MATLAB輔助智能控制課程教學實踐

劉瑞明，王經卓，龔成龍

(淮海工學院電子工程學院，江蘇連云港 222005)

自動控制技術是現代科技的主要體現之一，盡管傳統控制在國民生產、生活中已得到了廣泛應用，但傳統控制有一個致命的缺點——必須建立描述被控對象的數學模型，這使得傳統控制方法的效果不能令人滿意甚至無法實現。

隨著第三次工業革命的開展，智能控制理論［1－2］在工業界的重要性越加顯現。但目前我國的智能控制教學大多通過基于教材的宣講式授課來實現，對于生硬的理論推導和乏味的文字描述，學生興趣度不高，教學效果難以保證［3－4］。此外，智能控制課程的授課學時少，缺少實驗課程，難以保證教學效果。必須找到一種既能夠生動描述理論知識，又能讓學生積極動手參與的、互動式教學方式，調動學生的學習積極性，提高教學質量。

根據高等教育心理學的基本原理，知識的感知規律，即組合律、活動律、強度律、差異律和對比律等［5］，最能促進大學生對知識產生有效感知的直觀形式主要有:言語直觀、實物直觀和模象直觀。但長期的教學經驗說明，單純的語言直觀相對較難理解，尤其是理論性較強的課程教學中，學生接受度并不高，很難給學生留下鮮明、形象、逼真的映像，必須同時將實物直觀、模象直觀和言語直觀三種形式，相互配合使用，教學效果才能充分發揮。

基于以上教學理論，利用MATLAB的GUI設計技術，本文開發出一套互動式教學演示系統，對于智能控制這類理論性較強的課程來說，該系統能夠使學生直觀地觀察各種智能控制基本方法的原理及控制過程和控制效果，且能夠讓學生和系統互動，調動學生學習的積極性，使控制理論不再枯燥乏味，學生樂于接受，從而提高教學效果。

一、智能控制的主要教學內容

智能控制是一門交叉學科，是人工智能與自動控制交叉的結果，人工神經網絡、模糊數學、專家系統、進化計算等理論在控制學中的應用就產生了各種智能控制方法，比如神經網絡控制、模糊控制、專家系統，還有對上述控制系統進行優化的遺傳算法。

(一)神經網絡控制

神經網絡控制，是人工神經網絡(Artificial Neural Network，ANN)在自動控制領域中的應用。人工神經網絡簡稱神經網絡，是一種仿生學方法，是對腦神經系統從結構和功能上的一種模擬，具有并行性、魯棒性和非線性能力強等優點，也可用于模式識別、數據挖掘等領域。典型的神經網絡類型包括:BP神經網絡、Hopfield網絡、徑向基函數神經網絡、小腦模型神經網絡等。神經網絡控制的研究分支包括:神經網絡系統辨識、神經網絡控制器、優化計算等。典型的神經網絡控制系統包括:神經網絡直接逆控制、神經網絡監督控制、神經網絡自適應控制、神經網絡內膜控制、神經網絡預測控制等。要想實現神經網絡控制，必須設計合適的神經網絡，確定網絡的層數、各層的節點數、傳遞函數等。

(二)模糊控制

模糊控制(Fuzzy Control，FC)是建立在人工經驗基礎上的控制技術，受熟練操作員通過實踐經驗精確控制被控對象啟發而產生的一種控制方式。但模糊控制并不是經驗主義，而是建立在堅實的、模糊數學理論基礎上的。模糊數學不模糊，所以通過模糊控制可以精確地控制各種復雜的被控對象。要想實現模糊控制，必須設計模糊控制器和模糊推理，確定隸屬度函數、模糊推理策略、模糊等級、模糊化和解模糊(逆模糊)的方法等。

(三)遺傳算法

遺傳算法(Genetic Algorithm，GA)也是一種仿生科學，是對生物群體進化過程中優勝劣汰、適者生存的自然法則的一種模擬，是達爾文的進化論和孟德爾的基因遺傳理論在優化計算領域的應用。理論上來說，它是一種全局優化算法，其操作主要有復制、交叉和變異3個步驟。遺傳算法的使用必須將要處理的數據進行染色體編碼，并選擇一個適應度函數。遺傳算法很少單獨應用于控制系統，只能與其他智能控制方法混合使用。

