基于路径搜索的运动控制系统课程教学方法优化探讨

张耕培

摘  要 运动控制系统是一门多领域交叉课程，涉及众多知识点，难度较大。如何在有限的课时内覆盖尽可能多的知识点，并考虑到知识点间跨越理解难度，是这门课教学研究需要讨论的方向。基于人工智能中的路径搜索基本原理，提出一种新的课程内容组织方法，能够合理配置知识点，丰富课程内容，降低学生的理解难度。

关键词 自动化专业;运动控制系统;路径搜索;知识点优化;人工智能;网络课程;A*算法

中图分类号：G642    文献标识码：B

文章编号：1671-489X（2021）11-0095-03

0  前言

运动控制系统课程是自动化专业的专业核心课程之一，具有涉及初级课程多、知识点多、知识线索长、应用性强等特点。教学过程中需要经常复习初级课程中的知识点，同时复习先前学习的本课程知识点，且需要比较不同控制方式的特点，学生的学习难度与教师的讲授难度都比较大。鉴于运动控制系统课程的特殊性，很多教学人员给出不同的教学改革方案：小组讨论、翻转课堂、跨课程学习、实验过程优化等[1]。教学要素的调整一般集中在教师与学生的关系，课程核心的知识点优化组合需要进一步提炼[2]。

人工智能是在信息论、控制论、计算机等学科内容的基础上发展而来的，因此又可把它看作一门综合性的边缘学科[3]。它的出现及所取得的成就引起人们的高度重视，并取得很高的评价。本文根据人工智能中的路径规划问题中常用的A*搜索算法原理，寻找思维跳跃最小的思考路径，优化整合运动控制系统课程中知识点组合，从而实现理论教学中的最优教学方法。

1  课程特点与教学难点

运动控制系统课程所涉及的内容已成为电机学、电力电子技术、微电子技术、计算机控制技术、控制理论、信号检测与处理技术等多门学科相互交叉的综合性学科。如图1所示，运动控制系统是以直流或者交流电动机为对象进行控制，以各类控制器为核心，设电力电子装置为功率变换执行机构，参考多种控制理论组成的电气传动控制系统。运动控制系统虽然多种多样，但典型运动控制系统都由几部分构成：功率驱动电动机、运动控制器、计算机、反馈检测传感器和被控对象。电动机及其功率驱动装置作为执行器，主要为被控对象提供动力。

运动控制系统内容主要包括直流调速和交流调速。直流调速部分主要介绍单闭环直流调速、双闭环直流调速系统、可逆调速系统、直流脉宽调速系统和位置随动调速系统等内容;交流调速部分主要包括异步电机调速和同步电机调速，其中异步电机调速包括转差功率不变调速和转差功率回馈调速。课程教学通常以运动控制为主线，以其他知识领域内容为辅助，不可避免地需要复习和简述辅助内容。这些辅助内容分布在不同的知识领域，内容跨度大，但都由高等数学、电路基础、模拟电路、数字电路等基础课程所关联。如果简单地将知识点堆砌在规定课时内，势必会造成课程内容庞杂、教师备课费劲、学生听课吃力等问题。随着网络课程的兴起，高级专业课程由于难度较大，学生倾向于课外学习网络课程，课堂学习积极性较差。

如何优化课程内容，保持课堂学习的高效性，保持学生的学习兴趣，对于避免学生流失非常重要。如何在讲解大纲规定内容的基础上，合理配置主线知识点与辅助知识点的关联性，减小学生的理解难度，并尽量多地重温和说明辅助内容，有机组织主线内容与辅助内容，使课堂内容丰富饱满，是目前该课程需要研究的主要方向。

2  优化原理与方法

把学习过程中遇到的知识点看作散布在认知空间中的位置点，这些认知位置点之间的距离可以认为是知识点间的认知跨越难度。如果认知位置点间的距离越短（该距离为大于零的正实数），则认为从一个认知位置点到另一个认知位置点的跃迁学习越容易;如果两个认知位置点的距离为零，则可以认为两个认知位置点所代表的知识内容相同。

