智能控制理論案例教學在車輛工程專業中的應用

石沛林，鄭遼東，趙玉帥，王牧天

（1.山東理工大學 交通與車輛工程學院，山東 淄博； 2.山東理工大學 機械工程學院，山東 淄博）

一 引言

智能控制技術是目前控制理論的最高形式，代表著現代控制系統理論的全面發展，能夠高效解決更復雜的控制和管理問題，智能控制技術全方位廣泛應用于航空航天、機器人控制、過程控制（石油化工、冶金建材、輕工紡織、生物制藥）、車輛工程、路橋隧道、交通運輸、智慧農業、家用電器、企業管理和金融服務等領域[1-7]。

智能控制理論課程理論和實踐并重，對于學生的創新意識、實踐水平以及創業精神的培養具有非常重要的作用。課程內容涵蓋：神經網絡、模糊控制、遺傳算法、故障診斷和專家系統。當前課程講授過程中的主要問題為：首先，以往的老師講課學生聽講是一種單一方向的信息傳遞，這種教學模式難以調動學生的學習積極性；其次，教學與具體實踐存在一定脫節現象，因而從智能控制學科的發展特點和該學科目前呈現的課程教學效果來看，很有必要引入創新教學理念，對課程教學手段進行改革。

二 案例教學的提出與建設的緊迫性

案例教學法是一種創新形式的教學方法，起源于二十世紀八十年代，由美國教育研究組織卡內基小組（Carnegie Task Force）最早提出了這一方法并進行了深入的教學研究，他們倡導教師在傳統課堂教學中加入案例討論環節，鼓勵教師根據教學目的和內容，課前準備各種現實案例，以便于課堂上展示并引導學生積極參與，組織引導學生結合案例勤于思考、敢于爭鳴、善于討論、清晰表達自己的思想，以期培養學生認識、分析和解決問題的綜合能力[8-10]。

智能控制的研究和實踐應用相對豐富，但將科研和實踐應用的成果反哺到教學上，尚存在挖掘不足、總結不夠的問題，教學上表現為案例資源匱乏、供給不足，特別是與當前經濟社會密切聯系具有較強現實意義且與時俱進的新案例較少。智能化是目前全球研究的熱點之一，案例教學能極大促進師生交流互動，提升課堂教學質量，教師可以構建案例庫，根據自己教學需求從案例資源中選取相應案例；案例教學法也可以作為其他各種教學模式的補充，從不同方面、以不同角度加以應用，從而提高課堂教學質量。案例能夠傳遞最新消息，同時有利于研究生特別是專業學位研究生提高理論知識的綜合工程應用能力。

近年來，隨著我國經濟日益繁榮和人民生活水平蒸蒸日上，為了減輕勞動者負擔和提高生活質量，智能控制可以說已應用于各行各業，尤其是基于人民生命財產安全考慮的許多不適合人員現場工作的惡劣環境或危險場所，是目前各國研究的熱點領域，但我國的教學案例庫建設水平相對較落后，為了響應“新工科”服務國家戰略、滿足工程教育認證要求、體現學科專業前沿和以學生為中心的教育教學理念，針對教育部對車輛工程類各相關專業碩士研究生的培養要求，教學中提出了一些車輛工程專業領域智能控制理論課程案例庫建設值得思考的一些想法，對課程案例庫建設及其相應的教學方法進行了初步探索。具體案例教學應用摘選如下。

三 案例教學應用選例

（一） 基于誤差反向傳播神經網絡的自動緊急制動系統控制策略案例

誤差反向傳播（Back Propagation，BP）神經網絡在智能控制領域應用十分廣泛，它的主要的優點在于其信號正向傳播，誤差反向傳播，因為這種神經網絡結構層次較多，所以它被定義為多層前饋神經網絡。BP 神經網絡的層級可以分為輸入層、隱含層、輸出層（以下分別簡稱I 層、H 層、O 層）,同一層又可分為左層（L 層）和右層（R 層）。BP 神經網絡的基本單元是神經元，在同一層神經網絡內，L 層與R 層的各個神經元之間均有連接，但其不同層次的神經元之間又相互獨立。BP 神經網絡可以按照一定的方式進行訓練學習，當神經網絡接收到用于練習的信息后，神經網絡的I 層會發出神經元的激活值，并通過各H 層進行傳遞，最后在O 層輸出相應的網絡響應；為了減小信號傳遞過程中產生的誤差，誤差會從O 層發出，經過H 層返回I 層（同層從R 層到L 層），逐層修正每層的連接權。由于這個減小誤差過程是從O 層到I 層一層一層傳遞的，所以被稱為“誤差反向傳播算法”。 通過這種誤差逆向傳播訓練的不斷修正后，從而提高網絡響應對輸入模式的準確性。

