“智能控制”課程的教學改革實踐

許 力

(浙江大學 電氣工程學院， 浙江 杭州 310027)

“智能控制”課程的教學改革實踐

許 力

(浙江大學 電氣工程學院， 浙江 杭州 310027)

本文從課程內(nèi)容、教學方法和考核手段等方面介紹面向本科生的“智能控制”課程的教學改革實踐. 通過案例分析、讀書報告和自主選題研究等實踐性環(huán)節(jié)，激發(fā)了學生對“智能控制”課程的學習興趣，取得了良好的教學效果。

教學改革；教學方法；考核機制

0 引言

當前，不少高校為本科生和研究生開設(shè)了“智能控制”這門課程，筆者從1999年開始講授“智能控制”課程，授課對象包括本科生和研究生。本文從該課程內(nèi)容、教學方法和考核手段等方面，介紹面向本科生的“智能控制”課程的教學改革實踐。

1 “智能控制”課程內(nèi)容

目前，以“智能控制”為書名的教材有不少，但內(nèi)容卻不盡相同其原因在于，智能控制是一個開放的研究領(lǐng)域，要作完整準確的定義幾乎是不可能的。隨著新的實現(xiàn)手段不斷涌現(xiàn)，應(yīng)用領(lǐng)域的不斷擴展，其內(nèi)涵不斷得到擴充，其研究也處于持續(xù)的發(fā)展之中。

智能控制理論尚處在發(fā)展之中，一般認為，人工智能、模糊邏輯、神經(jīng)網(wǎng)絡(luò)和進化計算是智能控制的主要實現(xiàn)手段。所以，我們認為，“智能控制”課程應(yīng)包含以上四方面的核心內(nèi)容，即，①傳統(tǒng)意義的人工智能、專家系統(tǒng)和專家控制；②模糊集合和模糊邏輯控制；③神經(jīng)網(wǎng)絡(luò)的主要類型和模型，以及基于神經(jīng)網(wǎng)絡(luò)的學習控制；④作為進化計算代表的遺傳算法。

這四方面的內(nèi)容很多，每方面都可單獨出書和開課，要全部講授，對于總共只有32或48學時的課程來說是不現(xiàn)實的，而且學生也難以理解。我們認為，對這門課程而言，采取突出重點、總體把握、以點帶面的授課方式為宜。

2 突出重點、總體把握、以點帶面

本課程的特點在于名詞新、內(nèi)容多、難理解、難把握,以及與國際的高度接軌性。很多名詞對于本科生而言是高端玄乎的，商家也常常以此作為產(chǎn)品促銷的賣點,例如“模糊不含糊”的模糊控制洗衣機、“AI人工智能”的電視機(由國際著名體育明星代言)、混沌控制的空調(diào)等等。為什么在數(shù)學上并不復雜的區(qū)區(qū)幾個神經(jīng)元連在一起就可以逼近復雜的非線性函數(shù)？基于神經(jīng)網(wǎng)絡(luò)的控制如何進行？對于習慣于數(shù)學模型的學生或者初學者是難以理解的，對于了解這些內(nèi)容卻不進行編程實踐者，同樣是難以把握的。

針對課程內(nèi)容的特點，采取總體把握、突出重點、以點帶面的授課方式是必要的。

盡管智能控制涉及的內(nèi)容多而散，但從其產(chǎn)生和發(fā)展的過程看，還是存在關(guān)聯(lián)和聯(lián)系的，所以對其進行總體把握十分重要。常規(guī)意義的人工智能是智能控制產(chǎn)生的緣由，正是門德爾和傅京遜等學者將傳統(tǒng)的人工智能和自動控制理論相結(jié)合才開創(chuàng)智能控制的研究領(lǐng)域[1]。隨著智能控制的發(fā)展，這種傳統(tǒng)意義上的智能控制的地位和作用逐漸減弱，但是，其中的一些概念還是很重要的，例如專家系統(tǒng)。因為，模糊控制可以說是模糊推理與專家系統(tǒng)相結(jié)合的產(chǎn)物，而模糊控制中的規(guī)則系統(tǒng)與專家系統(tǒng)中的產(chǎn)生式規(guī)則如出一轍。

