第1章緒論
1.1引言
1.2智能控制理論概述
1.3神經網絡理論概述
1.4研究內容及意義
1.4.1研究的內容
1.4.2研究的意義

第2章基于神經網絡的智能控制
2.1引言
2.2神經網絡結構
2.2.1人工神經元的數學模型
2.2.2神經網絡常用的激發函數
2.2.3神經網絡的基本特性
2.2.4神經網絡的基本結構
2.3神經網絡的學習算法
2.3.1學習方式和學習規則
2.3.2bp網絡學習算法
2.4神經網絡控制的基本結構2.5神經網絡控制系統結構
2.5.1nn學習控制
2.5.2nn直接逆模型控制
2.5.3nn自適應控制
2.6小結

第3章遺傳神經網絡及其控制算法
3.1遺傳算法
3.1.1遺傳算法的工作機理
3.1.2ga的特點
3.1.3遺傳算法的基本問題
3.1.4ga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
3.2.4初始化過程
3.2.5遺傳算子的改進
3.2.6面向神經網絡的遺傳算法的步驟
3.3改進ga的神經網絡控制器設計
3.3.1前饋神經網絡的結構
3.3.2前饋神經網絡設計
3.3.3改進ga的神經網絡控制器設計
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權值的數據結構
3.3.7用nnoga訓練nn權值的程序
3.4小結
第4章倒立擺系統及控制研究
4.1一級倒立擺的控制模型
4.1.1系統的結構
4.1.2系統的數學模型
4.2二級倒立擺的控制模型
4.2.1系統的結構
4.2.2二級倒立擺的數學模型
4.2.3二級倒立擺系統的參數說明
4.3三級倒立擺的數學模型
4.3.1系統的結構
4.3.2系統的參數說明
4.3.3數學模型推導
4.4倒立擺控制系統仿真的實現原理
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
4.5小結
第5章用遺傳神經網絡改進倒立擺的控制
5.1引言
5.2神經網絡建模與控制
5.2.1一級倒立擺的神經網絡控制器
5.2.2bp神經網絡控制二級倒立擺
5.3基于改進遺傳算法的神經網絡對倒立擺的控制
5.3.1一級倒立擺的神經網絡控制器
5.3.2二級倒立擺的神經網絡控制器
5.3.3三級倒立擺的神經網絡控制器
5.4小結
第6章總結與展望
參考文獻