仲恺农业工程学院硕士研究生课程教学大纲课程编号207051课程名称，智能控制技术撰写人（签名）苗爱敏所在学院信息科学与技术学院仲恺农业工程学院研究生处制-
1 仲恺农业工程学院 硕士研究生课程教学大纲 课程编号 207051 课程名称 智能控制技术 撰写人（签名） 苗爱敏 所在学院 信息科学与技术学院 仲恺农业工程学院研究生处制
I课程基本情况智能控制技术1.课程编号2070512.课程名称英文IntelligentControl Technology理论学时：32学时23.课程学分：4.课程总学时：32实验学时：0学时5.课程类别：口学位课程口非学位课程6.适用专业：食品安全与智能控制农业工程控制科学与工程7.先修课程：自动控制原理人工智能8.考核方式：口闭卷笔试口开卷笔试/口试、口课程论文V口调研报告V口其他（说明：学位课程必须闭卷考试，卷面成绩占该门课成绩70%，平时考查成绩占该门课成绩30%）9.开课学期：口秋季（第一学期）V春季（第二学期）口秋季和春季（第一和第二学期）II课程简介研究生智能控制技术课程是一门专注于智能控制技术在工程应用中核心理论与方法的深入课程。它的任务是让学生掌握各种智能控制算法，如模糊控制、神经网络控制等，并理解它们在工程实践中的应用。学生需了解智能控制技术的发展历程和前沿动态，掌握基本设计方法和实施技术，能够运用所学知识解决实际问题。课程包括理论学习、实验实践和案例分析，旨在培养掌握智能控制技术并能在工程实践中灵活应用的高素质人才。IⅢII课程教学目标掌握智能控制的核心理论与技术：使学生深入理解智能控制的基本概念、原理和方法，包括模糊控制、神经网络控制、遗传算法优化等。通过课程学习，学生能够掌握这些技术的核心思想和应用方法，为后续的研究和实践打下坚实的基础。培养创新能力和解决复杂问题的能力：鼓励学生运用所学的智能控制理论和技术，针对实际工程问题进行分析、设计和优化。通过案例分析、项目实践等方式，培养学生的创新思维和解决问题的能力，使其能够在复杂系统中应用智能控制技术，实现高效、稳定的控制。提升跨学科融合能力：智能控制技术涉及多个学科领域，如自动化、计算机科学、数学等。通过本课程的学习，学生应能够掌握不同学科之间的交叉融合点，了解各学科在智能控制中的应用和发展趋势，从而提升其跨学科的研究和创新能力。培养高层次研究素养：引导学生关注智能控制技术的最新研究进展和前沿动态，培养其独立思考和批判性思维的能力。通过课程论文、研究报告等形式的训练，提升学生的学术素养和研究能力，为其未来的学术研究和职业发展奠定坚实的基础。增强实践应用能力和团队合作精神：通过实验教学、课程设计等环节，培养学生的实践应2
2 I 课程基本情况 1.课程编号 207051 2.课程名称 智能控制技术 英文 Intelligent Control Technology 3.课程学分： 2 4.课程总学时：32 理论学时：32 学时 实验学时：0 学时 5.课程类别：囗学位课程 囗非学位课程 6.适用专业：食品安全与智能控制 农业工程 控制科学与工程 7.先修课程： 自动控制原理 人工智能 8.考核方式：囗闭卷笔试 囗开卷笔试/ 口试、囗课程论文√囗调研报告√囗其他 （说明：学位课程必须闭卷考试，卷面成绩占该门课成绩 70%，平时考查成绩占该门课成绩 30%） 9.开课学期：囗秋季（第一学期） √春季（第二学期） 囗秋季和春季（第一和第二学期） II 课程简介 研究生智能控制技术课程是一门专注于智能控制技术在工程应用中核心理论与方法的 深入课程。它的任务是让学生掌握各种智能控制算法，如模糊控制、神经网络控制等，并理 解它们在工程实践中的应用。学生需了解智能控制技术的发展历程和前沿动态，掌握基本设 计方法和实施技术，能够运用所学知识解决实际问题。