spContent=本课程是将人工智能和自动控制相融合的一门综合性课程，以深入浅出的方式教授智能控制的基础知识。主要教授智能控制的基本概念、模糊控制论、神经网络控制论、集成智能控制系统的原理和应用；几种著名的学习控制（包含遗传算法、粒子群算法、免疫算法）的原理和应用。通过学习，使学生掌握最基本的智能控制系统的设计方法。此外，给学生提供继续研究最新优化算法的PPT资料（包含元胞自动机、文化算法、模拟退火法、差分进化算法、迪杰斯特拉算法、蜂群算法、混合蛙跳算法、禁忌搜索法、狼群算法、猫群算法、人工鱼群法、蚁群算法、萤火虫算法、蟑螂算法）。
本课程是将人工智能和自动控制相融合的一门综合性课程，以深入浅出的方式教授智能控制的基础知识。主要教授智能控制的基本概念、模糊控制论、神经网络控制论、集成智能控制系统的原理和应用；几种著名的学习控制（包含遗传算法、粒子群算法、免疫算法）的原理和应用。通过学习，使学生掌握最基本的智能控制系统的设计方法。此外，给学生提供继续研究最新优化算法的PPT资料（包含元胞自动机、文化算法、模拟退火法、差分进化算法、迪杰斯特拉算法、蜂群算法、混合蛙跳算法、禁忌搜索法、狼群算法、猫群算法、人工鱼群法、蚁群算法、萤火虫算法、蟑螂算法）。
—— 课程团队
课程概述
本课程通过对智能控制中最重要的两大分支——模糊控制和神经网络控制的基础知识、控制器设计方法、控制系统结构的详细讲解，让学生掌握设计基本智能控制系统的方法，并通过应用实例，掌握一般的设计语言和程序，为今后学习更高一级的融合智能控制算法打下坚实基础。这门课程从最基础理论和实例讲起，深入浅出，通俗易懂，即使没有控制论基础的同学也能听明白一二。
授课目标
1. 掌握智能控制的基本概念，掌握模糊控制、神经网络控制、模糊神经网络系统的基本原理，针对实际系统，能运用这些方法设计相应的控制器或辨识器；
2. 掌握学习控制（包含遗传算法、粒子群算法、免疫算法）的基本原理和基本设计方法。能运用这些原理和方法对控制系统的相关参数或结构进行寻优。
3. 了解专家系统、混沌控制基本原理和应用范围，了解智能控制的发展趋势。并通过智能控制的应用实例，使学生灵活运用智能控制的各种算法，扬长避短，有机结合，探索有效的集成智能控制方法。为今后研究复杂的高度非线性的控制问题打下必要的基础。
课程大纲
一. 绪论
课时目标：本章将让学生了解智能控制的产生、定义以及发展历程、基本结构及重要分支等。属于课程的简介部分。
1.1 课程介绍及开课意义
1.2 智能控制的产生、定义及其发展过程
1.3 智能控制的结构理论
1.4 智能控制的几个重要分支
1.5 智能控制系统的构成原理
附件：几个小视频
智能控制_第一章_测试题
共2学时
二. 模糊控制的理论基础
课时目标：掌握智能控制的一个重要分支——模糊控制中有关模糊逻辑的基本概念、推理方法，并学会解模糊方程。
2.1 模糊集合论（一）：集合论
2.1 模糊集合论（二）：模糊集合的运算
2.1 模糊集合论（三）：隶属度函数
2.1 模糊集合论（四）：模糊关系
2.2 模糊逻辑推理（一）：近似推理和条件推理 补充内容：音频资料：
2.2模糊逻辑推理（二）：多输入模糊推理
2.2 模糊逻辑推理（三）：多输入多规则推理
2.2 模糊逻辑推理的番外篇：扎德（Zadeh）的贡献
2.3 模糊逻辑推理（四）：模糊关系方程的解第一篇
2.3 模糊逻辑推理（五）：模糊关系方程的解第二篇
智能控制_第二章_测试题
共6学时
三. 模糊控制系统
课时目标：本章将介绍模糊控制的基本原理、基本组成结构、设计方法等。使学生能运用这些方法针对实际系统，设计相应的控制器或辨识器；
3.1 模糊控制系统的组成（一）
3.2 模糊控制系统的组成（二）
3.3 模糊控制系统的组成（三）
3.4 模糊控制系统的设计（一）
3.5 模糊控制系统的设计（二）
3.6 模糊控制系统的设计（三）
3.7 模糊控制系统的设计（四）
3.8 模糊控制器的设计举例（一）
3.9 模糊控制器的设计举例（二）
3.10 模糊控制器的设计举例（三）
3.11 模糊PID控制器的设计
智能控制_第三章_测试题
共6学时
四. 人工神经网络
课时目标：本章将介绍智能控制的另外一个重要分支——神经网络的有关的基本概念、类型，基本架构，让学生学会设计静态及动态神经网络。