基于上述學习认知原理，本文提出根据难度最低知识点路径搜索策略的课程优化方法，该方法类似于地图的路径最短优化算法，可实现学生学习思维的畅通性（课程内的易学程度）与拓展性（课程间的交叉程度）。

A*算法是1968年提出的一种有效的启发式通用搜索算法，可以指导搜索在地图中进行最优化的方向前进[4]。A*算法基本思想：依据对问题的分析和对求解过程的分析，摸索利于启发问题求解的相关信息，通常根据启发函数，估算目前位置到目标位置的距离，基于该距离估计值去搜索最优路径。该算法不需要计算地图中所有的可能路径，只是依据启发函数逐步朝着某个方向搜索。当搜索空间地图复杂到一定程度时，传统搜索方法受限于计算能力不足，该方法将节省大部分的路径搜索成本，提高搜索效率，从而实现快速搜索[5]。

基于A*算法的路径搜索优化能力，可以将一堂课中所教知识点所途经的认知位置距离减小到最短距离，从而将课程中的知识点的跃迁学习难度降到最低。

如图2所示，将运动控制系统课程内的知识点，按照电机学、电力电子技术、控制理论三个方向坐标来构建知识空间，在该课程的知识空间内度量每个知识点所涉及的学科内容并进行定位。计算定位后的相邻知识点的空间距离，根据A*算法的路径寻优功能可以最大限度地提升学生学习效率，即在每节课程内的极限学习跃迁距离覆盖最多的相邻知识点。

当需要在课程间进行关联时，可以考虑进一步将某一知识点坐标作为独立的知识空间进行进一步的下一级知识点分量投影处理，即将某一知识坐标内的初级知识点在初级课程知识空间内做向量投影以量化在下一级课程中的坐标位置，这样就可以串联三级课程知识点。如图3所示，可将电力电子技术中的某个知识点在由电路分析、模拟电路、数字电路知识点构造的知识空间内做向量投影以确定分量关系。根据初级课程知识点的单坐标投影位置与高级课程单坐标位置分量之间的量化关系，以知识空间内的最短距离原则即可找到课程间的最近关联知识点。

在单节课时内容的知识点安排中，可以根据学生的学习能力设置知识点跃迁距离的总长度。当知识点学习路径中相邻几个知识点的跃迁距离比较短时，可以适当多设置几个知识点;当知识点学习路径中相邻几个知识点的跃迁距离比较长，即学习难度较大时，可以减少部分知识点。核心思想为控制单节课时内学习知识点跃迁距离总距离大致相等。

高级课程与基础课程之间有着密切的联系，该方法可以用于优化各类专业的高级专业课程。同时，基于A*算法中启发条件的不同，根据学生学习情况的不同，调节知识点学习的路径方向。可以实现在教学内容固定不变的条件下，根据不同的知识点路径遍历所有应学知识点，做到因材施教。进一步，可以根据该方法引导学生进行本课程、本专业甚至是本学科的思维导图绘制，建立学生的课程、专业、学科观，进一步辅助学生进行专业深造选择和择业能力优化。

3  总结

本文提出一种基于人工智能和相似度计算的课程内容组织新方法，该方法针对多课程交叉或多学科交叉的高级专业课程的内容组织，主要解决在有限的课程时间内，如何以学生最容易理解和学习的方式，构建尽量丰富的主线内容与辅助内容的问题，从而实现理论教学中的最优教学方法。

参考文献

[1]沈艳霞，纪志成.运动控制系统课程研究性教学方法的改革与探索[J].科教导刊，2016（2）：111-112.

[2]孙影，林芳.运动控制系统课程教学改革的探讨[J].科技风，2020（25）：55-56.

[3]樊莉，孙继银，王勇.人工智能中的A*算法应用及编程[J].微机发展，2003（5）：33-35.

[4]严弈遥，罗禹贡，朱陶，等.融合电网和交通网信息的电动车辆最优充电路径推荐策略[J].中国电机工程学报，2015（2）：15-17.

[5]Duchoň F， Babinec A， Kajan M， et al.Path Planning with Modified a Star Algorithm for a Mobile Robot[J].Procedia Engineering，2014（96）：59-69.