二、MATLAB軟件及其在智能控制教學中的應用

(一)MATLAB的控制工具箱

MATLAB軟件是美國MathWorks公司出品的數學分析、科學研究和工程應用的軟件，可用于數據可視化、算法研究開發、數據分析以及數值計算的高級計算語言和交互式軟件平臺，是各領域工程師進行科學研究、模擬仿真、工程設計和結果驗證的常用工具。在自動控制領域，MATLAB開發了與之相關的、強大的分析、設計、仿真及應用功能，各種控制工具箱(控制系統工具箱、系統辨識工具箱、模型預測控制工具箱、神經網絡工具箱、模糊邏輯工具箱、魯棒控制工具箱等)的出現，使之成為控制系統研究的最強大的工具，該軟件的熟練使用，已經成為控制類學科的本科生和研究生的基本要求。現有的許多智能控制教材，都結合MATLAB的控制工具箱來輔助講解，以提高教學質量。與智能系統相關的工具箱包括:

1．神經網絡工具箱

神經網絡工具箱(Neural Network Toolbox)包含了幾乎神經網絡理論的所有功能，并一直跟蹤學術研究的最前沿，一些理論上較為成熟的、最新的神經網絡算法，都可以找到對應的功能模塊，現有的神經網絡算法包括:感知器、線性網絡、Hopfield網絡、RBF網絡、BP網絡、回歸網絡、Elman網絡、Boltzmann網絡等，可滿足初級學者的學習和培訓需要，也可以為各種高級用戶提供科學研究和工程應用支持。

2．模糊邏輯工具箱

模糊邏輯工具箱(Fuzzy Logic Toolbox)由一批長期從事模糊數學和模糊控制研究的學者和工程師開發，具有操作方便、圖形化設計界面、技術先進、C代碼生成、獨立模糊推理等優點，其功能強大、使用方便、實用性高的優點。這些優點給各層次的使用者留下了深刻印象，極大地推動了模糊控制技術的普及和發展。由于模糊數學的理論性強，學生理解困難，加之學生的工程經驗不足，對控制系統的設計沒有足夠感性認識，因而結合模糊邏輯工具箱的教學就可以較好地解決這樣的教學困局。

3．遺傳算法工具箱

較早的遺傳算法工具箱(Genetic Algorithm Toolbox)是由英國 Sheffield大學開發的 GATBX，并不是MATLAB自帶的工具箱，但具有其他工具箱的風格，可以靈活配置使用。還有美國北卡羅來納大學開發的GAOT工具箱。從MATLAB 7．0版本以后，推出了MathWorks公司自帶的工具箱GADS，由于自身的優勢，在可視化方面GADS要好于GATBX和GAOT，從模象直觀的角度講，更適合于輔助教學。

(二)MATLAB的GUI程序設計

MATLAB可視化優勢的一個重要體現就是其強大而方便的圖形用戶界面(Graphical User Interfaces，GUI)設計，通過窗口、菜單、按鈕、文字、坐標系、光標等元素，可以靈活地搭建美觀、友好的人機交互界面。通過GUI程序設計，能夠使各種操作功能的實現在人機交互中進行，且使交互過程實現生動的可視化。MATLAB的GUI程序設計，編程簡單易用、靈活方便，與各種控制工具箱相結合，是控制類課程輔助教學的理想選擇。

三、智能控制技術教學演示系統

(一)智能控制教學現狀及教學改革

隨著科學技術的不斷發展，智能控制技術已成為自動控制類專業本科學生及研究生教育的專業主干課程，但該學科屬于交叉性較強的學科，而且對學生的理論分析能力和實踐經驗等基礎素質要求較高，強調理論、技術與應用相結合，按教學大綱的要求，神經網絡、神經網絡控制、模糊數學、模糊控制和遺傳算法為其主要教學內容。對于上述內容，國內多數教材大多強調數學理論基礎，實踐、實例內容較少。盡管也有少數教材結合MATLAB工具進行講解，但都是基于m語言的編程，還是不能提取學生的學習興趣，教師在授課時，只能采用板書或PPT進行宣講，使教和學乏味枯燥。開發一種使教學過程變得生動有趣，使教學過程能夠互動，學生樂于接受的教學方法，是教學模式改革亟需解決的問題。

(二)智能控制課程教學演示系統

在智能控制技術的教學過程中，傳統的課堂宣講方式主要依靠言語直觀來為學生傳遞知識，但鑒于本課程的特點(交叉性強、理論聯系實際的必要性強)，言語直觀很難給學生留下深刻、鮮明、逼真的映像。依據高等教育心理學的基本原理，我們擬采用實物直觀、模象直觀和言語直觀相結合的方式，三者相互配合、相互印證，學生實際動手，實現互動式教學。人工神經網絡、模糊數學和遺傳算法對于初次接觸的學生來說，與以往的知識結構相比，抽象性強，難以理解。基于知識的感知規律(包括強度律、差異律、組合律、活動律和對比律等)［5］，筆者開發了一套教學演示系統(圖1)。本系統充分考慮智能控制技術課程的特點，可操作性強，學生實際動手操作，對各種控制方法的原理進行演示和分析，可大大提高教學效果。

