本书介绍仿脑操作特性的神经网络控制设计方法及其在机器人系统中的应用。全书共5章：第1章为绪论；第2章介绍受操作性条件反射启发的仿生神经网络非线性控制；第3章介绍伴有局部权值学习及有限神经元自增长（FNSG）策略的神经自适应控制，同时也给出其应用领域内的算法仿真实例；第4章介绍基于多内涵自调节神经网络的仿生智能控制；第5章介绍仿生智能控制在多自由度机器人系统中的应用，并给出详细的仿真过程及结果。 本书可作为高等院校控制工程与技术、工业自动化、机电工程等专业研究生、博士生教材，亦可作为从事神经网络、智能控制、机器人控制等相关专业的教师和科研人员的参考书。

第1章 绪论
1.1 背景
1.1.1 智能控制的基础知识
1.1.2 脑科学技术研究
1.2 智能控制研究现状
1.2.1 智能控制系统宏观结构
1.2.2 神经网络控制的最新进展
1.3 本书内容与体系架构
1.3.1 目标与意义
1.3.2 内容概要
习题
第2章 受操作性条件反射启发的仿生神经网络非线性控制
2.1 引言
2.2 操作性条件反射学习机制
2.2.1 行为心理学层面的OC学习
2.2.2 神经心理学层面的OC学习
2.3 操作性条件反射仿生模型
2.3.1 奖赏机制
2.3.2 神经自适应单元
2.3.3 仿生神经网络
2.4 基于OCBM的仿生控制方法
2.4.1 问题描述
2.4.2 控制策略
2.4.3 稳定性分析
2.5 仿真验证
2.5.1 非时变模型下的控制效果验证
2.5.2 关键参数对控制性能的影响
2.5.3 不同系统模型的控制性能对比
2.5.4 漂移模型的控制效果验证
2.6 本章小结
习题
第3章 伴有局部权值学习及FNSG策略的神经自适应控制
3.1 引言
3.2 问题描述
3.2.1 跟踪误差动态特性
3.2.2 控制目标
3.2.3 光滑饱和函数
3.3 基于自增长神经元网络的控制器设计
3.3.1 神经网络输入的紧集限制
3.3.2 自调节网络结构
3.3.3 控制方案
3.3.4 FNSG策略
3.4 FNSG神经控制器稳定性分析
3.5 仿真验证
3.5.1 系统无扰动情形
3.5.2 系统有扰动情形
3.6 本章小结
习题
第4章 基于多内涵自调节神经网络的仿生智能控制
4.1 引言
4.2 UAT的应用限制及对策
4.2.1 未知时变理想权值
4.2.2 神经元数量在线自调节方案
4.2.3 基函数结构多元化
4.2.4 紧集先决条件
4.3 多内涵自调节神经网络
4.4 改进型NN控制器设计
4.4.1 经典鲁棒控制方案
4.4.2 基于MSAE-NN控制方案
4.5 仿真验证
4.5.1 神经元数量自调节且基函数类型单一
4.5.2 神经元数量固定且基函数类型单一
4.5.3 神经元数量自调节且基函数类型多元化
4.6 本章小结
习题
第5章 仿生智能控制在多自由度机器人系统中的应用
5.1 引言
5.2 问题描述
5.2.1 机器人系统动力学模型
5.2.2 被控对象误差动态方程
5.3 面向机器人系统的MSAE-NN模型
5.4 仿生学习控制器设计
5.4.1 关节空间控制方案
5.4.2 笛卡儿任务空间控制方案
5.4.3 BLAC特性讨论
5.5 仿真验证
5.5.1 全部关节执行器运行正常
5.5.2 部分关节执行器运行故障
5.6 本章小结
习题
参考文献
习题答案（仅供参考）
附录