研究生教学大纲

研究生课程教学大纲课程编号：00512713

课程名称：智能控制

英文名称：Intelligent Control

学学时：32分：2

适用学科：控制科学与工程

课程性质：学科基础课

先修课程：自动控制原理，线性系统理论。

一、课程的性质及教学目标

本课程是为自动化及电子信息类研究生开设的学科基础课程。课程总结了智能控制的研究成果，阐述了智能控制的基本概念、工作原理、设计方法和实际应用。目的在于使学生能了解智能控制理论发展的前沿和最新成果，开阔视野，扩大知识面，为今后学习和工作打下基础。

二、课程的教学内容及基本要求

要求掌握智能控制的基本概念、模糊控制理论基础、模糊控制系统原理及其设计方法，掌握几种典型神经网络的模型、学习算法及神经网络控制的基本结构、原理和应用、了解专家系统、遗传算法及其在控制中的应用，了解智能控制的未来发展和应用前景。

1、绪论

内容体系：智能控制的发展过程、智能控制的几个重要分支、智能控制的特点、研究工具及应用。

知识点：智能控制概念，特点，发展，神经控制、模糊控制的基本概念，智能控制系统的结构和特点，智能控制系统研究的数学工具。

重点：智能控制系统的结构、智能控制系统的特点。

2、模糊控制的理论基础

内容体系：模糊集的概念、模糊集合的运算、隶属度函数的建立、模糊关系、二值逻辑、模糊逻辑及其基本运算、模糊语言逻辑、模糊逻辑推理、模糊关系方程的解。

知识点：模糊集的概念，隶属度函数的建立，模糊逻辑推理。

重点：隶属度函数的建立，模糊逻辑推理方法。

3、模糊控制

内容体系：模糊控制系统的组成、模糊控制器的结构设计、模糊控制器的设计原则、模糊控制器的常规设计方法、模糊控制器的设计举例、模糊PID控制器的设计。

知识点：模糊控制器的结构设计原则和方法。

重点：模糊控制器、模糊PID控制器的设计。

4、神经网络的理论基础

内容体系：神经网络原理、神经网络的模型分类、神经网络的学习算法、神经网络的特征及要素、神经网络控制的研究领域。

知识点：神经网络模型，神经网络的学习算法。

重点：多层神经网络结构、多层传播网络的学习算法、动态神经网络模型。

5、典型神经网络

内容体系：单神经元网络、BP神经网络、RBF神经网络、回归神经网络。

知识点：各种神经网络模型，各种神经网络特点和学习算法。

重点：单神经元网络、BP神经网络结构、RBF神经网络模型。

6、高级神经网络

内容体系：模糊RBF网络、P-S神经网络、小脑模型神经网络、Hopfield

网络。

知识点：各种神经网络模型，各种神经网络特点和学习算法。

重点：模糊RBF 网络、小脑模型神经网络、Hopfield 网络的结构特点和适用条件。

7、神经网络控制

内容体系：神经网络控制的结构、单神经元自适应控制、RBF网络监督控制、RBF网络自校正控制、基于RBF 网络直接模型参考自适应控制。

知识点：各种神经网络控制结构、神经网络自适应和自校正控制的特点、RBF 网络控制的应用。

重点：各种神经网络控制结构，神经网络控制器编程的方法。

8、遗传算法及其应用

内容体系：遗传算法的基本原理、特点及发展和应用、遗传算法的设计、遗传算法求函数极大值、基于遗传算法优化的RBF网络逼近、基于遗传算法的TSP 问题优化。

知识点：遗传算法的特点和应用、设计方法、求最优值的原理和过程。

重点：遗传算法的设计和求解方法。

9、专家系统与专家控制（选讲）

内容体系：专家系统的概念、基本组成、特征及类型，专家系统的工作原理、专家控制系统的工作原理、专家控制器。

知识点：专家系统的概念及组成原理，专家控制器。

重点：专家控制器。

四、推荐教材与主要参考书目

1、推荐教材

刘金琨，《智能控制》，电子工业出版社.2010.6

2、主要参考书

〔1〕韦巍，《智能控制技术》，机械工业出版社.2000.1

〔2〕易继锴，《智能控制技术》，北京工业大学出版社.1999.9

五、教学与考核方式

本课程采用考察的方式。拟采取结构评分方式，总成绩＝平时成绩 + 课程论文。平时成绩比例为50％。其中平时成绩由读书报告、课堂讨论以及考勤组成。课程论文比例为50％（3000～5000字，题目由任课教师确定）。

编写人（签字）：编写时间：