智能控制系统

智能控制系统是一种使用各种基于人工智能计算方法的自动控制系统，例如模糊逻辑控制系统，基于基因算法控制系统，以及类神经网络控制系统。

• 课时1：课程介绍 (8分54秒)

• 课时2：智能控制系统概论 1.自动控制系统 (13分41秒)

• 课时3：智能控制系统概论 2.计算智能 (8分23秒)

• 课时4：智能控制系统概论 3.模糊逻辑系统 (8分46秒)

• 课时5：智能控制系统概论 4.演化计算 (10分10秒)

• 课时6：智能控制系统概论 5.类神经网络 (8分58秒)

• 课时7：模糊集合 1.明确集合 (11分40秒)

• 课时8：模糊集合 2.模糊集合 (17分47秒)

• 课时9：模糊集合 3.模糊集合之基本概念 (11分37秒)

• 课时10：模糊集合 4.模糊归属函数 (10分23秒)

• 课时11：模糊集合 5.模糊集合之运算 (10分46秒)

• 课时12：模糊逻辑 1.明确关系 (16分32秒)

• 课时13：模糊逻辑 2.模糊关系 (17分34秒)

• 课时14：模糊逻辑 3.扩展原理 (12分43秒)

• 课时15：模糊逻辑 4.语言变数 (13分34秒)

• 课时16：模糊逻辑 5.模糊规则 (11分4秒)

• 课时17：模糊逻辑 6.模糊推论 (16分52秒)

• 课时18：模糊控制系統(一) 1. 模糊推论系统 (12分15秒)

• 课时19：模糊控制系統(一) 2. Matlab程式编写 (11分12秒)

• 课时20：模糊控制系統(一) 3.冷气机之模糊控制 (17分23秒)

• 课时21：模糊控制系統(一) 4. 洗衣机之模糊控制 (16分44秒)

• 课时22：模糊控制系統(一) 5. Sugeno模糊模型 (12分54秒)

• 课时23：模糊控制系統(二) 1. 直流马达模糊控制 (18分17秒)

• 课时24：模糊控制系統(二) 2. 倒立摆模糊控制 (18分37秒)

• 课时25：模糊控制系統(二) 3. 倒车入库模糊控制 (16分41秒)

• 课时26：模糊控制系統(二) 4. 机器人模糊控制 (18分50秒)

• 课时27：T-S模糊控制系統(一) 1. T-S模糊模型 (18分54秒)

• 课时28：T-S模糊控制系統(一) 2. 平行分布补偿 (11分32秒)

• 课时29：T-S模糊控制系統(一) 3. 李雅普诺夫稳定定理 (12分15秒)

• 课时30：T-S模糊控制系統(一) 4. 闭回路T-S模糊系統稳定定理 (11分51秒)

• 课时31：T-S模糊控制系統(一) 5. 闭回路T-S模糊系统稳定定理 (17分9秒)

• 课时32：T-S模糊控制系统(二) 1. 线性矩阵不等式 (13分35秒)

• 课时33：T-S模糊控制系统(二) 2. 衰退率T-S模糊控制器设计 (11分30秒)

• 课时34：T-S模糊控制系统(二) 3. 倒立摆T-S模糊控制 (12分28秒)

• 课时35：T-S模糊控制系统(二) 4. 双向充放电器T-S模糊控制 (17分18秒)

• 课时36：T-S模糊控制系统(二) 5. 机器人T-S模糊控制 (18分5秒)

• 课时37：二进位基因演算法(一) 1. 梯度下降法 (17分45秒)

• 课时38：二进位基因演算法(一) 2. 基因演算法特性 (11分39秒)

• 课时39：二进位基因演算法(一) 3. 二进位编码与解码 (16分43秒)

• 课时40：二进位基因演算法(一) 4. 初始族群 (11分19秒)

• 课时41：二进位基因演算法(一) 5. 适应函数 (12分23秒)

• 课时42：二进位基因演算法(二) 1. 天择运算 (17分46秒)

• 课时43：二进位基因演算法(二) 2. 交配运算 (17分49秒)

• 课时44：二进位基因演算法(二) 3. 突变运算 (11分44秒)

• 课时45：二进位基因演算法(二) 4. 菁英政策 (11分34秒)

• 课时46：二进位基因演算法(二) 5. 基因演算法之参数分析 (12分6秒)