课程包括理论学习、实验实践和案例 分析，旨在培养掌握智能控制技术并能在工程实践中灵活应用的高素质人才。 III 课程教学目标 掌握智能控制的核心理论与技术：使学生深入理解智能控制的基本概念、原理和方法，包 括模糊控制、神经网络控制、遗传算法优化等。通过课程学习，学生能够掌握这些技术的核心 思想和应用方法，为后续的研究和实践打下坚实的基础。 培养创新能力和解决复杂问题的能力：鼓励学生运用所学的智能控制理论和技术，针对实 际工程问题进行分析、设计和优化。通过案例分析、项目实践等方式，培养学生的创新思维和 解决问题的能力，使其能够在复杂系统中应用智能控制技术，实现高效、稳定的控制。 提升跨学科融合能力：智能控制技术涉及多个学科领域，如自动化、计算机科学、数学等。 通过本课程的学习，学生应能够掌握不同学科之间的交叉融合点，了解各学科在智能控制中的 应用和发展趋势，从而提升其跨学科的研究和创新能力。 培养高层次研究素养：引导学生关注智能控制技术的最新研究进展和前沿动态，培养其独 立思考和批判性思维的能力。通过课程论文、研究报告等形式的训练，提升学生的学术素养和 研究能力，为其未来的学术研究和职业发展奠定坚实的基础。 增强实践应用能力和团队合作精神：通过实验教学、课程设计等环节，培养学生的实践应
用能力和动手能力。同时，鼓励学生参与团队项目，培养其团队合作精神和沟通协调能力，以适应未来复杂工程问题的挑战。智能控制技术研究生课程的教学目标旨在全面提升学生的理论素养、创新能力、跨学科融合能力、研究素养以及实践应用能力和团队合作精神，为其未来的学术研究和职业发展提供有力的支持。IV课程教学内容及要求（包括章节、教学目的与要求、重点与难点、教学内容、教学方法与方式、思考与讨论）第一章智能控制概述【教学目的与要求】教学目的：使学生了解智能控制的基本概念和背景，为后续深入学习智能控制技术打下基础。引导学生认识到智能控制在现代工业、自动化、机器人等领域的重要性，并激发其学习兴趣。教学要求学生应掌握智能控制的基本定义、特点及其与传统控制方法的区别。学生应理解智能控制技术的发展历程、现状及其未来趋势。学生应能够举例说明智能控制在不同领域中的应用，并认识到其优势与挑战。【教学重点与难点】教学的重点是让学生掌握模糊控制、神经网络和进化计算等智能控制技术的基本理论与应用方法。难点则在于如何理解并应用模糊推理、神经网络学习原理和进化计算等复杂概念，以及如何将理论知识应用于实际控制系统设计。通过克服这些难点，学生可以为未来的智能控制领域研究与应用做好充分准备。【教学内容】智能控制的基本概念；定义智能控制，并解释其与传统控制方法的主要区别；介绍智能控制的特点，如自适应性、自学习性、鲁棒性等。智能控制的分类与发展历程，根据不同的控制策略和方法，对智能控制进行分类。回顾智能控制技术的发展历程，包括其起源、重要里程碑以及当前的研究热点。智能控制与传统控制的比较，从控制策略、算法复杂度、适应性等方面比较智能控制与传统控制。分析智能控制在处理复杂、非线性、不确定性问题时的优势。智能控制的应用领域，举例说明智能控制在工业自动化、机器人、航空航天、医疗等领域的应用。分析智能控制在这些领域中解决的具体问题及其带来的效益。智能控制的未来趋势与挑战预测智能控制技术的未来发展趋势，包括新的控制策略、算法优化等方面。讨论智能控制在实际应用中面临的挑战，如安全性、可靠性、实时性等问题。通过本章节的学习，学生将对智能3
