本书为全国电力行业十四五规划教材。
本书理论联系实际，以火力发电过程为工程背景，结合燃煤机组智能化建设，介绍了智能控制算法在建模,仿真、优化、控制等方面的应用。首先，系统全面地介绍了自动控制理论的发展历史及智能控制理论的发展应用现状;描述了智能控制系统的一般结构，为后续各章节的理论介绍及程序设计莫定基础;从工程应用角度出发。结合实例对象仿真，论述可以用于不同场合的自动控制系统数字仿真的离散相似法和数值积分法;论述了单纯形法等经典优化方法以及遗传算法、蚁群算法、粒子群算法等群体智能优化算法，通过具体实例描述了优化方法在控制器参数寻优及模型辨识中的应用过程;介绍了模糊控制的数学基础---模糊数学的基础知识，分析了经典模糊控制器和 TS模糊控制器的设计过程，并通过不同的实例展示了控制器设计的细节;介绍了神经网络的基本原理、学习方法和常见的浅层网络，论证了神经网络用于参数辨识、故障诊断、回路控制的方法，通过具体工程实例论证了不同类型神经网络控制系统的设计与实现过程。

本书通过对智能控制理论和方法进行全面系统的介绍，使学生从方法论与基础理论、研究方法、研究技术应用三个层次，定性和定量研究两个方面，理论知识与实践环节相结合的基础上，掌握并运用智能控制理论的基本方法，解决工程中的实际问题。结合教学团队多年的实践教学经验，编写一本满足当前教学要求，体现教学改革精神，符合当下发展趋势，反映当前新思想、新理论的理论与实践相结合的教材。

随着新型电力系统建设的逐渐推进，火电机组的外部环境也随之发生改变，不但要满足日益严格的环保和安全要求，而且要面对煤种的不确定、电网快速调峰、新能源消纳的问题及经营竞争的压力，传统运行方式及控制技术已不能解决这些问题，因此智能发电是火电机组未来发展的趋势。其中，智能发电需要关注复杂系统的多目标优化控制、电站设备状态监测、自组织精细管理等问题，而这些问题的基础是利用先进算法实现复杂系统的优化控制。智能发电框架下，对燃煤机组控制提出了更高的要求，很多情况下常规 PID 控制是不可能实现的。只有依赖于先进控制算法，因此先进控制算法尤其是智能算法具有十分广阔的应用前景。相比较 PID控制算法的普及，智能算法有一定的准入门槛，本书期望从基础理论和工程应用两个角度揭示智能控制的本质，为算法的完善及应用推广提供帮助。智能控制一词起源于 20 世纪 70年代，最开始仅是一个概念和想法，用来描述人机交互的系统，经过五十多年的发展，逐渐形成一系列的理论分支。智能控制并不是一种控制方法，而是一类方法的统称，这些方法具备共同的目标，即模拟人或者群体生物的智能行为用于解决复杂难以建立对象模型的问题。例如，遗传算法模拟的是自然界优胜劣汰的进化过程，蚁群算法模拟的是群居生物--蚂蚁找寻食物的过程，粒子群算法模拟的是鸟群搜索食物的过程，这类群体智能算法的目标是解决多维空间的搜索问题。模糊控制作为智能控制的一个重要分支，希望通过计算机和模糊数学描述人们对于周围事物和现象的认识，使机器能够模拟人的行为，从而达到智能的目的。神经网络也是模拟人的神经结构建立起来的一种理论体系，通过学习和训练，使网络具备某种特征。专家系统期望用计算机的软硬件系统模拟人类某个领域专家的智能行为，研究的是特定群体的智能而非广泛群体的智能。总结这些分支，智能控制的方法具有没有算法解知识系统十推理模型等共同特征，在知识自动化中发挥着重要的作用。

前言
第1章 概述
1.1 智能控制理论的发展历史
1.2 智能控制的现状及应用
第2章 控制系统数字仿真
2.1 计算机仿真
2.2连续系统二次建模过程---连续系统的离散化
2.3离散系统的差分方程求取
2.4 计算机仿真程序设计
第3章 智能优化理论与万法
3.1 控制系统的参数优化问题
3.2 单纯形法
3.3 遗传优化算法
3.4 蚁群优化算法
3.5 粒子群优化算法
第4章智能建模理论与方法
4.1建模方法概述
4.2智能辨识原理
4.3估计模型的选择
4.4基于标准粒子群算法的智能辨识
第5章 模糊控制
5.1模糊控制概述
5.2模糊控制的数学基础
5.3基本模糊控制器设计
5.4带自调整因子的模糊控制器设计
5.5 模糊与 PID 复合控制
5.6 TS模糊模型控制
第6章 神经网络及神经网络控制
6.1 生物神经元和人工神经元
6.2 神经网络的结构及学习方法
6.3 典型的浅层神经网络
6.4 神经网络故障诊断
6.5 神经网络控制