本书是为“应用型工科” 控制类相关专业学生和非控制类学科的硕士研究生学习“现代控制技术和方法” 而撰写的教材｡
线性系统理论是现代控制理论的基础, 也是目前理论上完善､技术上成熟､工程应用广泛的内容｡本次修订除对原书第3 版的部分章节内容改写外, 还增写了“优控制” 的有关内容, 补充了部分习题参考答案供读者学习参考｡
本书重点突出､概念清晰､内容精炼､简明易懂, 具有工程

现代控制理论是自动化专业的一门基础课程. 本书是作者在清华大学、江南大学从事现代控制理论相关课程的教学和科研创新经验的结晶, 介绍现代控制理论的基础知识: 动态系统的状态空间描述、线性系统的运动分析、能控性、能观测性、状态反馈和观测器等, 以及非线性系统的李雅普诺夫稳定性分析, 还介绍作者在现代控制理论方面的一些最新研究成果: 连续系统离散化、Z.S 变换、卡尔曼滤波和连续系统重构.
本书不仅传授知识, 而且还传授科学研究与创新的新思想和新方法, 特别是提出了一系列值得深入研究的课题,

《现代控制理论基础》主要介绍控制系统基本理论和相关知识，包括一般控制系统状态空间描述及其表达式、线性控制系统稳定性、能观性和能控性分析、状态反馈与观测以及控制系统的最优化设计等内容。全书内容系统，概念准确、公式规范，理论结合工程实践，每章都安排了一节利用MATLAB对线性系统分析和设计和内容，实用性强。

本书为普通高等教育“十一五”***规划教材，并曾获2002年教育部全国普通高校优秀教材二等奖。《BR》　　本书主要介绍反馈控制系统的基本理论及其工程分析和设计方法。全书共10章。前3章主要介绍反馈控制系统的基本工作原理、物理系统的数学模型、包括频率特性在内的一些基本概念。第4～7章介绍控制系统稳定性分析、稳态误差分析、瞬态响应分析以及控制系统的设计和校正。第8章对工程中常用的根轨迹方法作了介绍。*后两章讲述了状态空间分析法和非线性控制系统。《BR》　　书中大部分章节有利用Matlab控制软件的应

　　《现代控制理论》主要介绍现代控制理论的基础知识，包括系统的状态空间描述、系统状态方程建立及求解、系统的能控性、能观测性、李雅普诺夫稳定性、极点配置、状态观测器设计、线性二次型优控制等。在介绍系统分析和控制系统设计方法的同时，适当地给出了相应的MATLAB函数，便于读者利用MATLAB软件来有效求解控制系统的一些计算和仿真问题，以加深对概念和方法的理解，有利于培养学生利用计算机解决实际问题的能力。
　　《现代控制理论》主要适用于应用技术型高校的电气工程及其自动化专业、自动化专业及

*控制是现代控制理论中的重要课题。近年来，随着工程应用的需求和人工智能的兴起，在系统模型未知或部分未知的情况下寻求近似*控制的方法逐渐崭露头角。本书上册包括*控制基础和*控制的数学理论两部分，着重介绍经典变分法、庞特里亚金极小值原理以及动态规划方法；下册侧重*控制的智能方法，包括强化学习与自适应动态规划、*控制的数值方法、模型预测控制、微分博弈以及平行控制。为了适应智能时代的人才需求，我们在中国科学院大学计算机与控制学院和人工智能学院开设了包含*控制数学理论与智能方法的研究生专业课，并在课程讲义

本书主要介绍现代控制理论的基本知识、方法和应用，重点在于最优控制论的基本框架、基本数学理论和前沿分支。主要内容包括线性系统的状态空间表达法、能控性和能观性，状态滤波器与系统辨识，泛函及其极值问题，最优控制的最大值原理、动态规划原理以及两者之间的关系，线性二次指标的最优控制问题等。作为最优控制理论的新发展，本书还简要介绍了随机最优控制问题的有关理论及其在现代金融学中的应用。同时，本书精选了一些例题，以便使读者加深对内容的理解和掌握。本书可作为数学与应用数学、信息与计算科学、统计学、自动控

本书是《模式识别及Matlab实现》主教材的配套实验与指导，根据主教材各章内容，相应给出了实验的具体步骤和程序代码，包括：贝叶斯决策，概率密度函数的参数估计，非参数判别分类方法，聚类分析，特征提取与选择，模糊模式识别，神经网络在模式识别中的应用，模式识别的工程应用等。

　　本书简要阐述了自动控制的基本理论与应用。全书共9章，前8章着重以现代控制工程为背景，介绍系统建模、时域分析法、根轨迹法、频域分析法、离散系统分析、状态空间分析以及非线性系统分析，各章均包含有Matlab应用技术实例以及与内容密切相关的多种形式的二维码。第9章内容借鉴了国际著名商学院的教育理念与方法，进行现代控制系统的案例分析，以强化学生对控制系统概念的理解，提高对控制系统的分析、设计能力，激发学生的创新理念。《BR》　　本书为2003年国家精品课程“自动控制原理”主干教材，2008年“自动控

    本书主要介绍模式识别的基础知识、基本方法、程序实现和典型实践应用。全书共9章。第1章介绍模式识别的基本概念、基础知识；第2章介绍贝叶斯决策理论；第3章介绍概率密度函数的参数估计；第4章介绍非参数判别分类方法；第5章介绍聚类分析；第6章介绍特征提取与选择；第7章介绍模糊模式识别；第8章介绍神经网络在模式识别中的应用；第9章介绍模式识别的工程应用。每章的内容安排从问题背景引入，讲述基本内容和方法，到实践应用（通过MATLAB软件编程）。本书内容系统，重点突出，做到理论、应