（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

（1)精确逻辑(传统逻辑)的一些概念 命题逻辑、布尔代数、和集合论是同构的。 隐含是重要的概念。 传统的命题逻辑中,命题的“真”和“假”必须具有 意义。逻辑推理是给定一个命题,组合成另一个命题的过 程

1、静态系统的辨识,它包括: （1)参数辨识 （2)结构辨识 2、动态系统的辨识 （1)结构辨识 （2)系统行为的辨识 一般情况下的静态模糊辨识问题，在一般情况下,规则具有以下的形式:

（1)都是非数值型的非线性函数的逼近器、估计器、和动态系统; （2)不需要数学模型进行描述,但都可用数学工具进行处理; （3)都适合于VLSI、光电器件等硬件实现。不同之处:(工作机制方面:

一、模糊逻辑控制器的基本结构 二、模糊控制系统的设计 三、PD控制器模糊益调节 四、利 MATLAB用设计模糊控制器 五、模糊系统的稳定性分析

（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

1.智能控制概论 2.模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

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

（1)依赖于初始条件。 （2)与求解空间有紧密关系,促使较快地收敛到局部解,但同时对解域有约束,如可微或连续。利用这些约束,收敛快。 （3)有些方法,如 Davison-Fletcher-Powell--直接依赖于至少一阶导数;共轭梯度法隐含地依赖于梯度

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