《智能控制》教学大纲

《智能控制》教学大纲适用范围：202X版本科人才培养方案课程代码：05156201课程性质：专业选修课学分：2学分学时：32学时（理论32学时）先修课程：线性代数、自动控制原理后续课程：毕业设计适用专业：电气工程及其自动化开课单位：电气工程与自动化学院一、课程说明《智能控制》是电气工程及其自动化专业的一门专业选修课。智能控制是自动控制发展的高级阶段，它理论性强、涉及面广，涵盖专家系统、模糊控制、神经网络、智能优化算法等前沿学科的理论与方法。通过本课程的学习使学生熟悉各类智能控制方法的基本原理，掌握典型控制方法的算法实现，提高学生应用计算机技术进行控制算法仿真的能力，课程重在拓宽学生的学术视野，同时为分析解决复杂非线性、时变、不确定系统的控制问题奠定基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：能够将智能控制的技术、方法、原理用于研究分析一些复杂的实际工程问题，提出解决方案。课程目标2：能够使用MATLAB等仿真软件对典型的模糊控制技术、神经网络控制方法与群智能优化算法进行模型仿真，分析复杂电气工程问题的特性，获得解决方案。课程目标3：了解控制领域关键技术的前沿动态，拓展学生的学术视野，激发学生的学习兴趣与学习探索能力，树立终身学习意识，积极思考，大胆创新。三、课程目标与毕业要求《智能控制》课程教学目标对电气工程及其自动化专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识1.4能够将电气工程及其自动化专业知识用于复杂电气工程问题解决方案的比较与优化。课程目标1：能够将智能控制的技术、方法、原理用于研究分析一些复杂的实际工程问题，提出解决方案。H2.问题分析2.2能够运用数学、自然科学和工程科学的基本原理，分析并表达复杂电气工程问题的特性，获得多种解决方案。课程目标2：能够使用MATLAB等仿真软件对典型的模糊控制技术、神经网络控制方法与群智能优化算法进行模型仿真，分析复杂电气工程问题的特性，获得解决方案。M3.设计/开发解决方案3.1能够掌握工程设计和产品开发全周期、全流程的基本方法和技术，了解影响设计目标和技术方案的各种因素。课程目标3：了解控制领域关键技术，掌握工程设计、产品开发的基本方法和技术，了解影响技术方案的因素，激发学生的学习兴趣与学习探索能力。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配智能控制课程教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时对应的课程目标1.智能控制概述1.1智能控制的发展与应用1.2智能控制的特点1.3智能控制的重要分支教学要求：使学生了解智能控制的概念及发展过程；熟悉智能控制的分支特点；了解智能控制的研究工具及应用领域。重点：智能控制的分支特点及应用。难点：智能控制的应用。232.专家控制2.1专家系统2.2专家控制2.3专家PID控制教学要求：使学生熟悉专家系统结构与专家控制原理；掌握专家PID的仿真实现。重点：专家控制结构原理与应用仿真难点：专家控制的应用仿真41、23.模糊控制3.1模糊控制理论基础3.2模糊运算与模糊关系推理3.3模糊控制基本原理与设计方法3.4模糊PID与T-S模糊控制3.5自适应模糊控制教学要求：使学生了解模糊集合与隶属函数的概念；掌握模糊矩阵运算与模糊关系合成推理方法；熟悉模糊PID、T-S模糊控制器原理与设计方法；了解模糊逼近概念与自适应模糊控制原理。重点：隶属函数、模糊矩阵运算、模糊控制器设计及应用仿真。难点：模糊矩阵运算与模糊关系合成推理方；模糊控制器设计与应用仿真。101、24.神经网络控制4.1神经网络理论的基础4.2BP神经网络4.3RBF神经网络4.4高级神经网络4.5神经网络自适应控制教学要求：使学生了解神经网络的概念、原理、分类及学习规则；掌握BP、RBF等典型神经网络的结构原理与设计方法；了解模糊神经网络、Hopfield等高级神经网络的结构原理；熟悉神经网络自适应控制的原理。重点：神经网络的学习规则，BP、RBF网络的结构原理与设计方法。难点：神经网络的结构原理与仿真实现101、35.智能优化算法5.1遗传算法基础5.2遗传算法应用5.3粒子群优化算法5.4差分进化算法教学要求：使学生熟悉遗传算法的概念、原理与仿真实现过程；了解遗传算法的应用与改进；了解粒子群优化算法、差分进化算法的原理与应用。61、2合计32五、教学方法及手段本课程以课堂讲授为主，利用网络课程、教学视频、习题案例与仿真程序等资源，进行启发式、讨论式教学和案例教学，促使学生学生全面了解智能控制的理论体系与技术方法。