模糊邏輯和模糊控制是智能控制的主要內(nèi)容之一，其特點是理論體系比較成熟，參考書也很多，比較容易理解也便于自學。模糊集合和隸屬度是模糊邏輯最基本的概念，它們與傳統(tǒng)的清晰集合有著本質(zhì)的不同，掌握了這些基本概念，隨后的理論對于工科院校的學生而言是沒有太大難度的。

神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)控制是智能控制最主要的，也是最難理解的部分。其特點是內(nèi)容多而雜，與基于數(shù)學模型的傳統(tǒng)方法完全不同，入門難，把握全局更難，學生普遍反映難理解。在神經(jīng)網(wǎng)絡(luò)方面，有多層感知器MLP(又稱BP網(wǎng))、小腦模型關(guān)節(jié)控制器(CMAC)、Hopfield網(wǎng)、Boltzman機、徑向基函數(shù)RBF、模糊神經(jīng)網(wǎng)絡(luò)(FNN)、小波(Wavelet)網(wǎng)絡(luò)、函數(shù)連接(Functional Link)網(wǎng)和高階冪級數(shù)網(wǎng)等多種熟知的神經(jīng)網(wǎng)絡(luò)模型，它們的工作機理各不相同，用途也不同，但也不是沒有聯(lián)系的。事實上，盡管其他前饋網(wǎng)絡(luò)模型不一定是在此基礎(chǔ)上提出的，但是從理解的角度看，MLP和CMAC是各種前饋型網(wǎng)絡(luò)的基礎(chǔ)，它們反映了前饋網(wǎng)絡(luò)的兩種不同但又非常典型的設(shè)計思想，即全局化和局部化的設(shè)計。而Boltzman機和Hopfield網(wǎng)絡(luò)則代表著另一種類型的網(wǎng)絡(luò)，即反饋型神經(jīng)網(wǎng)絡(luò)。在學習控制方面，基于神經(jīng)網(wǎng)絡(luò)的學習控制與基于數(shù)學模型的控制策略(如最優(yōu)控制、魯棒控制、自適應(yīng)控制等)無論在概念還是實現(xiàn)方法上都有很大差別，它們不需要數(shù)學模型，而只要讓學習控制器在線地向運行中的系統(tǒng)學習，無論是成功的經(jīng)驗還是失敗的教訓。這樣的學習系統(tǒng)對于初學者而言是需要一段時間來接受和理解的。

進化計算是智能控制領(lǐng)域中一個比較新的方面，而遺傳算法又是其代表。該算法是一種模擬自然進化的尋優(yōu)方法，對于智能信息處理非常重要。其特點是系統(tǒng)性強，比較容易掌握。

突出智能控制課程的總體特點和各部分的特點，對課程的教學效果至關(guān)重要。此課程還有另外一個更加突出的特點就是必須編程實踐，尤其在學習神經(jīng)網(wǎng)絡(luò)和進化計算部分的時候。課程的許多內(nèi)容，不是靠一般的筆頭練習可以掌握的，有些內(nèi)容是要靠經(jīng)驗和感覺去把握的。如果只是上課聽聽，就象聽說書一樣，聽過也就忘了。必須通過編程調(diào)試才能加深理解，最好不要直接調(diào)用Matlab專用工具箱，否則教學效果不佳。因此提倡自己編程。

3 課堂講授、案例討論與課外閱讀

由于智能控制內(nèi)容豐富且各有特點，很難找到一本涵蓋所有這些內(nèi)容的適用教材，因此，筆者在推薦兩本參考書的基礎(chǔ)上，要求學生閱讀相關(guān)英文文獻，并針對不同內(nèi)容采用不同的教學方法。

專家系統(tǒng)是人工智能的一個重要分支，與自動控制相結(jié)合就形成專家控制。專家控制的一些概念和方法，為智能控制的發(fā)展起了重要的作用。因此，需要著重講授其概念。模糊邏輯和模糊控制以及遺傳算法都有著較為完整的理論體系，可針對其基本形式進行較為詳細的介紹。

