基于路徑搜索的運動控制系統課程教學方法優化探討

張耕培

摘? 要 運動控制系統是一門多領域交叉課程，涉及眾多知識點，難度較大。如何在有限的課時內覆蓋盡可能多的知識點，并考慮到知識點間跨越理解難度，是這門課教學研究需要討論的方向。基于人工智能中的路徑搜索基本原理，提出一種新的課程內容組織方法，能夠合理配置知識點，豐富課程內容，降低學生的理解難度。

關鍵詞 自動化專業;運動控制系統;路徑搜索;知識點優化;人工智能;網絡課程;A*算法

中圖分類號：G642? ? 文獻標識碼：B

文章編號：1671-489X（2021）11-0095-03

0? 前言

運動控制系統課程是自動化專業的專業核心課程之一，具有涉及初級課程多、知識點多、知識線索長、應用性強等特點。教學過程中需要經常復習初級課程中的知識點，同時復習先前學習的本課程知識點，且需要比較不同控制方式的特點，學生的學習難度與教師的講授難度都比較大。鑒于運動控制系統課程的特殊性，很多教學人員給出不同的教學改革方案：小組討論、翻轉課堂、跨課程學習、實驗過程優化等[1]。教學要素的調整一般集中在教師與學生的關系，課程核心的知識點優化組合需要進一步提煉[2]。

人工智能是在信息論、控制論、計算機等學科內容的基礎上發展而來的，因此又可把它看作一門綜合性的邊緣學科[3]。它的出現及所取得的成就引起人們的高度重視，并取得很高的評價。本文根據人工智能中的路徑規劃問題中常用的A*搜索算法原理，尋找思維跳躍最小的思考路徑，優化整合運動控制系統課程中知識點組合，從而實現理論教學中的最優教學方法。

1? 課程特點與教學難點

運動控制系統課程所涉及的內容已成為電機學、電力電子技術、微電子技術、計算機控制技術、控制理論、信號檢測與處理技術等多門學科相互交叉的綜合性學科。如圖1所示，運動控制系統是以直流或者交流電動機為對象進行控制，以各類控制器為核心，設電力電子裝置為功率變換執行機構，參考多種控制理論組成的電氣傳動控制系統。運動控制系統雖然多種多樣，但典型運動控制系統都由幾部分構成：功率驅動電動機、運動控制器、計算機、反饋檢測傳感器和被控對象。電動機及其功率驅動裝置作為執行器，主要為被控對象提供動力。

運動控制系統內容主要包括直流調速和交流調速。直流調速部分主要介紹單閉環直流調速、雙閉環直流調速系統、可逆調速系統、直流脈寬調速系統和位置隨動調速系統等內容;交流調速部分主要包括異步電機調速和同步電機調速，其中異步電機調速包括轉差功率不變調速和轉差功率回饋調速。課程教學通常以運動控制為主線，以其他知識領域內容為輔助，不可避免地需要復習和簡述輔助內容。這些輔助內容分布在不同的知識領域，內容跨度大，但都由高等數學、電路基礎、模擬電路、數字電路等基礎課程所關聯。如果簡單地將知識點堆砌在規定課時內，勢必會造成課程內容龐雜、教師備課費勁、學生聽課吃力等問題。隨著網絡課程的興起，高級專業課程由于難度較大，學生傾向于課外學習網絡課程，課堂學習積極性較差。

如何優化課程內容，保持課堂學習的高效性，保持學生的學習興趣，對于避免學生流失非常重要。如何在講解大綱規定內容的基礎上，合理配置主線知識點與輔助知識點的關聯性，減小學生的理解難度，并盡量多地重溫和說明輔助內容，有機組織主線內容與輔助內容，使課堂內容豐富飽滿，是目前該課程需要研究的主要方向。

2? 優化原理與方法

把學習過程中遇到的知識點看作散布在認知空間中的位置點，這些認知位置點之間的距離可以認為是知識點間的認知跨越難度。如果認知位置點間的距離越短（該距離為大于零的正實數），則認為從一個認知位置點到另一個認知位置點的躍遷學習越容易;如果兩個認知位置點的距離為零，則可以認為兩個認知位置點所代表的知識內容相同。

