第1章 緒論
1．1 自適應(yīng)控制問(wèn)題的提出
1．2 自適應(yīng)控制的種類
1．2．1 模型參考自適應(yīng)控制系統(tǒng)
1．2．2 自校正控制系統(tǒng)
1．2．3 智能自適應(yīng)控制系統(tǒng)
1．2．4 其他形式的自適應(yīng)控制系統(tǒng)
1．3 自適應(yīng)控制的應(yīng)用現(xiàn)狀
1．3．1 在工業(yè)領(lǐng)域中的典型應(yīng)用
1．3．2 在非工業(yè)領(lǐng)域中的應(yīng)用
1．4 自適應(yīng)控制存在的問(wèn)題及發(fā)展方向

第2章 系統(tǒng)辨識(shí)
2．1 系統(tǒng)辨識(shí)概述
2．1．1 數(shù)學(xué)模型及建模方法
2．1．2 系統(tǒng)辨識(shí)的定義及其分類
2．1．3 參數(shù)模型
2．1．4 系統(tǒng)辨識(shí)的基本原理
2．1．5 系統(tǒng)辨識(shí)的步驟
2．2 白噪聲、M序列與噪信比
2．2．1 白噪聲與有色噪聲
2．2．2 M序列與逆M序列
2．2．3 噪信比
2．3 最小二乘參數(shù)估計(jì)法
2．3．1 批處理最小二乘法
2．3．2 遞推最小二乘法
2．3．3 遺忘因子遞推最小二乘法
2．3．4 遞推增廣最小二乘法
2．4 梯度校正參數(shù)估計(jì)法
2．4．1 確定性系統(tǒng)的梯度校正參數(shù)估計(jì)法
2．4．2 隨機(jī)牛頓法
2．5 極大似然參數(shù)估計(jì)法
2．6 多變量系統(tǒng)參數(shù)估計(jì)

第3章 模型參考自適應(yīng)控制
3．1 連續(xù)系統(tǒng)數(shù)值積分基礎(chǔ)知識(shí)
3．1．1 歐拉法
3．1．2 龍格-庫(kù)塔法
3．2 基于梯度法的模型參考自適應(yīng)控制
3．2．1 MIT自適應(yīng)律
3．2．2 MIT歸一化算法
3．3 基于Lyapunov穩(wěn)定性理論的模型參考自適應(yīng)控制
3．3．1 Lyapunov穩(wěn)定性理論與正實(shí)傳遞函數(shù)
3．3．2 可調(diào)增益Lyapunov-MRAC
3．3．3 系統(tǒng)狀態(tài)變量可測(cè)時(shí)的MRAC
3．3．4 Narendra穩(wěn)定自適應(yīng)控制器
3．4 離散時(shí)間模型參考自適應(yīng)系統(tǒng)
3．4．1 二階系統(tǒng)的離散時(shí)間MRAS
3．4．2 n階系統(tǒng)的離散時(shí)間MRAS

第4章 自校正控制
4．1 Diophantine方程的求解
4．1．1 單步Diophantine方程的求解
4．1．2 多步Diophantine方程的求解
4．2 最小方差自校正控制
4．2．1 單步輸出預(yù)測(cè)
4．2．2 最小方差控制
4．2．3 最小方差間接自校正控制
4．2．4 最小方差直接自校正控制
4．3 廣義最小方差自校正控制
4．3．1 廣義最小方差控制
4．3．2 廣義最小方差間接自校正控制
4．3．3 廣義最小方差直接自校正控制
4．4 廣義預(yù)測(cè)控制
4．4．1 預(yù)測(cè)控制的提出
4．4．2 預(yù)測(cè)控制的基本機(jī)理
4．4．3 廣義預(yù)測(cè)控制
4．5 改進(jìn)的廣義預(yù)測(cè)控制
4．5．1 基于CARIMA模型的JGPC
4．5．2 基于CARMA模型的JGPC

第5章 基于常規(guī)控制策略的自校正控制
5．1 極點(diǎn)配置自校正控制
5．1．1 極點(diǎn)配置控制
5．1．2 極點(diǎn)配置間接自校正控制
5．1．3 極點(diǎn)配置直接自校正控制
5．2 自校正PID控制
5．2．1 常規(guī)PID控制
5．2．2 自校正PID控制

第6章 神經(jīng)網(wǎng)絡(luò)辨識(shí)與控制
6．1 基于BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
6．1．1 BP神經(jīng)網(wǎng)絡(luò)
6．1．2 基于局部誤差的BP神經(jīng)網(wǎng)絡(luò)辨識(shí)
6．1．3 基于全局誤差的BP神經(jīng)網(wǎng)絡(luò)辨識(shí)
6．2 基于RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制
6．2．1 RBF神經(jīng)網(wǎng)絡(luò)
6．2．2 基于RBF神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)
6．2．3 基于RBF神經(jīng)網(wǎng)絡(luò)的PID自校正控制

第7章 模糊控制與模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)
7．1 引言
7．2 模糊邏輯控制
7．2．1 模糊控制系統(tǒng)的設(shè)計(jì)
7．2．2 模糊控制M文件仿真
7．2．3 模糊控制Simulink仿真
7．3 模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)
7．3．1 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的比較
7．3．2 模糊神經(jīng)網(wǎng)絡(luò)
7．3．3 關(guān)系度聚類方法
7．3．4 補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)
7．3．5 基于聚類的補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)

第8章 無(wú)模型自適應(yīng)控制
8．1 動(dòng)態(tài)線性化技術(shù)
8．1．1 緊格式動(dòng)態(tài)線性化方法（CFDL）
8．1．2 偏格式動(dòng)態(tài)線性化方法（PFDL）
8．1．3 全格式動(dòng)態(tài)線性化方法（FFDL）
8．2 SISO無(wú)模型自適應(yīng)控制
8．2．1 基于CFDL的無(wú)模型自適應(yīng)控制
8．2．2 基于PFDL的無(wú)模型自適應(yīng)控制
8．2．3 基于FFDL的無(wú)模型自適應(yīng)控制
8．3 MIMO無(wú)模型自適應(yīng)控制
8．3．1 基于CFDL的MIMO無(wú)模型自適應(yīng)控制
8．3．2 基于PFDL的MIMO無(wú)模型自適應(yīng)控制
8．3．3 基于FFDL的MIMO無(wú)模型自適應(yīng)控制
參考文獻(xiàn)