本课程的体系结构简练,知识体系统一,内容循序渐进、深入浅出,并附有例题和习题,很方便对内容的理解及对概念的掌握。
本课程共分七章,总共34节课。本课程第一章绪论简要地介绍了智能控制的发展过程及主要方法、智能控制系统的构成原理,总共3节课内容。本课程第二章是模糊控制的理论基础,引言部分介绍了模糊控制的发展、模糊控制的特点以及模糊控制的定义三个方面的内容,然后从模糊集合的概念、模糊集合的运算、隶属度函数的建立、模糊关系、模糊逻辑、模糊逻辑推理和合成六个方面展开讨论,其重点内容是模糊集数学理论,主要介绍与模糊控制相关的模糊集理论、隶属度函数、模糊语言变量和模糊逻辑推理,总共7节课内容。本课程第三章是模糊控制系统,重点介绍模糊控制系统的组成、模糊控制系统的设计,包括模糊控制系统的结构设计和设计方法,详细给出了两类模糊控制器的设计举例,后对模糊PID控制器的设计作了简单的讨论,总共3节课内容。本课程第四章是人工神经元网络模型,首先简要介绍了神经元模型和神经网络模型,重点介绍了神经控制中使用较频繁的两类神经网络模型——前向神经网络模型和动态神经网络模型的结构和学习算法,总共3节课内容。本课程第五章是神经网络控制论,介绍了神经网络控制器的结构、非线性离散动态系统的神经网络建模和控制和神经网络控制的学习机制及神经网络控制器的设计,总共3节课内容。本课程第六章是深度学习及其应用,主要介绍了深度学习的定义和步骤、为什么要深度学习、卷积神经网络、深度神经网络的训练技巧、开源框架及Pytorch简介以及深度学习应用实例,总共5节课内容。本课程第七章是智能控制的集成技术,首先介绍了模糊神经网络控制的结构、模糊神经网络控制的学习算法第一阶段自组织学习阶段和学习算法第二阶段有导师指导下的学习阶段,然后讨论了自适应控制技术、神经网络的模型参考自适应控制、动态BP学习算法和自校正控制,最后是智能控制的优化算法,分别介绍了遗传学习算法、蚁群学习算法、迭代学习算法、粒子群学习算法、模拟退火学习算法这五种智能控制的优化算法,总共10节课内容。
本课程的目标包括掌握智能控制的基本概念;了解模糊控制、神经网络控制等基本理论;学会进行智能控制算法和系统的设计方法;掌握模糊控制器的组成、工作原理和设计方法;编写模糊控制系统仿真或应用程序;掌握神经网络的基本概念、神经网络控制器的工作原理和设计方法;编写神经网络控制系统仿真或应用程序;掌握深度神经网络的训练技巧;编写深度学习应用实例程序;理解神经网络的模型参考自适应控制原理;了解遗传学习算法、蚁群学习算法、迭代学习算法、粒子群学习算法、模拟退火学习算法等。