• 课时47：基于基因演算法之控制系统 1. 基于基因演算法之函数极值 (16分28秒)

• 课时48：基于基因演算法之控制系统 2. 控制系统时域响应与PID控制器 (18分10秒)

• 课时49：基于基因演算法之控制系统 3. 基于基因演算法之最佳PID控制 (15分46秒)

• 课时50：基于基因演算法之控制系统 4. 基于基因演算法之强健PID控制 (17分55秒)

• 课时51：进阶基因演算法 1. 实数型基因演算法 (18分58秒)

• 课时52：进阶基因演算法 2. 基于实数型基因演算法之控制系统 (16分29秒)

• 课时53：进阶基因演算法 3. 格雷编码 (11分10秒)

• 课时54：进阶基因演算法 4.适应函数线性缩放 (11分16秒)

• 课时55：进阶基因演算法 5. 适应函数标准差縮放 (13分40秒)

• 课时56：基于粒子群最佳化法之控制系统 1. 粒子群最佳化法之原理 (18分41秒)

• 课时57：基于粒子群最佳化法之控制系统 2. 基于粒子群最佳化法之函数极值 (16分26秒)

• 课时58：基于粒子群最佳化法之控制系统 3. 粒子群最佳化法之参数分析 (11分27秒)

• 课时59：基于粒子群最佳化法之控制系统 4. 基于粒子群最佳化法之PID控制 (11分42秒)

• 课时60：基于粒子群最佳化法之控制系统 5. 基于粒子群最佳化法之强健PID控制 (13分57秒)

• 课时61：基于演化计算之模糊控制系统 1. 主轴马达伺服系統 (12分32秒)

• 课时62：基于演化计算之模糊控制系統 2. 基于基因演算法之模糊控制 (12分16秒)

• 课时63：基于演化计算之模糊控制系統 3. 机械手臂控制系統 (11分44秒)

• 课时64：基于演化计算之模糊控制系统 4. 基于基因演算法之T-S模糊控制 (11分36秒)

• 课时65：基于演化计算之模糊控制系統 5. 基磁浮控制系統 (11分51秒)

• 课时66：基于演化计算之模糊控制系統 6. 基于粒子群最佳化法之T-S模糊控制 (13分12秒)

• 课时67：单层类神经网络 1. 类神经元模型 (15分15秒)

• 课时68：单层类神经网络 2.感知机 (17分16秒)

• 课时69：单层类神经网络 3. 感知机应用案例 (13分1秒)

• 课时70：单层类神经网络 4. 适应线性元件 (18分15秒)

• 课时71：单层类神经网络 5. 适应线性元件应用范例 (15分28秒)

• 课时72：多层类神经网络 1. 多层神经网络架构 (14分52秒)

• 课时73：多层类神经网络 2. 反向传播算法 (17分25秒)

• 课时74：多层类神经网络 3. XOR闸 (12分22秒)

• 课时75：多层类神经网络 4. 函数近似 (12分58秒)

• 课时76：多层类神经网络 5. 多层神经网络应用范例 (20分1秒)

• 课时77：类神经网络控制系统(一) 1. 类神经网络控制系统 (19分18秒)

• 课时78：类神经网络控制系统(一) 2.类神经网络模式预测控制 (17分39秒)

• 课时79：类神经网络控制系统(一) 3.引擎类神经网络温度控制 (17分33秒)

• 课时80：类神经网络控制系统(一) 4.直流马达类神经网络控制 (19分14秒)

• 课时81：类神经网络控制系统(二) 1. 类神经网络模式参考控制 (15分40秒)

• 课时82：类神经网络控制系统(二) 2.机器手臂系统识别 (13分10秒)

• 课时83：类神经网络控制系统(二) 3.机器手臂类神经网络控制 (13分16秒)

• 课时84：类神经网络控制系统(二) 4.倒车入库神经网络控制 (15分22秒)

• 课时85：模糊类神经网络控制系统 1. 适应性类神经模糊推论系统 (14分27秒)

• 课时86：模糊类神经网络控制系统 2. 混合学习演算法 (12分17秒)

• 课时87：模糊类神经网络控制系统 3. 离散动态控制系统 (12分50秒)

• 课时88：模糊类神经网络控制系统 4. 倒车入库控制系统 (15分4秒)