浅析工程教育理念下智能制约课程教学对策
最后更新时间:2024-02-26
作者:用户投稿本站原创
点赞:4802
浏览:12176
论文导读:教学改革来提高教学质量,充分借鉴CDIO先进的教育理念,推行卓越工程师培养计划,提高大学生的创新技能、实践技能,协调课程体系对培养目标支撑力不强以及与我国产业发展和结构的调整不相适应的矛盾,创建适应新形式发展需要的课程教学体系,同时推动我国智能制约学科发展,是我校授课老师所面对和亟待解决的理由。
关键词:智能制约;教学策略;卓越工程师;模糊制约;神经网络
1007-0079(2014)23-0029-02
智能制约作为自动化类专业的一门专业课程,要求学生了解制约学科发展的方向和前沿,熟悉智能制约的主要理论分支、数学基础以及发展趋势等,掌握基本智能制约策略的结构和算法,为未来实际工程应用奠定一定的基础。当前,在国内外备受关注的CDIO模式即把“构思(Conceive)—设计(Design)—执行(Implement)—运作(Operate)”作为工程教育的环境背景,按照产品生命周期构建课程体系,以课堂和项目相结合的方式进行主动学习,使学生达到预想的学习目标。
考虑到安徽工程大学(以下简称“我校”)自动化专业被确定为教育部“卓越计划”试点专业,如何通过智能制约课程教学改革来提高教学质量,充分借鉴CDIO先进的教育理念,推行卓越工程师培养计划,提高大学生的创新技能、实践技能,协调课程体系对培养目标支撑力不强以及与我国产业发展和结构的调整不相适应的矛盾,创建适应新形式发展需要的课程教学体系,同时推动我国智能制约学科发展,是我校授课老师所面对和亟待解决的理由。
智能制约思潮第一次出现于20世纪60年代由Leonaes等人首次正式提出,[2]到了1987年,IEEE制约系统学会和计算机学会在美国费城联合召开了智能制约国际学术讨论会,智能制约正式作为一门新学科,登上历史舞台,而“智能制约”课程是在智能制约学科建立之后开设的。
国内首部“智能制约”教材,是在1990年由中南大学蔡自兴教授编写电子工业出版社出版,蔡教授把递阶制约、专家制约、模糊制约、神经制约、学习制约作为智能制约课程的初步框架和主要研究分支。[1]随后,王耀南、李士勇、李人厚、孙增圻等专家也编写了智能制约相关教材。这些教材出版对我国智能制约课程教学发挥了积极的作用,为智能制约学科建设和人材培养做出突出贡献。[3]
近年来,国内学者对智能制约的研究十分活跃,举行各种与智能制约有关的学术讨论会,如全球智能制约与自动化大会(World Congress on Intelligent Control and Automation,WCICA)、中国智能自动化会议(Chinese Intelligent Automation Conference,CIAC)、中国制约会议(Chinese Control Conference,CCC)、中国制约与决策会议(Chinese Control and Decision Conference,CCDC)等,这标志我国智能制约作为独立学科已正形成。[2]
(1)模糊制约:将人类专家对特定对象的制约经验,运用模糊集理论进行量化,转化为可数学实现的制约器,从而实现对被控对象的制约,其主要包括输入模糊化、模糊规则库、模糊推理以及输出逆模糊化四个部分。
(2)神经网络制约:是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点,它利用大量的人工神经元按一定的拓扑结构互连,构建具有仿人制约的功能。神经网络虽然不善于显式表达知识,但具有很强的学习能力和自适应能力,能够任意逼近复杂的非线性系统,对高度非线性和严重不确定性系统的制约方面具有良好效果。
(3)分级递阶制约:是从工程制约论的角度总结人工智能与自适应、自学习和自组织的关系之后逐渐形成的,主要由组织级、协调级和执行级构成。其中组织级起主导作用,涉及知识的表示与处理,主要应用人工智能;协调级在组织级和执行级间起连接作用,涉及决策方式及其表示,采用人工智能及运筹学实现制约;执行级是底层,具有很高的制约精度,采用常规自动制约。
(4)专家系统制约:是指具有模糊专家智能的功能,采用专家系统技术与制约理论相结合的策略设计的制约策略,它是人工智能应用领域最成功的分支之一,由知识库、推理机、解释机制、知识获取系统以及综合数据库五个部分组成。在工业过程制约中主要呈现直接专家制约和间接专家制约两种形式。
一、智能制约
摘要:在工程教育理念下,为贯彻落实国家卓越工程师培养计划,提高“智能制约”课程的教学质量,在回顾智能制约发展历程和理论体系的基础上,以安徽工程大学智能制约课程建设为例,对理论教学、实践教学以及考核方式等方面的一些做法和经验进行了探讨和总结。关键词:智能制约;教学策略;卓越工程师;模糊制约;神经网络