在制動距離模型中，BP 神經網絡通過分析駕駛員駕駛狀態，自動識別車輛當前行駛狀態，并修正車輛安全距離，記錄駕駛員反應時間，同時監測駕駛工況，對不同工況的沖擊度進行測量并進行分析計算，在此基礎上，基于當時的道路情況，確定和駕駛狀況有關的一系列信息，最后得到自動緊急制動系統控制（Automatic Emergency Braking，AEB）參數，最后，在系統中進行應用，以提高自動緊急制動系統的控制效果，該系統的控制流程如圖1 所示。

圖1 制動系統控制流程

（二） 轎車ABS 故障診斷案例

車輛制動防抱死系統（Antilock Braking System，縮寫：ABS），由其內部的電子控制器（electronic control unit，ECU）控制，實現制動、速度監測、調節制動壓力等功能。該系統能有效防止車輛在緊急情況下的車輪側滑和方向失控，即保障車輛剎車時車輪不被鎖死，使汽車在剎車狀態下仍能轉向。汽車ABS可保證汽車制動方向穩定，它是一種具有防滑、防鎖死等優點的汽車安全保障系統，其實現原理是輪速傳感器實時檢測汽車車輪轉速，獲取的速度信號傳送到汽車ECU 內進行分析，當發現車輪即將要抱死時，控制系統會向制動壓力調節器傳遞信號，由制動壓力調節器對汽車進行制動-保壓-減壓-再增壓等一系列調整，從而防止制動過程中輪胎鎖死。總之，在車輛緊急制動時，系統會自動調節制動壓力，防止車輪被鎖死，保證車輪和地面具有附著最大力。最大限度保證車輛和人員在突發情況下的安全。

教學中利用故障樹技術理論，建立ABS 故障樹模型，通過引用模糊評價矩陣對專家經驗進行合成評判，進一步優化 ABS 故障樹，并將故障樹頂事件和底事件的相關結果應用到專家系統設計中，從而提高故障診斷的準確性。根據故障信息實現BP 神經網絡樣本的建立與訓練，得到所需的神經網絡。將神經網絡與故障樹專家系統進行有效結合，完成基于兩種機制的轎車ABS 故障診斷專家系統的總體設計和各個模塊設計，轎車ABS 故障診斷系統功能模塊圖如圖2 所示， 基于神經網絡與故障樹專家系統的診斷流程圖如圖3 所示。

圖2 轎車ABS 故障診斷系統功能模塊

圖3 基于神經網絡與故障樹專家系統的診斷流程圖

在智能控制理論教學過程中，通過理論講解和分析，幫助學生們了解智能控制系統的結構、特點，通過案例圖解項目分析和討論，理清了智能機模糊控制系統具體的實現方法和手段，為同學們未來的工作和學習打下了堅實的基礎。

總之，在教學過程中引領學生理解各種智能控制算法的特點和各自的應用領域，引導學生進行更深入的學習研究[8]，并提出算法優化的思路和方向。比如神經網絡算法教學中，不僅讓學生明白神經網絡算法具有強大的非線性學習能力，在模式識別、數據分析和挖掘等眾多領域應用廣泛，還要讓學生知道神經網絡控制算法自身也存在局限，即雖然其來源于神經科學的發展，但并不意味著可以將神經網絡直接取代人類腦神經系統，目前神經網絡模型普遍采用的激勵函數，激勵方式和人類腦神經系統相比，相去甚遠，未來發展之路遙遠，由此激發學生積極思考和探索。

智能控制理論與技術應用廣泛，教學過程中還要注重學生工程設計能力的培養[9-10]，我們知道工程設計能力是由設計者體現出來的，所以要求學生按照一定的設計原則和設計方法來表達自己的設計思想，通過典型的具體代表性的神經元網絡、模糊控制器理論及實際應用，再運用MATLAB 語言編程并進行模擬仿真實驗，理解和掌握智能控制系統的設計方法，形成理論聯系實際的貫通式掌握，使學生的學習過程原理清晰，方法明確，應用得當，從而極大地激發學生的學習熱情，提高學生學習的積極性、主動性和自覺性。

四 結語

課程所選案例反映的教學目標明確，案例和生產生活實際緊密結合，組建了有利于研究生課堂質量提升與培養研究生分析問題、解決問題能力的車輛工程及交通工程的智能控制系統教學案例庫，建立多學科知識與案例的融合與統一。在建設過程中根據教師教學需要編寫教學案例，在每個教學案例中詳細給出案例問題的提出和原理分析，對于具體的案例問題進行仿真、故障診斷和控制，并能綜合對比分析結果。不僅使學生能熟悉工程系統的設計流程，同時也培養了研究生需要具備的科研思維，有利于研究生自主進行智能控制系統的研究、設計、開發與調試，形成了一套系統的、完整的、具有行業特色的車輛工程智能控制系統教學案例庫。

智能控制理論案例化教學過程的探索和應用，拓寬了專業知識面，理論與實踐聯系更加緊密，加深了學生對相關專業知識的掌握，提高了學習積極性和教學質量，值得在類似課程的教學過程中加以推廣和應用，對于車輛工程領域案例教學的推廣應用及倡導新工科教學理念具有一定的借鑒和參考價值，案例教學的應用推廣前景十分廣闊。