教学目的、要求
本课程为模式识别与智能系统专业研究生的专业基础课。智能控制作为一门新兴学科分支，目前已经成为控制界最为活跃的研究领域之一。不同于经典控制理论和现代控制理论方法，智能控制是应用以专家知识信息为基础进行推理和学习的理论方法，采用数学解析和知识系统相结合的混合模型建立控制系统。智能控制技术特别适用于完成传统方法不能解决的控制问题，如被控过程具有较强的复杂性、非线性以及不确定性等特征。智能控制的研究将是未来自动化学科领域中的主流方向之一。 主要教学内容包括智能控制基础中的主要理论方法：基于知识和专家系统的智能控制，基于模糊推理和模型的模糊控制，基于人工神经网络的智能控制，基于进化论(遗传算法)的学习控制，集成上述几种方法的综合智能控制。各部分内容在介绍基本理论的同时，还将给出有关的最新学术进展及其存在的问题。课程还将通过智能控制技术在工程应用的实例，介绍智能控制方法不同于传统控制方法的特点。
预修课程
高等数学，线性控制，过程控制，或现代控制理论。
教材
孙增祈，《智能控制理论与技术》，清华大学出版社，北京,1999。
主要内容
第一章 概论 自动控制的机遇与挑战，智能控制的产生与发展，智能控制的多种定义及研究内容，传统控制与智能控制，智能控制的广义理解及在各个学科中的应用。 第二章 进化计算与遗传算法 进化计算的发展历史，进化计算的基本内容，遗传算法的基本结构与原理，模式定理，遗传算法的改进，模拟退火算法，进化计算的发展趋向。 第三章 进化计算与遗传算法典型应用实例 旅行商问题，机器人路径导航，过程控制。 第四章 模糊集合与模糊逻辑 模糊理论发展及应用概述，模糊集合，模糊关系，隶属函数，模糊规则，模糊推理。 第五章 模糊控制系统及模糊建模方法 模糊控制系统基本结构，模糊控制器设计基本方法，TSK建模方法，多输入多输出系统，模糊系统辨识与模糊预测。 第六章 模糊系统的非线性分析 万能逼近定理，非线性逼近的三个基本概念，模糊控制器的非线性分析。 第七章 模糊控制典型应用实例及发展趋势 倒立摆控制，泊车控制，飞行器控制，家电产品控制。 第八章 神经网络基本理论 神经网络研究发展概述，神经网络结构，学习规则。 第九章 基本人工神经网络方法 BP网络，Hopfiled网络，CMAC网络，Boltzmann机模型。 第十章 人工神经网络典型应用实例及发展趋势 ANFIS应用，机器人控制，ATM网络数据流量控制。 第十一章 关于实时应用中的考虑 软/硬实时的概念及定义，在线/离线的概念及定义，软/硬件的作用，硬件实例。 第十二章 智能控制理论与应用发展展望 理论与应用中存在的问题，软/硬算法的综合，与传统方法的综合，“Okaham’s Razor”概念，理论与应用发展展望。