1007-0079(2014)23-0029-02
智能制约作为自动化类专业的一门专业课程,要求学生了解制约学科发展的方向和前沿,熟悉智能制约的主要理论分支、数学基础以及发展趋势等,掌握基本智能制约策略的结构和算法,为未来实际工程应用奠定一定的基础。当前,在国内外备受关注的CDIO模式即把“构思(Conceive)—设计(Design)—执行(Implement)—运作(Operate)”作为工程教育的环境背景,按照产品生命周期构建课程体系,以课堂和项目相结合的方式进行主动学习,使学生达到预想的学习目标。
考虑到安徽工程大学(以下简称“我校”)自动化专业被确定为教育部“卓越计划”试点专业,如何通过智能制约课程教学改革来提高教学质量,充分借鉴CDIO先进的教育理念,推行卓越工程师培养计划,提高大学生的创新技能、实践技能,协调课程体系对培养目标支撑力不强以及与我国产业发展和结构的调整不相适应的矛盾,创建适应新形式发展需要的课程教学体系,同时推动我国智能制约学科发展,是我校授课老师所面对和亟待解决的理由。
一、智能制约课程分析
1.智能制约发展历程
智能制约是一种新型自动制约技术,代表了自动制约的最新发展阶段。[1]20世纪90年代中期之后,智能制约日益成熟,在工业、农业、家用、军事等领域得到了广泛的应用,据统计,2012年全球智能制约市场规模接近6800亿美元,而我国智能制约行业规模也已经达到4200亿元。智能制约思潮第一次出现于20世纪60年代由Leonaes等人首次正式提出,[2]到了1987年,IEEE制约系统学会和计算机学会在美国费城联合召开了智能制约国际学术讨论会,智能制约正式作为一门新学科,登上历史舞台,而“智能制约”课程是在智能制约学科建立之后开设的。
国内首部“智能制约”教材,是在1990年由中南大学蔡自兴教授编写电子工业出版社出版,蔡教授把递阶制约、专家制约、模糊制约、神经制约、学习制约作为智能制约课程的初步框架和主要研究分支。[1]随后,王耀南、李士勇、李人厚、孙增圻等专家也编写了智能制约相关教材。这些教材出版对我国智能制约课程教学发挥了积极的作用,为智能制约学科建设和人材培养做出突出贡献。[3]
近年来,国内学者对智能制约的研究十分活跃,举行各种与智能制约有关的学术讨论会,如全球智能制约与自动化大会(World Congress on Intelligent Control and Automation,WCICA)、中国智能自动化会议(Chinese Intelligent Automation Conference,CIAC)、中国制约会议(Chinese Control Conference,CCC)、中国制约与决策会议(Chinese Control and Decision Conference,CCDC)等,这标志我国智能制约作为独立学科已正形成。[2]
2.智能制约理论体系
随着科学技术的发展,智能制约理论和技术得到不断的发展和完善,受到越来越多科研工作者的关注。常规的智能制约策略主要包括:模糊制约、神经网络制约、分级递阶制约、专家系统制约以及其他仿人智能制约等。[3,4](1)模糊制约:将人类专家对特定对象的制约经验,运用模糊集理论进行量化,转化为可数学实现的制约器,从而实现对被控对象的制约,其主要包括输入模糊化、模糊规则库、模糊推理以及输出逆模糊化四个部分。
(2)神经网络制约:是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点,它利用大量的人工神经元按一定的拓扑结构互连,构建具有仿人制约的功能。神经网络虽然不善于显式表达知识,但具有很强的学习能力和自适应能力,能够任意逼近复杂的非线性系统,对高度非线性和严重不确定性系统的制约方面具有良好效果。
(3)分级递阶制约:是从工程制约论的角度总结人工智能与自适应、自学习和自组织的关系之后逐渐形成的,主要由组织级、协调级和执行级构成。其中组织级起主导作用,涉及知识的表示与处理,主要应用人工智能;协调级在组织级和执行级间起连接作用,涉及决策方式及其表示,采用人工智能及运筹学实现制约;执行级是底层,具有很高的制约精度,采用常规自动制约。
(4)专家系统制约:是指具有模糊专家智能的功能,采用专家系统技术与制约理论相结合的策略设计的制约策略,它是人工智能应用领域最成功的分支之一,由知识库、推理机、解释机制、知识获取系统以及综合数据库五个部分组成。在工业过程制约中主要呈现直接专家制约和间接专家制约两种形式。