基于上述學習認知原理，本文提出根據難度最低知識點路徑搜索策略的課程優化方法，該方法類似于地圖的路徑最短優化算法，可實現學生學習思維的暢通性（課程內的易學程度）與拓展性（課程間的交叉程度）。

A*算法是1968年提出的一種有效的啟發式通用搜索算法，可以指導搜索在地圖中進行最優化的方向前進[4]。A*算法基本思想：依據對問題的分析和對求解過程的分析，摸索利于啟發問題求解的相關信息，通常根據啟發函數，估算目前位置到目標位置的距離，基于該距離估計值去搜索最優路徑。該算法不需要計算地圖中所有的可能路徑，只是依據啟發函數逐步朝著某個方向搜索。當搜索空間地圖復雜到一定程度時，傳統搜索方法受限于計算能力不足，該方法將節省大部分的路徑搜索成本，提高搜索效率，從而實現快速搜索[5]。

基于A*算法的路徑搜索優化能力，可以將一堂課中所教知識點所途經的認知位置距離減小到最短距離，從而將課程中的知識點的躍遷學習難度降到最低。

如圖2所示，將運動控制系統課程內的知識點，按照電機學、電力電子技術、控制理論三個方向坐標來構建知識空間，在該課程的知識空間內度量每個知識點所涉及的學科內容并進行定位。計算定位后的相鄰知識點的空間距離，根據A*算法的路徑尋優功能可以最大限度地提升學生學習效率，即在每節課程內的極限學習躍遷距離覆蓋最多的相鄰知識點。

當需要在課程間進行關聯時，可以考慮進一步將某一知識點坐標作為獨立的知識空間進行進一步的下一級知識點分量投影處理，即將某一知識坐標內的初級知識點在初級課程知識空間內做向量投影以量化在下一級課程中的坐標位置，這樣就可以串聯三級課程知識點。如圖3所示，可將電力電子技術中的某個知識點在由電路分析、模擬電路、數字電路知識點構造的知識空間內做向量投影以確定分量關系。根據初級課程知識點的單坐標投影位置與高級課程單坐標位置分量之間的量化關系，以知識空間內的最短距離原則即可找到課程間的最近關聯知識點。

在單節課時內容的知識點安排中，可以根據學生的學習能力設置知識點躍遷距離的總長度。當知識點學習路徑中相鄰幾個知識點的躍遷距離比較短時，可以適當多設置幾個知識點;當知識點學習路徑中相鄰幾個知識點的躍遷距離比較長，即學習難度較大時，可以減少部分知識點。核心思想為控制單節課時內學習知識點躍遷距離總距離大致相等。

高級課程與基礎課程之間有著密切的聯系，該方法可以用于優化各類專業的高級專業課程。同時，基于A*算法中啟發條件的不同，根據學生學習情況的不同，調節知識點學習的路徑方向。可以實現在教學內容固定不變的條件下，根據不同的知識點路徑遍歷所有應學知識點，做到因材施教。進一步，可以根據該方法引導學生進行本課程、本專業甚至是本學科的思維導圖繪制，建立學生的課程、專業、學科觀，進一步輔助學生進行專業深造選擇和擇業能力優化。

3? 總結

本文提出一種基于人工智能和相似度計算的課程內容組織新方法，該方法針對多課程交叉或多學科交叉的高級專業課程的內容組織，主要解決在有限的課程時間內，如何以學生最容易理解和學習的方式，構建盡量豐富的主線內容與輔助內容的問題，從而實現理論教學中的最優教學方法。

參考文獻

[1]沈艷霞，紀志成.運動控制系統課程研究性教學方法的改革與探索[J].科教導刊，2016（2）：111-112.

[2]孫影，林芳.運動控制系統課程教學改革的探討[J].科技風，2020（25）：55-56.

[3]樊莉，孫繼銀，王勇.人工智能中的A*算法應用及編程[J].微機發展，2003（5）：33-35.

[4]嚴弈遙，羅禹貢，朱陶，等.融合電網和交通網信息的電動車輛最優充電路徑推薦策略[J].中國電機工程學報，2015（2）：15-17.

[5]Duchoň F， Babinec A， Kajan M， et al.Path Planning?with Modified a Star Algorithm for a Mobile Robot[J].Procedia Engineering，2014（96）：59-69.