“智能控制”课程的教学改革实践

许 力

(浙江大学 电气工程学院， 浙江 杭州 310027)

“智能控制”课程的教学改革实践

许 力

(浙江大学 电气工程学院， 浙江 杭州 310027)

本文从课程内容、教学方法和考核手段等方面介绍面向本科生的“智能控制”课程的教学改革实践. 通过案例分析、读书报告和自主选题研究等实践性环节，激发了学生对“智能控制”课程的学习兴趣，取得了良好的教学效果。

教学改革；教学方法；考核机制

0 引言

当前，不少高校为本科生和研究生开设了“智能控制”这门课程，笔者从1999年开始讲授“智能控制”课程，授课对象包括本科生和研究生。本文从该课程内容、教学方法和考核手段等方面，介绍面向本科生的“智能控制”课程的教学改革实践。

1 “智能控制”课程内容

目前，以“智能控制”为书名的教材有不少，但内容却不尽相同其原因在于，智能控制是一个开放的研究领域，要作完整准确的定义几乎是不可能的。随着新的实现手段不断涌现，应用领域的不断扩展，其内涵不断得到扩充，其研究也处于持续的发展之中。

智能控制理论尚处在发展之中，一般认为，人工智能、模糊逻辑、神经网络和进化计算是智能控制的主要实现手段。所以，我们认为，“智能控制”课程应包含以上四方面的核心内容，即，①传统意义的人工智能、专家系统和专家控制；②模糊集合和模糊逻辑控制；③神经网络的主要类型和模型，以及基于神经网络的学习控制；④作为进化计算代表的遗传算法。

这四方面的内容很多，每方面都可单独出书和开课，要全部讲授，对于总共只有32或48学时的课程来说是不现实的，而且学生也难以理解。我们认为，对这门课程而言，采取突出重点、总体把握、以点带面的授课方式为宜。

2 突出重点、总体把握、以点带面

本课程的特点在于名词新、内容多、难理解、难把握,以及与国际的高度接轨性。很多名词对于本科生而言是高端玄乎的，商家也常常以此作为产品促销的卖点,例如“模糊不含糊”的模糊控制洗衣机、“AI人工智能”的电视机(由国际著名体育明星代言)、混沌控制的空调等等。为什么在数学上并不复杂的区区几个神经元连在一起就可以逼近复杂的非线性函数？基于神经网络的控制如何进行？对于习惯于数学模型的学生或者初学者是难以理解的，对于了解这些内容却不进行编程实践者，同样是难以把握的。

针对课程内容的特点，采取总体把握、突出重点、以点带面的授课方式是必要的。

尽管智能控制涉及的内容多而散，但从其产生和发展的过程看，还是存在关联和联系的，所以对其进行总体把握十分重要。常规意义的人工智能是智能控制产生的缘由，正是门德尔和傅京逊等学者将传统的人工智能和自动控制理论相结合才开创智能控制的研究领域[1]。随着智能控制的发展，这种传统意义上的智能控制的地位和作用逐渐减弱，但是，其中的一些概念还是很重要的，例如专家系统。因为，模糊控制可以说是模糊推理与专家系统相结合的产物，而模糊控制中的规则系统与专家系统中的产生式规则如出一辙。

模糊逻辑和模糊控制是智能控制的主要内容之一，其特点是理论体系比较成熟，参考书也很多，比较容易理解也便于自学。模糊集合和隶属度是模糊逻辑最基本的概念，它们与传统的清晰集合有着本质的不同，掌握了这些基本概念，随后的理论对于工科院校的学生而言是没有太大难度的。

神经网络和神经网络控制是智能控制最主要的，也是最难理解的部分。其特点是内容多而杂，与基于数学模型的传统方法完全不同，入门难，把握全局更难，学生普遍反映难理解。在神经网络方面，有多层感知器MLP(又称BP网)、小脑模型关节控制器(CMAC)、Hopfield网、Boltzman机、径向基函数RBF、模糊神经网络(FNN)、小波(Wavelet)网络、函数连接(Functional Link)网和高阶幂级数网等多种熟知的神经网络模型，它们的工作机理各不相同，用途也不同，但也不是没有联系的。事实上，尽管其他前馈网络模型不一定是在此基础上提出的，但是从理解的角度看，MLP和CMAC是各种前馈型网络的基础，它们反映了前馈网络的两种不同但又非常典型的设计思想，即全局化和局部化的设计。而Boltzman机和Hopfield网络则代表着另一种类型的网络，即反馈型神经网络。在学习控制方面，基于神经网络的学习控制与基于数学模型的控制策略(如最优控制、鲁棒控制、自适应控制等)无论在概念还是实现方法上都有很大差别，它们不需要数学模型，而只要让学习控制器在线地向运行中的系统学习，无论是成功的经验还是失败的教训。这样的学习系统对于初学者而言是需要一段时间来接受和理解的。

进化计算是智能控制领域中一个比较新的方面，而遗传算法又是其代表。该算法是一种模拟自然进化的寻优方法，对于智能信息处理非常重要。其特点是系统性强，比较容易掌握。

突出智能控制课程的总体特点和各部分的特点，对课程的教学效果至关重要。此课程还有另外一个更加突出的特点就是必须编程实践，尤其在学习神经网络和进化计算部分的时候。课程的许多内容，不是靠一般的笔头练习可以掌握的，有些内容是要靠经验和感觉去把握的。如果只是上课听听，就象听说书一样，听过也就忘了。必须通过编程调试才能加深理解，最好不要直接调用Matlab专用工具箱，否则教学效果不佳。因此提倡自己编程。

