11.1 基本原理 11.2 基本迭代学习控制算法 11.3 迭代学习控制的关键技术 11.4 机械手轨迹跟踪迭代学习控制仿真实例 11.5 线性时变连续系统迭代学习控制 11.6 移动机器人轨迹跟踪迭代学习控制

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

9.1 概述 9.2 神经网络控制结构 9.3 单神经元网络控制 9.4 RBF网络监督控制 9.5 RBF网络自校正控制 9.6 基于RBF网络直接模型参考自适应控制 9.7 一种简单的RBF网络自适应控制 9.8 基于不确定逼近的RBF网络自适应控制 9.9 基于模型整体逼近的机器人RBF网络自适应控制 9.10 神经网络数字控制

安徽理工大学：《智能控制及仿真》课程教学资源（课件讲义）第8章 高级神经网络

7.1单神经元网络 7.2BP神经元网络 7.3RBF神经网络

安徽理工大学：《智能控制及仿真》课程教学资源（课件讲义）第6章 神经网络的理论基础

5.1 模糊逼近 5.2 间接自适应模糊控制 5.3 直接自适应模糊控制 5.4 机器人关节数学模型 5.5 基于模糊补偿的机械手自适应模糊控制

4.1模糊控制的基本原理 4.2模糊控制系统分类 4.3模糊控制器的设计 4.4模糊控制器设计实例-洗衣机模糊控制 4.5 模糊自适应整定PID控制

3.1 概述 3.2 模糊集合 3.3 隶属函数 3.4 模糊推理 3.5 模糊推理

1.1智能控制的发展过程 1.2智能控制的几个主要分支 1.3智能控制的特点、研究工具及应用