4.1 神经网络的简单介绍
4.2 神经元模型及神经网络模型的分类
4.3 神经网络的学习算法及其泛化能力
4.4 前向神经网络模型（BP算法原理）
4.5 动态神经网络模型之霍普菲尔特网络（一）
4.6 动态神经网络模型之霍普菲尔特网络（二）
4.7 动态神经网络模型之霍普菲尔特网络（三）
智能控制_第四章_测试题
共6学时
五. 神经网络控制论
课时目标：本章将介绍神经网络控制系统的基本架构、基本类型、学习机制。使学生能运用这些方法针对实际系统，设计相应的控制器或辨识器。
5.1 神经网络控制器的优越性
5.2 神经网络控制器的分类（一）
5.3 神经网络控制器的分类（二）
5.4 神经网络的辨识基础
5.5 神经网络辨识模型的结构
5.6 神经网络控制的学习机制
5.7 神经网络控制器设计（一）：直接逆模型控制法
5.8 神经网络控制器设计（二）：直接网络控制设计法
共4学时
六. 集成智能控制系统
课时目标：本章将使学生了解集成智能控制系统的基本原理和应用范围，及其发展趋势。灵活运用各类智能算法综合设计有效的集成智能控制方法。
6.1 集成智能控制系统简介
6.2 模糊神经网络控制之模型的结构
6.3 模糊神经网络控制之基本功能和函数关系
6.4 模糊神经网络控制之学习算法（一）
6.5 模糊神经网络控制之学习算法（二）
6.6 模糊神经网络控制之学习算法（三）
6.7 模糊神经网络控制之学习算法（四）
共4学时
七. 智能控制的展望
课时目标：掌握人工智能的基本体系结构，典型的智能优化算法基本原理和基本设计步骤（包含学习控制、仿人控制、混沌控制），使学生能运用这些原理和方法对控制系统的相关参数或结构进行寻优。
7.1 学习控制之迭代学习控制
7.2 学习控制之遗传学习控制（一）
7.3 学习控制之遗传学习控制（二）
7.4 学习控制之遗传学习控制的改进（一）
7.5 学习控制之遗传学习控制的改进（二）
7.6 学习控制之遗传学习控制的特点
7.7 学习控制之粒子群优化算法（一）
7.8 学习控制之粒子群优化算法（二）
7.9 学习控制之免疫遗传算法（一）
7.10 学习控制之免疫遗传算法（二）
7.11 学习控制之免疫遗传算法（三）
7.12 拓展之仿人控制和混沌控制
共4学时
八. 拓展补充内容
课时目标：介绍十五种寻优算法，开拓学生应用启发式算法解决控制问题的视野。
包含遗传算法、粒子群算法、免疫算法、元胞自动机、文化算法、模拟退火法、差分进化算法、迪杰斯特拉算法、蜂群算法、混合蛙跳算法、禁忌搜索法、狼群算法、猫群算法、人工鱼群法、蚁群算法、萤火虫算法、蟑螂算法）。
本章为自修部分，学生任意选取资料进行学习。
展开全部
预备知识
参考资料
建议使用的参考资料如下：
[1] 韦巍, 智能控制技术 , 机械工业出版社
[2] 李人厚，智能控制理论和方法，西安电子科技大学出版社，1999
[3] 李士勇，模糊控制 神经控制和智能控制论，哈尔滨工业大学出版社，1998
[4] 王耀南，智能控制系统——模糊逻辑、专家系统、神经网络控制，湖南大学出版社，1996
[5] 王永骥，涂健，神经元网络控制，机械工业出版社，1998
[6] 诸静，模糊控制原理与应用，机械工业出版社，1995
[7] C.H. Chen, Fuzzy logic and neural network handbook, New York : McGraw-Hill, c1996
[8] Simon Haykin, Neural networks : a comprehensive foundation, Beijing : Tsinghua University Press, 2001
[9] Kevin M. Passino, Stephen Yurkovich, Fuzzy control, Beijing : Tsinghua University Press, 2001
常见问题
Q : 课程结束后还可以观看教学视频吗？
A : 为了方便更多的同学能够更加方便地参与课程的学习，我们特意将教学视频在课程结束后仍旧开放给已经注册过的学生观看。
Q : 课程是否有先修课要求？
A : 学生应具有一定的控制理论和MATLAB基础。
认证成绩和证书
智能问答和解析
视频学习辅助
浙公网安备 33010802012594号