3 用能力和动手能力。同时，鼓励学生参与团队项目，培养其团队合作精神和沟通协调能力，以 适应未来复杂工程问题的挑战。 智能控制技术研究生课程的教学目标旨在全面提升学生的理论素养、创新能力、跨学科融 合能力、研究素养以及实践应用能力和团队合作精神，为其未来的学术研究和职业发展提供有 力的支持。 IV 课程教学内容及要求 （包括章节、教学目的与要求、重点与难点、教学内容、教学方法与方式、思考与讨论） 第一章 智能控制概述 【教学目的与要求】 教学目的： 使学生了解智能控制的基本概念和背景，为后续深入学习智能控制技术打下 基础。 引导学生认识到智能控制在现代工业、自动化、机器人等领域的重要性，并激发其学习兴 趣。 教学要求 学生应掌握智能控制的基本定义、特点及其与传统控制方法的区别。 学生应理解智能控制技术的发展历程、现状及其未来趋势。 学生应能够举例说明智能控制在不同领域中的应用，并认识到其优势与挑战。 【教学重点与难点】 教学的重点是让学生掌握模糊控制、神经网络和进化计算等智能控制技术的基本理论与应 用方法。难点则在于如何理解并应用模糊推理、神经网络学习原理和进化计算等复杂概念，以 及如何将理论知识应用于实际控制系统设计。通过克服这些难点，学生可以为未来的智能控制 领域研究与应用做好充分准备。 【教学内容】 智能控制的基本概念；定义智能控制，并解释其与传统控制方法的主要区别；介绍智能控 制的特点，如自适应性、自学习性、鲁棒性等。智能控制的分类与发展历程，根据不同的控制 策略和方法，对智能控制进行分类。回顾智能控制技术的发展历程，包括其起源、重要里程碑 以及当前的研究热点。智能控制与传统控制的比较，从控制策略、算法复杂度、适应性等方面 比较智能控制与传统控制。分析智能控制在处理复杂、非线性、不确定性问题时的优势。 智能控制的应用领域，举例说明智能控制在工业自动化、机器人、航空航天、医疗等领域的应 用。分析智能控制在这些领域中解决的具体问题及其带来的效益。智能控制的未来趋势与挑战 预测智能控制技术的未来发展趋势，包括新的控制策略、算法优化等方面。讨论智能控制在实 际应用中面临的挑战，如安全性、可靠性、实时性等问题。通过本章节的学习，学生将对智能
控制有一个整体而深入的认识，为后续学习具体的智能控制方法和技术奠定坚实的基础。第二章模糊控制【教学目的与要求】使学生了解模糊控制的基本原理和特性，掌握模糊控制的基本方法和技术。引导学生认识到模糊控制在处理复杂、不确定性和非线性系统中的优势，培养其运用模糊控制解决实际问题的能力。学生应掌握模糊集合与模糊逻辑的基本概念，包括隶属度函数、模糊运算等。学生应理解模糊控制器的设计过程，包括输入/输出变量的模糊化、模糊规则库的建立以及解模糊化等步骤。学生应能够应用模糊控制方法解决实际工程问题，如温度控制、速度调节等。【教学重点与难点】模糊集合与模糊逻辑的基本概念和运算规则。模糊控制器的设计步骤和方法，特别是模糊规则库的构建。模糊控制在具体领域中的应用案例及其实现过程。如何合理设计隶属度函数和模糊规则库，以实现良好的控制效果。如何处理模糊控制中的稳定性和鲁棒性问题。如何将模糊控制与其他控制方法相结合，以应对更复杂的控制任务。【教学内容】模糊集合与模糊逻辑：介绍模糊集合的基本概念，包括隶属度函数、模糊集合的运算等。讲解模糊逻辑的基本原理和运算规则，如模糊蕴含、模糊推理等。模糊控制器的设计：阐述模糊控制器的设计步骤，包括确定输入/输出变量、设计隶属度函数、构建模糊规则库等。介绍常见的模糊化方法和解模糊化方法，如最大隶属度法、重心法等。模糊控制的应用：通过案例分析，展示模糊控制在温度控制、速度调节等实际工程问题中的应用。分析模糊控制在处理复杂、不确定性和非线性系统中的优势，并讨论其在实际应用中的局限性。模糊控制的优化与调试：讨论模糊控制器的优化方法，如遗传算法、粒子群优化等。介绍模糊控制器的调试技巧，如调整隶属度函数、修改模糊规则等。通过本章节的学习，学生将掌握模糊控制的基本原理和方法，能够运用模糊控制解决实际工程问题，并具备进一步优化和调试模糊控制器的能力。第三章神经网络控制【教学目的与要求】使学生理解神经网络的基本原理和特性，掌握神经网络在控制系统中的应用方法。培养学生运用神经网络控制解决复杂、非线性控制问题的能力，并激发其创新思维。学生应掌握神经网络的基本结构和学习算法，了解不同类型的神经网络及其应用。学生应理解神经网络控制器的设计过程，包括网络结构的选择、训练数据的准备、训练算法的选择等。学生应能够利用神经网络控制方法解决实际问题，如模式识别、自适应控制等。【教学重点与难点】神经网络的基本原理和结构，包括前馈神经网络、反馈神经网络等。神经网络的学习算法，如反向传播算法、遗传算法等。神经网络控制器的设计及其在控制系统中的应用。教学难点4