3 课堂讲授、案例讨论与课外阅读

由于智能控制内容丰富且各有特点，很难找到一本涵盖所有这些内容的适用教材，因此，笔者在推荐两本参考书的基础上，要求学生阅读相关英文文献，并针对不同内容采用不同的教学方法。

专家系统是人工智能的一个重要分支，与自动控制相结合就形成专家控制。专家控制的一些概念和方法，为智能控制的发展起了重要的作用。因此，需要着重讲授其概念。模糊逻辑和模糊控制以及遗传算法都有着较为完整的理论体系，可针对其基本形式进行较为详细的介绍。

在神经网络方面，重点讲授MLP和RBF这两种基本的网络模型，因为反映着前馈网络的全局化和局部化这两种不同但又非常典型的设计思想，让学生先掌握这两种网络，对理解其他前馈型网络很有益处。然后简要介绍FNN、Wavelet、ANFIS等多种前馈网络模型，以及反馈型神经网络，如Boltzman机和Hopfield等网络，后者虽然与学习控制没有直接关系但对于智能信息处理却十分重要。在基于神经网络的学习控制方面，重点介绍直接逆模型法(Direct inverse modeling)和远程学习法(Distal learning)等基本方法。

要求学生课外阅读的主要是关于专家系统、专家控制、神经网络的英文文献[2-5]。在讲授这些内容时，开设专门的讨论课，请学生上台介绍对这些内容的认识，然后进行讲评。

此外，还介绍相关研究内容，例如智能机器人、多值逻辑、混沌(Chaos)系统和元胞自动机(Cellular automata)等，对于拓展学生对智能控制理解，增强学习兴趣具有积极意义。

案例分析是本课程教学的主要措施之一。例如，针对基于神经网络的学习控制，介绍了CMAC神经网络的化学反应釜的实时控制和基于远程学习法的机器人控制；针对模糊控制，介绍了模糊控制洗衣机和倒立摆的控制，等等。

笔者在教学实践中，一个深刻体会就是，教师必须对智能控制各个方面的内容都有深刻的掌握，不仅要让学生理解概念，还要把握具体的应用；不仅要掌握总体，还要明白各个方面之间的联系。例如，MLP是几乎所有智能控制书籍都会涉及的神经网络模型，如果能很好地理解MLP，那么对其他前馈网络模型就很容易理解了。不少学生对学习算法的数学推导比较在行，但是调试程序往往存在困难，原因在于对学习率等细节问题缺少感性认识，而这是靠实践培养起来的，这也说明编程练习非常重要。

4 平时与期末并重的考核机制

学生的成绩包括平时作业和期末考核两部分，各占50%，以此改变国内高校普遍存在的“重期末轻平时”的现象。平时作业包括读书报告和编程作业，均要求用英文完成，而期末采用两种考核方式，闭卷考试或演讲报告。要求完成的读书报告包括专家系统、专家控制、神经网络，编程作业是针对MLP的研究报告。演讲报告自选课题，英文完成。围绕“智能”主题，自由发挥，这部分最能体现学生主观能动性。不少学生将所学知识应用于自己感兴趣的领域，给出了令人惊喜的展示。例如“基于机器学习的名画自动上色”、“基于神经网络的日照时间预测”、“基于BP神经网络的数字识别系统设计”、“基于蚁群算法的图像分割技术”、“基于遗传算法的黑白棋对弈”等等。学生通过自选课题研究，加深了理解，拓展了思路，体会了智能技术的实际应用。闭卷考试则着重于考查基本概念的掌握。所有作业均要求独立完成，一旦发现抄袭，则作惩罚性扣分。

5 结语

“智能控制”课程内容具有很强的独特性，因此，既要满足教学大纲的要求，又要根据本科生的特点，有重点地选择教学内容，兼顾理论性和实践性，研究采取适当的教学方式和考核机制，以获得良好的教学效果。

[1] Learning control systems and intelligent control systems: An intersection of artificial intelligence and automatic control”, IEEE Trans.AC, Febuary, 1972

[2] Peter J. Denning. Expert Systems，RIACS Technical Report 85.17

[3] Аström K.J. and ?rzén K.E., “Expert Control[M].” In P.J. Antsaklis and K.M. Passino (Ed). An Introduction to Intelligent and Autonomous Control. Kluwer Academic Publishers, Chpt.7, pp. 163-189, 1993;

[4] Ben Kr?se，Patrick van der Smagt，An introduction to Neural networks. The University of Amsterdam. 8th edition,1996,

[5] A.K. Jain, J. Mao and K.M. Mohiuddin, Artificial Neural Networks: A tutorial. IEEE Computer, 31-44, March, 1996

Teaching Reform and Practice on the Intelligent Control Course

XU Li

(CollegeofElectricalEngineering,ZhejiangUniversity,Hangzhou310027,China)

Teaching reform is conducted on the Intelligent Control course, which is open to undergraduate students, in several aspects, namely, the course content, the teaching method, and the grading approach. By means of case study, book report, and independent research, the students' interest in Intelligent Control is greatly stimulated, and thus good teaching effect is achieved.

teaching reform, teaching method, grading mechanism

2015-12-13;

2016-06-06

许 力(1964-)，男，博士，教授，主要从事智能控制与智能系统、大数据和数据挖掘等教学和研究工作，E-mail：xupower@zju.edu.cn

TP18

A

1008-0686(2016)05-0023-03