4.1 模糊逻辑的数学基础 4.1.1 模糊集合 4.1.2 模糊集合的表示方法 4.1.3 模糊集合的运算 4.1.4 隶属函数确定方法 4.1.5 模糊关系 4.2 模糊逻辑的推理 4.2.1 模糊命题 4.2.2 模糊逻辑 4.2.3 模糊语言 4.2.4 模糊推理 4.3 模糊控制系统概述 4.3.1 模糊控制系统的构成 4.3.2 模糊控制系统的原理 4.4 模糊控制器原理 4.5 模糊控制器设计基础 4.6 双入单出模糊控制器设计 4.6.1 模糊化 4.6.2 模糊控制器规则、模糊关系 4.6.3 清晰化 4.6.4 控制表计算程序

4.1 模糊逻辑的数学基础 4.1.1 模糊集合 4.1.2 模糊集合的表示方法 4.1.3 模糊集合的运算 4.1.4 隶属函数确定方法 4.1.5 模糊关系 4.2 模糊逻辑的推理 4.2.1 模糊命题 4.2.2 模糊逻辑 4.2.3 模糊语言 4.2.4 模糊推理 4.3 模糊控制系统概述 4.3.1 模糊控制系统的构成 4.3.2 模糊控制系统的原理 4.4 模糊控制器原理 4.5 模糊控制器设计基础 4.6 双入单出模糊控制器设计 4.6.1 模糊化 4.6.2 模糊控制器规则、模糊关系 4.6.3 清晰化 4.6.4 控制表计算程序

2.1 模糊集合论 2.1.1 普通集合与模糊集合的基本概念 2.1.2 模糊集合的基本运算 2.1.3 截集与分解定理 2.1.4 模糊集的模糊性与可能性 2.2 模糊模式识别与聚类分析 2.2.1 模式识别方法 2.2.2 聚类分析方法 2.3 模糊综合评价 2.3.1 模糊综合评价的基本概念 2.3.2 模糊综合评价的基本步骤

3-1 传统控制方法与模糊逻辑控制方法 3-2 模糊逻辑控制的工作原理 4-1 模糊逻辑控制器的结构 4-2 模糊逻辑控制器设计步骤 4-3 模糊逻辑控制器的设计方法 5-1 模糊逻辑控制系统的一般设计过程 5-2 模糊逻辑控制系统设计举例

1-1 模糊逻辑的发展 1-2 模糊逻辑与计算机 1-3 模糊逻辑与人工智能 1-4 模糊逻辑技术中的几个问题 2-1 模糊逻辑及其表述 2-2 二值逻辑、多值逻辑和模糊逻辑 2-3 模糊逻辑推理方法 2-4 解模糊判决方法

•学生汇报点评，引出模糊综合评价 •模糊数学基本概念 •隶属度的含义及确定【重点】 •模糊集合的表示方法 •模糊集合的运算【重点、难点】 •模糊集合分解定理【重点、难点】 •模糊综合评判法的步骤 •常见模糊算子【重点、难点】 •模糊综合评判法的应用【重点、难点】

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

教学内容 本章讲述模糊控制与传统控制的相互关系、模糊神经网络控制、模糊控制和遗传算法的相互联系与区别、模糊控制与基于知识系统的交叉和融合。 教学重点 重点内容是讲述模糊控制与传统控制的相互关系，模糊系统与神经网络、遗传算法、基于知识的学习系统的相互联系以及交叉融合。 教学难点 对模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系的准确把握和理解，学会用发展和联系的观点看待智能控制学科的发展。 教学要求 要求学生基本了解模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系。 通过本章的学习，进一步加深对智能控制特点的理解，学会用发展和联系的观点看待智能控制学科的发展，从而培养学生创常新意识和能力，形成正确的工作方法

分析和证明了Zadeh模糊集合理论的三个缺点和两个错误,提出了一个考虑模糊集合之间关系,并且用相关系数来刻画这种关系的程度的新模糊集合理论(系统)——C*-模糊集合理论(系统).新理论(系统)能克服Zadeh模糊集合理论的三个缺点和两个错误;能正确地描绘客观世界的全部模糊现象;有补集;隶属度有统一的计算公式;并且是经典集合系统的特例,能满足全部经典集合的公式,与正常思维、逻辑和概念一致

基于模糊推理的智能控制 （1）模糊集合与模糊推理 （2）模糊推理系统 （3）模糊建模与辨识 （4）模糊控制系统 （5）模糊控制系统的稳定性