智能控制是在人工智能和自动控制等多学科基础上发展起来的交叉学科。随着社会和科学技术的不断发展，传统的控制理论面临着很大的挑战，这些挑战主要体现在传统的控制理论在处理系统的复杂性、测量的不准确性和不确定性问题时显得无能为力。在此背景下，模糊推理、神经网络、遗传算法和专家系统等智能控制技术取得了长足的发展。当前国内外控制界多把复杂系统的控制作为控制科学与工程学科发展的前沿方向。
《导弹计算机智能控制系统》主要介绍计算机智能控制理论在导弹飞行控制系统中的应用。全书共6章，主要内容包括智能控制系统概述、模糊逻辑PID控制、神经网络PID控制、遗传算法PID控制、多采样频率系统的分析与设计和智能控制在导弹姿态控制中的应用。
《导弹计算机智能控制系统》可供飞行器控制及相关专业的高等院校教师、学生及工程技术人员参考使用。

第1章 智能控制系统概述
1．1 传统控制理论所面临的问题
1．2 智能控制系统的基本概念
1．3 智能控制系统的构成原理
1．3．1 一般自动控制系统的构成
1．3．2 智能控制系统的构成
1．3．3 智能控制系统的主要功能特点
1．4 智能控制的类型
1．5 智能控制系统的分析方法
1．6 智能控制的现状与发展趋势

第2章 模糊逻辑PID控制
2．1 模糊逻辑理论的基本概念
2．1．1 模糊集合及其运算
2．1．2 模糊关系及其合成
2．1．3 模糊向量及其运算
2．1．4 模糊逻辑规则
2．1．5 模糊逻辑推理
2．2 模糊逻辑控制系统的基本结构
2．2．1 模糊控制系统的构成
2．2．2 模糊控制器的基本结构
2．2．3 模糊控制器的维数
2．2．4 模糊控制中的基本运算操作
2．3 模糊逻辑控制系统的基本原理
2．3．1 模糊化运算
2．3．2 数据库
2．3．3 模糊控制规则库
2．3．4 模糊推理
2．3．5 清晰化计算
2．4 离散论域的模糊控制系统的设计
2．5 具有PID功能的模糊控制器

第3章 神经网络PID控制
3．1 神经网络的基本概念
3．1．1 生物神经元模型
3．1．2 人工神经元模型
3．1．3 人工神经网络模型
3．1．4 神经网络的学习
3．1．5 神经网络的分类
3．2 典型神经网络模型及其主要算法
3．2．1 BP神经网络及其主要算法
3．2．2 RBF神经网络及其主要算法
3．3 神经网络控制系统
3．3．1 神经网络控制的基本原理
3．3．2 神经网络在控制中的主要作用
3．3．3 神经网络控制系统的分类
3．4 基于单神经元网络的PID控制
3．4．1 基于单神经元的自适应PID控制
3．4．2 改进的单神经元自适应PID控制
3．4．3 基于二次型性能指标学习算法的单神经元自适应PID控制
3．5 基于神经网络的PID控制
3．5．1 基于BP神经网络整定的PID控制
3．5．2 基于RBF神经网络整定的PID控制
3．5．3 基于RBF神经网络辨识的单神经元PID模型参考自适应控制

第4章 遗传算法PID控制
4．1 遗传算法概述
4．1．1 遗传算法的基本概念
4．1．2 遗传算法的特点
4．1．3 遗传算法与传统方法的比较
4．1．4 基于遗传算法的应用
4．2 遗传算法的基本原理
4．2．1 编码
4．2．2 选择
4．2．3 交叉
4．2．4 变异
4．2．5 适应度函数
4．2．6 控制参数的选择
4．2．7 约束条件的处理
4．3 基本遗传算法
4．3．1 遗传算法的基本操作
4．3．2 遗传算法的构成要素
4．3．3 遗传算法的基本步骤
4．4 基于遗传算法的PID整定
4．4．1 基于实数编码遗传算法的PID整定
4．4．2 基于二进制编码遗传算法的PID整定

第5章 多采样频率系统的分析与设计
5．1 多采样频率的配置
5．2 多采样频率系统的等效变换
5．2．1 环节的等效变换
5．2．2 系统的等效变换
5．3 多采样频率系统的性能分析
5．4 多采样频率系统的设计方法
5．5 多采样频率智能控制系统设计
5．5．1 基于模糊推理的多采样频率智能控制系统设计
5．5．2 基于神经网络的多采样频率智能控制系统设计

第6章 智能控制在导弹姿态控制系统中的应用
6．1 导弹纵向通道控制系统设计
6．1．1 导弹纵向通道姿态角控制系统的构成
6．1．2 导弹弹体小扰动线性化模型
6．1．3 导弹飞行控制系统数学模型
6．1．4 导弹纵向通道阻尼回路设计
6．2 PID控制纵向通道姿态角控制系统设计仿真
6．3 智能控制在纵向通道姿态角控制系统中的应用
6．4 多速率采样在纵向通道姿态角控制系统中的应用
参考文献