在此基础上，精选典型案例与仿真程序，通过模拟仿真，举一反三，引导学生主动学习、积极思考、大胆实践，开发学生的潜能，提高学生创新意识及利用智能控制方法分析解决实际工程问题的能力。六、课程资源1.推荐教材：（1）刘金琨.智能控制(第五版)[M].北京:电子工业出版社,2021.2.参考书：（1）刘金琨.智能控制-理论基础、算法设计与应用[M].北京:清华大学出版社,2019.（2）蔡自兴.智能控制导论(第三版)[M].北京:水利水电出版社,2019.（3）韦巍.智能控制技术(第二版)[M].北京:机械工业出版社,2015.3.期刊：（1）孙长银,吴国政,王志衡,丛杨,穆朝絮,贺威.自动化学科面临的挑战[J].自动化学报,2021,47(02):464-474.（2）王飞跃,魏庆来.智能控制:从学习控制到平行控制[J].控制理论与应用,2018,35(07):939-948.（3）包为民,祁振强,张玉.智能控制技术发展的思考[J].中国科学:信息科学,2020,50(08):1267-1272.（4）黄琳,杨莹,李忠奎.关于智能控制的几个问题[J].中国科学:信息科学,2018,48(08):1112-1120.（5）DerongLiu.Adaptivecriticnonlinearrobustcontrol:asurvey[J].IEEETransactionsonCybernetics,2017,47(10):3429-3451.4.网络资源：（1）网络资源(视频讲座)./courseHome/1000006524#resourse（2）网络资源(学习论坛)./forum-78-1.html七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分；（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√55线上学习10（1）根据线上教学视频、单元练习的完成质量评分，线上学习成绩满分100分；（2）学习通会根据学生教学视频与单元练习的数量与学生的完成质量，统计出学生线上学习的成绩；（3）以线上学习成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√55习题作业10（1）主要考核学生对智能控制方法原理的理解、掌握的程度，作业以综合仿真为主，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩；（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√55综合仿真10（1）主要考核运用MATLAB软件进行智能控制技术程序设计与仿真的能力；（2）每次仿真单独评分，取各次成绩的平均值作为此环节的最终成绩；（3）以仿真成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√10期末考核60（1）期末大作业成绩为100分，以该成绩乘以其在总评成绩中所占的比例计入课程总评成绩；（2）主要考核学生对模糊控制、神经网络、机器学习和优化算法方法原理的理解和掌握情况。√√√351015合计：100分502030八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、线上学习、习题作业、综合仿真、期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期期末考核成绩和过程性考核成绩组成。其中：期末大作业成绩为100分（权重60%），大作业以综合分析应用题目为主，全面考查学生对人工智能重点内容的理解掌握情况；课堂表现、线上学习、习题作业、综合仿真等过程性考核成绩为100分（权重40%）；过程性考核和大作业分值分配应与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60课堂表现25按时出勤，认真听讲；积极参与教学活动，踊跃回答问题，准确率大于90%。按时出勤，认真听讲；经常参与教学活动，回答问题准确率大于80%。按时出勤，偶尔参与教学活动，回答问题准确率大于70%。偶尔上课迟到，听讲不认真，回答问题准确性一般。上课不认真听课，提问不回答，活动不参与。线上学习25积极参与线上学习，教学视频学习率与单元练习准确率均大于90%。较好参与线上学习，视频学习率与单元练习准确率大于80%。参与线上学习，教学视频学习率与单元练习准确率大于70%。偶尔参与教学视频学习与单元练习答题。几乎未参与教学视频学习与单元练习答题。习题作业25作业干净整洁，程序设计合理与仿真效果可靠性大于90%