《智能控制技术》课程教学大纲（机器人工程专业）.doc

PAGE

PAGE1

《智能控制技术》课程教学大纲

一、课程简介

课程中文名

智能控制技术

课程英文名

IntelligentControlTechnology

双语授课

□是eq\o\ac(□,√)否

课程代码课程学分

2

总学时数

32

课程类别

□通识教育课程

□公共基础课程

eq\o\ac(□,√)专业教育课程

□综合实践课程

□教师教育课程

课程性质

□必修

eq\o\ac(□,√)选修

□其他

课程形态

□线上

eq\o\ac(□,√)线下

□线上线下混合式

□社会实践

□虚拟仿真实验教学

考核方式

□闭卷□开卷eq\o\ac(□,√)课程论文□课程作品□汇报展示□报告

□课堂表现□阶段性测试□平时作业□其他（可多选）

开课学院

机器人工程学院

开课

系(教研室)

机器人工程

面向专业

机器人工程

开课学期

第七学期

课程负责人

吴海涛

审核人

姚正华

先修课程

自动控制理论、人工智能技术

后续课程

毕业设计、机器人建模与仿真

选用教材

刘金琨.智能控制(第5版)[M].北京：电子工业出版社，2021.

参考书目

孙增圻.智能控制理论与技术[M].北京：清华大学出版社，2011.

课程资源

无

课程简介

智能控制是导论是机器人工程专业的一门专业选修课程。课程内容主要包括：专家控制、模糊控制、神经网络控制、以及遗传算法等内容的理论、方法和实验、案例。本课程的学习有助于掌握和进一步学习深度学习等最新研究方向，能够使用人工智能的方法搭建控制系统，设计控制算法和程序从而实现被控对象的有效控制功能，同时具有智能、快速、有效的特点，同时能够把学习者从编程中解放出来，更专注于工程问题的解决。

二、课程目标

表2-1课程目标

序号

具体课程目标

课程目标1

具备应用人工智能的方法搭建控制系统能力。

课程目标2

掌握应用人工智能技术设计控制算法和程序，能够不断获取相关新知识。

表2-2课程目标与毕业要求对应关系

毕业要求

指标点

课程目标

毕业要求3：设计/开发解决方案【M】

指标点3.1：能够分析复杂工程问题，设计解决方案，并体现出创新意识。

1

毕业要求4：研究【L】

指标点4.2：能够基于科学原理并采用科学方法对复杂机器人工程问题制定实验方案并实施。

2

三、课程学习内容与方法

（一）理论学习内容及要求

表3-1课程目标、学习内容和教学方法对应关系

序号

课程模块

学习内容

学习任务

课程目标

学习重点难点

教学方法

学时

1

绪论

1.智能控制的发展过程

1.预习：整章教材、课件

2.拓展阅读：智能控制技术发展简史、学科前沿文献

1、2

重点：

1.智能控制的重要分支

2.智能控制的特点

3.智能控制的研究工具及应用

难点：

1.智能控制的研究工具及应用

讲授法：针对1、2节

讨论法：针对第3节

2

2.智能控制的重要分支

3.智能控制的特点、研究工具及应用

2

专家控制

1.专家系统

1.预习：整章教材、课件

2.主题讨论：如何将专家系统与自动控制技术相结合？

1、2

重点：

1.专家控制的组成

2.专家控制的原理及应用

难点：

1.专家控制的应用

讲授法：针对1、2节

讨论法：针对第3节

4

2.专家控制

3.应用实例

3

模糊控制的理论基础

1.模糊集合的定义和表示

1.预习：整章教材、课件

2.主题讨论：如何实现模糊关系的合成和实现模糊推理？

1、2

重点：

1.模糊集合的基本运算

2.隶属度及隶属函数

3.模糊关系及其推理

难点：

1.模糊关系及其推理

讲授法：针对1-6节

讨论法：针对第7节

8

2.模糊集合的基本运算

3.隶属度及隶属函数

4.模糊关系

5.模糊推理

6.Mamdani推理法

7.应用实例

4

模糊控制

1.模糊控制的基本原理

1.预习：整章教材、课件

2.主题讨论：如何将模糊集合理论、模糊逻辑与自动控制技术相结合？

1、2

重点：

1.模糊控制的基本原理

2.模糊控制器的设计

难点：

1.模糊控制器的设计

讲授法：针对1-3节

讨论法：针对第4节

4

2.模糊控制器的组成

3.模糊控制器的设计

4.应用实例

5

神经网络的理论基础

1.人工神经网络概述

1.预习：整章教材、课件

2.主题讨论：神经网络的研究分为哪几个方面，它们对神经网络的性能有什么影响？

1、2

重点：

1.神经元与数学模型

2.人工神经网络

3.神经网络学习算法

难点：

1.神经网络学习算法

讲授法：针对1-5节

讨论法：针对第6、7节

6

2.神经元与数学模型

3.人工神经网络

4.神经网络学习概述

5.神经网络学习算法

6.