圖1為本文所開發的教學演示系統的操作界面，該系統是用MATLAB R2014b版本的GUI程序設計開發的。在本科學生的智能控制教學過程中，神經網絡控制、模糊控制和遺傳算法為主要教學內容。該系統將這三部分內容作為3個主要模塊，分別設置3個功能區(神經網絡控制功能區、模糊控制功能區和遺傳算法功能區)，中間區域分配為演示區，主要對各種控制方式的控制效果進行互動演示，在每個功能區中都配置一個“理論分析”的展示區，用來展示對應智能控制算法的理論，比如公式推導、理論框架、原理圖等。

圖1 計算機圖形學演示系統界面

神經網絡控制模塊，包括樣本預處理按鈕，對樣本的輸入輸出進行組織，按照格式要求，構成訓練所需樣本集;傳遞函數按鈕，可以選擇合適的傳遞函數及其參數;幾個單選按鈕，用于選擇想要演示的神經網絡類型:單神經元、感知器、BP網絡和RBF網絡;被控對象按鈕用于確定被控對象的類型及參數;演示按鈕用于啟動對應的神經網絡原理和控制過程的演示動畫。

模糊控制模塊，包括模糊化按鈕，通過選擇隸屬度函數，對輸入進行模糊化，作為模糊控制器的輸入;解模糊按鈕用于選擇解模糊的方法;輸入上下限編輯框用于確定輸入的最大值和最小值;模糊化等級編輯框，用于確定模糊等級，以便編輯模糊表;誤差模糊表和控制模糊表用于制定輸入量和控制量的模糊表;控制演示按鈕用于啟動模糊控制器作用于被控對象的演示動畫。

遺傳算法模塊，包括染色體編碼長度編輯框，用于確定二進制染色體的位數;群體大小編輯框用于確定群體中染色體的個數;最大進化代數編輯框用于規定進化結束的代數，即循環次數的上限;交叉概率和變異概率編輯框用于輸入兩個概率的數值;TSP問題求解按鈕將TSP問題作為實例，對遺傳算法的效果進行動畫演示。

本演示系統主要實現對以上3個教學內容進行直觀演示，以幫助學生體會智能控制技術的原理和實踐，并深刻理解相應的數學理論。

(三)單神經元原理教學實例

單神經元是神經網絡的基礎，單神經元的深刻理解，決定了學生對神經網絡的接受程度，我們以單神經元講解為例，說明該系統的在智能控制教學中的輔助作用。

單神經元j的結構示意圖如圖2所示，其中xi為神經元的第i個輸入，Wij為第i個輸入(或神經元)與當前神經元j之間的連接權值。∑表示求和運算，f表示傳遞函數(或轉移函數)，Oj為當前神經元的輸出。單神經元的數學模型可表示為

在圖2中，選擇單神經元單選按鈕，點擊原理演示按鈕，可以演示單神經元的數學模型和結構示意圖，其中數學模型在神經網絡控制模塊的下方，理論分析區演示，單神經元的結構示意圖在中央的演示區展示，這樣學生可以將數學模型和結構圖對應，相互映證加深理解，結合課堂講解來加強教學效果。

圖2 單神經元結構示意圖

四、結束語

智能控制是一門多學科交叉的現代科學技術，作為控制類專業學生的主干課程，學習難度較大。為了對智能控制課程進行教學改革，提高教學質量，本文利用MATLAB R2014b版本的GUI程序設計，開發了一套輔助教學系統——智能控制教學演示系統，系統的互動演示功能，激發了學生的學習興趣，提高了該課程的教學質量。

致謝:感謝江蘇省2015年度研究生教育教學改革研究與實踐課題(JGLX15_180)和2012年度校級高等教育研究課題對本論文的資助。

［1］ 韓力群．智能控制理論及應用［M］．北京:機械工業出版社，2010．

［2］ 李國勇．智能控制及其MATLAB實現［M］．北京:電子工業出版社，2005．

［3］ 余伶俐，蔡自興，肖曉明．智能控制精品課程教學改革研究［J］．計算機教育，2010(19):35－39．

［4］ 張允，張運波，侯麗華，等．應用型本科“智能控制技術”課程教學改革的研究與實踐［J］．電力教育，2012(36):52，58．

［5］ 譚頂良．高等教育心理學［M］．南京:河海大學出版社，南京師范大學出版社，2006．