在神經(jīng)網(wǎng)絡(luò)方面，重點講授MLP和RBF這兩種基本的網(wǎng)絡(luò)模型，因為反映著前饋網(wǎng)絡(luò)的全局化和局部化這兩種不同但又非常典型的設(shè)計思想，讓學生先掌握這兩種網(wǎng)絡(luò)，對理解其他前饋型網(wǎng)絡(luò)很有益處。然后簡要介紹FNN、Wavelet、ANFIS等多種前饋網(wǎng)絡(luò)模型，以及反饋型神經(jīng)網(wǎng)絡(luò)，如Boltzman機和Hopfield等網(wǎng)絡(luò)，后者雖然與學習控制沒有直接關(guān)系但對于智能信息處理卻十分重要。在基于神經(jīng)網(wǎng)絡(luò)的學習控制方面，重點介紹直接逆模型法(Direct inverse modeling)和遠程學習法(Distal learning)等基本方法。

要求學生課外閱讀的主要是關(guān)于專家系統(tǒng)、專家控制、神經(jīng)網(wǎng)絡(luò)的英文文獻[2-5]。在講授這些內(nèi)容時，開設(shè)專門的討論課，請學生上臺介紹對這些內(nèi)容的認識，然后進行講評。

此外，還介紹相關(guān)研究內(nèi)容，例如智能機器人、多值邏輯、混沌(Chaos)系統(tǒng)和元胞自動機(Cellular automata)等，對于拓展學生對智能控制理解，增強學習興趣具有積極意義。

案例分析是本課程教學的主要措施之一。例如，針對基于神經(jīng)網(wǎng)絡(luò)的學習控制，介紹了CMAC神經(jīng)網(wǎng)絡(luò)的化學反應(yīng)釜的實時控制和基于遠程學習法的機器人控制；針對模糊控制，介紹了模糊控制洗衣機和倒立擺的控制，等等。

筆者在教學實踐中，一個深刻體會就是，教師必須對智能控制各個方面的內(nèi)容都有深刻的掌握，不僅要讓學生理解概念，還要把握具體的應(yīng)用；不僅要掌握總體，還要明白各個方面之間的聯(lián)系。例如，MLP是幾乎所有智能控制書籍都會涉及的神經(jīng)網(wǎng)絡(luò)模型，如果能很好地理解MLP，那么對其他前饋網(wǎng)絡(luò)模型就很容易理解了。不少學生對學習算法的數(shù)學推導比較在行，但是調(diào)試程序往往存在困難，原因在于對學習率等細節(jié)問題缺少感性認識，而這是靠實踐培養(yǎng)起來的，這也說明編程練習非常重要。

4 平時與期末并重的考核機制

學生的成績包括平時作業(yè)和期末考核兩部分，各占50%，以此改變國內(nèi)高校普遍存在的“重期末輕平時”的現(xiàn)象。平時作業(yè)包括讀書報告和編程作業(yè)，均要求用英文完成，而期末采用兩種考核方式，閉卷考試或演講報告。要求完成的讀書報告包括專家系統(tǒng)、專家控制、神經(jīng)網(wǎng)絡(luò)，編程作業(yè)是針對MLP的研究報告。演講報告自選課題，英文完成。圍繞“智能”主題，自由發(fā)揮，這部分最能體現(xiàn)學生主觀能動性。不少學生將所學知識應(yīng)用于自己感興趣的領(lǐng)域，給出了令人驚喜的展示。例如“基于機器學習的名畫自動上色”、“基于神經(jīng)網(wǎng)絡(luò)的日照時間預測”、“基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別系統(tǒng)設(shè)計”、“基于蟻群算法的圖像分割技術(shù)”、“基于遺傳算法的黑白棋對弈”等等。學生通過自選課題研究，加深了理解，拓展了思路，體會了智能技術(shù)的實際應(yīng)用。閉卷考試則著重于考查基本概念的掌握。所有作業(yè)均要求獨立完成，一旦發(fā)現(xiàn)抄襲，則作懲罰性扣分。

5 結(jié)語

“智能控制”課程內(nèi)容具有很強的獨特性，因此，既要滿足教學大綱的要求，又要根據(jù)本科生的特點，有重點地選擇教學內(nèi)容，兼顧理論性和實踐性，研究采取適當?shù)慕虒W方式和考核機制，以獲得良好的教學效果。

[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] Аstr?m 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

許 力(1964-)，男，博士，教授，主要從事智能控制與智能系統(tǒng)、大數(shù)據(jù)和數(shù)據(jù)挖掘等教學和研究工作，E-mail：xupower@zju.edu.cn

TP18

A

1008-0686(2016)05-0023-03