本章主要介绍计算机控制系统的常规及复杂控制技术。①常规控制技术介绍数字控制器的连续化设计技术和离散化设计技术；②复杂控制技术介绍纯滞后控制、串级控制、前馈—反馈控制、解耦控制

2.1控制系统的微分方程 2.2 系统传递函数 2.3 典型环节的传递函数 2.惯性环节 2.3 系统的传递函数方框图及其简化 2.4 反馈控制系统传递函数 2.6 相似原理

11.1 生态系统的基本概念 11.2 生态系统的组成与结构 11.3 食物链和食物网 11.4 营养级和生态金字塔 11.5 生态效率 11.6 生态系统的反馈调节和生态平衡

一.系统的性能指标，校正的一般概念，常用的校正方法与分类； 二.相位超前校正，相位滞后校正，相位超前-滞后校正的基本特性及其频域设计方法； 三. PID调节器的基本特性与设计方法； 四.顺馈校正与反馈校正的基本特性

11.1 生态系统的基本概念 11.2 生态系统的组成与结构 11.3 食物链和食物网 11.4 营养级和生态金字塔 11.5 生态效率 11.6 生态系统的反馈调节和生态平衡

第一节 系统仿真概述 第二节 系统动力学概述 第三节 基本反馈回路的DYNAMO仿真分析 第四节 DYNAMO函数 第五节 Vensim _PLE 仿真软件使用简介

校正方式与系统的希望开环频率特性； 串联校正的综合； 1. 根据希望开环频率特性的校正； 2. 超前校正，迟后校正，迟后-超前校正； 工程设计法与PID控制器参数的工程整定方法（自学）； 反馈校正的综合（自学）； 复合校正的综合（自学）

1. 校正的基本概念 2. 线性系统的基本控制规律 3. 常用校正装置及其特性 4. 串联校正 5. 反馈校正 6. 复合校正 7. 小结

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

8.1 状态空间描述 8.2 线性定常连续系统状态方程的解 8.3 线性定常系统的能控性和能观性 8.4 状态反馈和极点的任意配置 8.5 状态观测器的设计 8.6 李雅普诺夫稳定性分析