《智能控制技术》教学大纲

《智能控制技术》教学大纲课程编号：13220325英文名称：IntelligentControl学分：2.0学时：总学时40学时，其中理论24学时，实践16学时先修课程：高等数学、线性代数、自动控制原理课程类别：专业拓展课授课对象：自动化专业学生教学单位：机械与电气工程学院修读学期：第6学期一、课程描述和目标本课程是自动化专业的一门控制理论类专业拓展课，课程结合自动控制原理，概率统计，以实际工程应用为导向，培养学生运用智能控制技术解决自动化领域实际工程问题的能力。课程目标1：通过对最优化理论（遗传算法）的学习，能够将最优化理论和数学模型方法用于分析自动化领域相关控制问题。课程目标2：通过对模糊数学基础、模糊控制技术、神经网络控制技术的学习，对相关实验结果进行分析，合理解释实验现象，并通过模糊数学基础、模糊控制技术、神经网络控制技术的信息综合得到合理有效的结论。课程目标3：通过对智能控制新技术（模糊控制技术、神经网络控制技术和遗传算法）发展历程的了解，认识到自主学习和终身学习的必要性。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标支撑强度1.3能够将积分变换、最优化理论等相关知识和数学模型方法用于推演、分析自动化相关领域的专业工程问题；课程目标1M4.4能够运用统计分析、时频域分析或其他相关方法，对实验结果进行分析，合理解释实验现象，并通过信息综合得到合理有效的结论；课程目标2H12.1了解自动化相关领域的新技术、新产业、新业态，认识到自主学习和终身学习的必要性。课程目标3L三、教学内容、基本要求与学时分配1、理论教学内容序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标概述智能控制的基本概念；智能控制系统的特征和性能；智能控制系统的类型；智能控制的发展概况。。基本要求：掌握智能控制的基本概念，理解智能控制系统的特点，熟识智能控制系统的几大分支，了解智能控制的发展概况。重点难点：机器人的基本概念和特点德育要求：学习科学家傅京孙的初心，爱国情怀2集中讲授2、3模糊控制的数学基础模糊和模糊关系的基本概念；模糊关系的合成与性质；模糊逻辑语言；模糊推理。基本要求：理解模糊集合和模糊关系的基本概念，掌握模糊关系的合成，理解模糊逻辑语言与模糊推理。重点难点：模糊关系的合成和模糊推理德育要求：精益求精。4集中讲授，课堂演示2模糊控制模糊控制系统的工作原理；模糊控制器的结构与组成；模糊控制器的设计步骤；模糊控制的应用。基本要求：掌握模糊模糊控制系统的工作原理，掌握模糊控制系统的结构与组成，理解模糊控制器的设计步骤，了解模糊控制的应用。重点难点：模糊控制系统的工作原理、模糊控制器的设计步骤。德育教育：对立统一的看待问题6集中讲授、课堂演示2神经网络的基本理论神经网络的基本概念；BP网络的结构与算法；RBF网络的结构与算法。基本要求：掌握神经网络的基本概念，理解BP网络的结构与算法，理解RBF网络的结构与算法。重点难点：RBF网络的结构与算法。德育教育：创新意识4集中讲授2神经网络控制神经网络控制的结构；RBF网络监督控制；RBF网络自适应控制。基本要求：理解神经网络控制的结构，掌握RBF网络监督控制和RBF网络自适应控制。重点难点：RBF自适应控制。思政元素：整体与部分的辩证统一4集中讲授，课堂演示2遗传算法遗传算法的基本原理；遗传算法的特点、发展及应用；遗传算法的设计；遗传算法的计算机实现。基本要求：掌握遗传算法的基本原理，了解遗传算法的特点、发展及应用；理解遗传算法的设计；掌握遗传算法的计算机实现。重点难点：遗传算法的设计思政元素：科技报国4集中讲授、课堂演示1合计242、实验教学内容序号实验项目实验内容与要求学时类型对应课程目标1模糊推理掌握模糊语句、模糊逻辑推理的基础上，通过MATLAB仿真平台，运行实例进行模糊推理，对所得结果进行计算比较，来验证模糊推理的有效性。要求：必修2验证22模糊控制器的仿真实验结合实验1，掌握模糊控制基本原理的基础上，通过MATLAB仿真平台，运行实例进行模糊控制系统，对所得结果进行数据分析，来验证模糊控制效果的有效性，并比较模糊控制和传统PID控制的性能的差异。