間歇過程因其能夠滿足現代過程工業的特點和要
求而被廣泛采用，但問歇過程具有很強的非線性及動
態特性，這些特性決定了間歇過程控制要比連續過程
控制復雜，需要新的非傳統技術。如何將具有離散時
間特征(批次軸)和連續時間特征(時間軸)的信息統一
在同一個模型和控制繫統框架下是間歇過程優化控制
中面臨的挑戰。
賈立編著的《基於數據的間歇過程綜合學習型優
化控制》主要介紹基於數據的間歇過程綜合學習型優
化控制，旨在把具有離散時間特征(批次軸)和連續時
間特征(時間軸)的性能參數融人控制繫統的分析與設
計中，從而實現批次軸一時間軸的協同設計。全書分
為三部分：第1、2章介紹必要的背景材料和預備知識
；第3、4章研究基於數據的間歇過程模型；第5～7章
研究間歇過程的綜合學習型優化控制。本書可作為自
動控制專業研究生的教學參考書，同時對從事自動化
繫統研究、設計、開發和應用的廣大科技工作者也具
有一定的參考價值。

序
前言
第1章 間歇過程優化控制概述
1.1 引言
1.2 間歇過程優化控制的研究狀況
1.3 迭代學習控制在間歇過程中的應用
1.4 間歇過程優化控制研究中存在的關鍵問題
1.5 全書概況
參考文獻
第2章 神經模糊繫統綜述
2.1 緒論
2.2 神經網絡與模糊邏輯繫統結合的幾種形式
2.3 多級神經模糊繫統的網絡結構形式
2.4 基於神經模糊繫統的建模與控制方法的特點
參考文獻
第3章 基於數據的間歇過程神經模糊模型
3.1 間歇過程全局收斂性神經模糊模型研究
3.1.1 間歇過程的神經模糊模型
3.1.2 基於Lyapunov方法的全局收斂性參數學習算法
3.1.3 實驗結果
3.1.4 小結
3.2 基於概率密度函數的間歇過程神經模糊模型
3.2.1 基於建模誤差PDF形狀的參數學習算法
3.2.2 實驗結果
3.2.3 小結
參考文獻
第4章 間歇過程批次軸一時間軸綜合神經模糊模型
4.1 間歇過程時變神經模糊模型
4.1.1 間歇過程時變神經模糊模型的特點
4.1.2 間歇過程時變神經模糊模犁結構
4.1.3 基於Lyapunov方法的間歇過程時變神經模糊模型參數學習
4.1.4 實驗結果
4.2 基於概率密度函數的間歇過程二維模型研究
4.2.1 基於模型誤差概率密度函數的間歇過程神經模糊模型參數辨識
4.2.2 實驗結果
4.2.3 小結
參考文獻
第5章 基於數值分析理論的間歇過程優化控制研究
5.1 基於神經模糊模型的間歇過程迭代學習控制
5.1.1 間歇過程的迭代學習控制策略
5.1.2 間歇過程迭代學習控制繫統收斂性分析
5.1.3 實驗結果
5.1.4 小結
5.2 基於批次軸模型修正的間歇過程迭代學習控制
5.2.1 放松約束條件的間歇過程迭代學習控制策略
5.2.2 基於批次軸模型修正的間歇過程迭代學習控制策略
5.2.3 實驗結果
5.3 間歇過程變R調節迭代學習控制及跟蹤性能分析
5.3.1 零跟蹤誤差分析
5.3.2 零跟蹤誤差實現策略分析
5.3.3 實驗結果
5.4 小結
參考文獻
第6章 基於智能優化理論的間歇過程優化控制
6.1 基於微粒群優化算法的間歇過程迭代學習控制
6.1.1 基於微粒群優化算法的間歇過程迭代學習控制
6.1.2 微粒群優化算法的構建
6.1.3 實驗結果
6.2 間歇過程的兩層智能混合優化控制
6.2.1 PSO-SQP兩層智能混合優化
6.2.2 實驗結果
6.3 基於微粒群優化算法的間歇過程多目標優化控制
6.3.1 間歇過程的多目標優化問題
6.3.2 基於多目標微粒群優化算法的Pareto優化控制
6.3.3 數值仿真
6.3.4 實驗結果
6.4 小結
參考文獻
第7章 間歇過程批次軸一時間軸綜合學習型優化控制
7.1 引言
7.2 一類線性問歇過程綜合學習型優化控制
7.2.1 線性間歇過程動態R參數綜合學習型優化控制
7.2.2 性能分析
7.2.3 實驗結果
7.3 非線性間歇過程綜合學習型優化控制策略
7.3.1 非線性間歇過程綜合學習型優化控制
7.3.2 性能分析
7.3.3 實驗結果
7.4 小結
參考文獻