4 控制有一个整体而深入的认识，为后续学习具体的智能控制方法和技术奠定坚实的基础。 第二章 模糊控制 【教学目的与要求】 使学生了解模糊控制的基本原理和特性，掌握模糊控制的基本方法和技术。 引导学生认识到模糊控制在处理复杂、不确定性和非线性系统中的优势，培养其运用模糊 控制解决实际问题的能力。学生应掌握模糊集合与模糊逻辑的基本概念，包括隶属度函数、模 糊运算等。学生应理解模糊控制器的设计过程，包括输入/输出变量的模糊化、模糊规则库的 建立以及解模糊化等步骤。 学生应能够应用模糊控制方法解决实际工程问题，如温度控制、速度调节等。 【教学重点与难点】 模糊集合与模糊逻辑的基本概念和运算规则。模糊控制器的设计步骤和方法，特别是模糊 规则库的构建。模糊控制在具体领域中的应用案例及其实现过程。如何合理设计隶属度函数和 模糊规则库，以实现良好的控制效果。如何处理模糊控制中的稳定性和鲁棒性问题。如何将模 糊控制与其他控制方法相结合，以应对更复杂的控制任务。 【教学内容】 模糊集合与模糊逻辑：介绍模糊集合的基本概念，包括隶属度函数、模糊集合的运算等。 讲解模糊逻辑的基本原理和运算规则，如模糊蕴含、模糊推理等。 模糊控制器的设计：阐述模糊控制器的设计步骤，包括确定输入/输出变量、设计隶属度 函数、构建模糊规则库等。介绍常见的模糊化方法和解模糊化方法，如最大隶属度法、重心法 等。 模糊控制的应用：通过案例分析，展示模糊控制在温度控制、速度调节等实际工程问题中 的应用。分析模糊控制在处理复杂、不确定性和非线性系统中的优势，并讨论其在实际应用中 的局限性。 模糊控制的优化与调试：讨论模糊控制器的优化方法，如遗传算法、粒子群优化等。介绍 模糊控制器的调试技巧，如调整隶属度函数、修改模糊规则等。 通过本章节的学习，学生将掌握模糊控制的基本原理和方法，能够运用模糊控制解决实际工程 问题，并具备进一步优化和调试模糊控制器的能力。 第三章 神经网络控制 【教学目的与要求】 使学生理解神经网络的基本原理和特性，掌握神经网络在控制系统中的应用方法。培养学 生运用神经网络控制解决复杂、非线性控制问题的能力，并激发其创新思维。学生应掌握神经 网络的基本结构和学习算法，了解不同类型的神经网络及其应用。学生应理解神经网络控制器 的设计过程，包括网络结构的选择、训练数据的准备、训练算法的选择等。学生应能够利用神 经网络控制方法解决实际问题，如模式识别、自适应控制等。 【教学重点与难点】 神经网络的基本原理和结构，包括前馈神经网络、反馈神经网络等。神经网络的学习算法， 如反向传播算法、遗传算法等。神经网络控制器的设计及其在控制系统中的应用。 教学难点
如何选择合适的神经网络结构和参数，以实现良好的控制性能。如何处理神经网络训练过程中的过拟合和欠拟合问题。如何将神经网络与其他控制方法相结合，以应对复杂的控制任务。【教学内容】神经网络的基本原理和结构：介绍神经网络的基本概念、发展历程和分类。讲解不同类型神经网络的结构和特点，如感知机、多层前馈神经网络、径向基函数网络等。神经网络的学习算法：阐述神经网络的学习机制和学习算法的基本原理。介绍常见的神经网络学习算法，如反向传播算法、梯度下降算法、遗传算法等。神经网络控制器的设计：分析神经网络在控制系统中的应用优势，并讨论其设计原则。讲解神经网络控制器的设计步骤，包括网络结构的选择、训练数据的准备、训练算法的选择等。