要求：必修4验证23神经网络实验熟悉MATLAB中有关神经网络基本命令的使用；掌握神经网络设计的基本步骤；理解RBF算法的原理，并利用RBF网络实现函数逼近的功能。要求：必修2验证24遗传算法求函数极值遗传算法求函数极值要求：必修4验证1、2、35综合实验结合实验1-4，根据实际工程问题设计基于模糊控制/神经网络控制、遗传算法的控制器并进行仿真。要求：选修4综合1、2、3合计16注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等。四、课程教学方法以课程目标为导向，与章节具体理论知识点的实现相匹配，课内采用在线学习、虚拟仿真与理论知识相结合的教学方式，课后要求学生利用仿真软件和在线学习网站资源对实验和作业进行拓展或者举一反三，采取教、学、做一体化的方法。理论学习：以集中讲授为主，课堂演示为辅；实验教学：以集中指导为主，个别答疑为辅；课外学习方法：以课前预习、学习在线课程资源和课后作业为主，其他文献资源学习为辅。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时作业、实验成绩、课程论文、期末考核组成，均按百分制计分，其中期末考核成绩占50%、平时作业成绩占20%、实验成绩占20%、课程论文成绩占10%。2.课程目标达成考核与评价序号考核方式课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1平时作业10100202实验成绩10100203课程论文0010104期末考试1040050课程目标对应分值306010100（二）考核与评价标准1.平时成绩考核与评价标准分值观测点90-100分70-89分60-69分0-59分平时作业能够对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行理解并应用。完成90%以上的作业内，知识点理解到位。基本能够对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行理解。完成70%以上的作业，知识点理解较到位。能够对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行部分理解。完成60%以上的作业，基本知识点理解基本到位。不能理解模糊数学基础、模糊控制技术、遗传算法等基础理论知识。完成50%以下的作业，知识点理解有偏差。2.实验成绩与评价标准实验成绩能够通过仿真对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行验证。实验报告内容完整，对实验结果分析有理有据。基本能够通过仿真对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行验证。实验报告内容较完整，对实验结果分析基本到位。能够通过仿真对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行验证。实验报告内容基本完整，对实验结果分析部分准确。能够通过仿真对模糊数学基础、模糊控制技术、遗传算法等基础理论知识进行部分验证。实验报告不交或内容不完整，没有实验结果分析。3.课程论文考核与评价标准分值观测点90-100分70-89分60-69分0-59分课程论文能够对智能控制新技术（模糊控制技术、神经网络控制技术和遗传算法）的发展背景进行描述。可以运用自己的语言组织素材。格式规范。能够对智能控制新技术（模糊控制技术、神经网络控制技术和遗传算法）的发展背景进行一般描述。大部分运用自己的语言组织素材。格式基本规范。能够对智能控制新技术（模糊控制技术、神经网络控制技术和遗传算法）的发展背景进行粗略描述。有部分摘抄，格式略规范。不能对智能控制新技术（模糊控制技术、神经网络控制技术和遗传算法）的发展背景进行描述。大部分摘抄，格式不规范。4.期末试卷考核与评价标准根据课程目标及教学内容，设计期末考核试题，综合检验学生对课程相关知识的掌握、综合应用及解决复杂问题的能力，根据考试题目设计相应评分标准。六、教材与参考书（一）推荐教材1．《智能控制》（第5版），刘金琨主编，电子工业出版社，2021年4月版