一、解耦控制 二、推断控制 三、自适应控制 四、预测控制 五、模糊控制 六、神经元网络控制 七、智能控制与专家系统 八、故障检测与故障诊断

◼ 自适应控制系统 ◼ 参考模型自适应控制系统 ◼ 具有被控对象数学模型在线辨识的自适应控制系统 ◼ 预测控制 ◼ 智能控制系统 ◼ 神经元网络控制 ◼ 模糊控制系统 ◼ 最优控制系统 ◼ 控制管理一体化

(1）非线性 (2）分布处理 (3）学习并行和自适应 (4）数据融合 (5）适用于多变量系统 (6）便于硬件实现

竞争学习和Kohonen自组织网络 竞争学习根据输入模式来更新权值，输入单元i与所有输 出单元j 用wij 连接。输入的数目即为输入的维数，输出的 数目即为输入数据要聚类的数目

一、无监督学习神经元网络 竞争学 Kohonen习和自组织网络。 竞争学习根据输入模式来更新权值,输入单元i与所有输。出单元j用w连接。输入的数目即为输入的维数,输出的数目即为输入数据要聚类的数目

6.1 概述 6.1.1生物神经元模型 6.1.2 人工神经元模型 6.1.3 人工神经网络模型 6.1.4 神经网络的学习方法

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

二、小脑模型连接控制器(CMAC)网络 原理:从小脑活动只获取启发 （1)小脑从各种传感器获得信号、反馈和命令,构成地址,地址的内容形成各种所需的动作。 （2)输出的动作只限制在最活跃神经中的一个小子集,绝大多数神经元都受到抑制

11.1 模糊神经网络理论概述 11.2 模糊系统简介 11.3 RBF网络及其与模糊系统的功能等价 11.4 模糊神经元的一般构造方法 11.5 模糊神经网络 11.6 标准模糊神经控制器结构 11.7 模糊RBF型神经控制器结构

原理：从小脑活动只获取启发 （1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址的内容形成各种所需的动作。 （2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数神经元都受到抑制