2 二級倒立擺的控制模型
　　4.2.1 系統(tǒng)的結構
　　4.2.2 二級倒立擺的數(shù)學模型
　　4.2.3 二級倒立擺系統(tǒng)的參數(shù)說明
　4.3 三級倒立擺的數(shù)學模型
　　4.3.1 系統(tǒng)的結構
　　4.3.2 系統(tǒng)的參數(shù)說明
　　4.3.3 數(shù)學模型推導
　4.4 倒立擺控制系統(tǒng)仿真的實現(xiàn)原理
　　4.4.1 一級倒立擺的控制仿真
　　4.4.2 二級倒立擺的控制仿真
　　4.4.3 三級倒立擺的控制仿真
　　4.4.4 仿真結果分析
　4.5 小結
第5章　用遺傳神經(jīng)網(wǎng)絡改進倒立擺的控制
　5.1 引言
　5.2 神經(jīng)網(wǎng)絡建模與控制
　　5.2.1 一級倒立擺的神經(jīng)網(wǎng)絡控制器
　　5.2.2 BP神經(jīng)網(wǎng)絡控制二級倒立擺
　5.3 基于改進遺傳算法的神經(jīng)網(wǎng)絡對倒立擺的控制
　　5.3.1 一級倒立擺的神經(jīng)網(wǎng)絡控制器
　　5.3.2 二級倒立擺的神經(jīng)網(wǎng)絡控制器
　　5.3.3 三級倒立擺的神經(jīng)網(wǎng)絡控制器
　5.4 小結
第6章　總結與展望
參考文獻