介绍神经网络控制器在自适应控制、优化控制等领域的应用案例。神经网络控制的实现与优化：讨论神经网络控制的实现方法，包括软件平台和硬件平台的选择。介绍神经网络控制的优化技术，如参数调整、网络结构优化等。分析神经网络控制在实际应用中的挑战和局限性，并提出相应的解决方案。通过本章节的学习，学生将掌握神经网络的基本原理和结构，理解神经网络的学习算法和控制器的设计方法，能够运用神经网络控制解决复杂、非线性控制问题，并具备进一步优化神经网络控制器的能力。第四章遗传算法与优化【教学目的与要求】教学目的使学生理解遗传算法的基本原理和流程，掌握其在优化问题中的应用方法。培养学生运用遗传算法解决实际优化问题的能力，并提升其在算法设计、调试和优化方面的技能。教学要求学生应熟悉遗传算法的基本概念和操作，包括编码方式、选择、交叉、变异等。学生应理解遗传算法在解决不同类型优化问题中的优势和局限性，并能根据问题特点设计合适的遗传算法。学生应能够利用遗传算法求解复杂优化问题，并具备分析和评估算法性能的能力。【教学重点与难点】教学重点遗传算法的基本原理和操作流程。遗传算法的编码方式、适应度函数的设计、遗传操作的选择和实现。遗传算法在优化问题中的应用案例及其实现过程。教学难点如何根据优化问题的特点设计合适的编码方式和遗传操作。如何选择和调整遗传算法的参数，如种群大小、交义概率、变异概率等，以平衡算法的搜索能力和收敛速度。如何处理遗传算法在求解复杂优化问题时的早熟收敛和局部最优问题。5
5 如何选择合适的神经网络结构和参数，以实现良好的控制性能。 如何处理神经网络训练过程中的过拟合和欠拟合问题。 如何将神经网络与其他控制方法相结合，以应对复杂的控制任务。 【教学内容】 神经网络的基本原理和结构：介绍神经网络的基本概念、发展历程和分类。讲解不同类型 神经网络的结构和特点，如感知机、多层前馈神经网络、径向基函数网络等。 神经网络的学习算法：阐述神经网络的学习机制和学习算法的基本原理。介绍常见的神经 网络学习算法，如反向传播算法、梯度下降算法、遗传算法等。 神经网络控制器的设计：分析神经网络在控制系统中的应用优势，并讨论其设计原则。 讲解神经网络控制器的设计步骤，包括网络结构的选择、训练数据的准备、训练算法的选 择等。 介绍神经网络控制器在自适应控制、优化控制等领域的应用案例。 神经网络控制的实现与优化：讨论神经网络控制的实现方法，包括软件平台和硬件平台的 选择。介绍神经网络控制的优化技术，如参数调整、网络结构优化等。分析神经网络控制在实 际应用中的挑战和局限性，并提出相应的解决方案。 通过本章节的学习，学生将掌握神经网络的基本原理和结构，理解神经网络的学习算法和 控制器的设计方法，能够运用神经网络控制解决复杂、非线性控制问题，并具备进一步优化神 经网络控制器的能力。 第四章 遗传算法与优化 【教学目的与要求】 教学目的 使学生理解遗传算法的基本原理和流程，掌握其在优化问题中的应用方法。 培养学生运用遗传算法解决实际优化问题的能力，并提升其在算法设计、调试和优化方面 的技能。 教学要求 学生应熟悉遗传算法的基本概念和操作，包括编码方式、选择、交叉、变异等。 学生应理解遗传算法在解决不同类型优化问题中的优势和局限性，并能根据问题特点设计 合适的遗传算法。 学生应能够利用遗传算法求解复杂优化问题，并具备分析和评估算法性能的能力。 【教学重点与难点】 教学重点 遗传算法的基本原理和操作流程。遗传算法的编码方式、适应度函数的设计、遗传操作的 选择和实现。遗传算法在优化问题中的应用案例及其实现过程。 教学难点 如何根据优化问题的特点设计合适的编码方式和遗传操作。如何选择和调整遗传算法的参 数，如种群大小、交叉概率、变异概率等，以平衡算法的搜索能力和收敛速度。如何处理遗传 算法在求解复杂优化问题时的早熟收敛和局部最优问题