智能控制題庫

1、智能控制題庫1.試說明智能控制的的基本特點是什么？（1）學(xué)習(xí)功能（1分）（2）適應(yīng)功能（1分）（3）自組織功能（1分）（4）優(yōu)化能力（2分）2、試簡述智能控制的幾個重要分支。專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。3、試說明智能控制研究的數(shù)學(xué)工具。智能控制研究的數(shù)學(xué)工具為：（1）符號推理與數(shù)值計算 的結(jié)合；（2）離散事件與連續(xù)時間系統(tǒng)得結(jié)合；（3）模糊集 理論；（4）神經(jīng)網(wǎng)絡(luò)理論；（5）優(yōu)化理論4.智能控制系統(tǒng)有哪些類型，各自的特點是什么？（1）專家控制系統(tǒng)（1分）專家系統(tǒng)主要指的是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗。 它具有啟發(fā)性、 透明性、靈活性、符號

2、操作、不一確定性推理等特點。（2）模糊控制系統(tǒng)（1分）在被控制對象的模糊模型的基礎(chǔ)上，運用模糊控制 器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法模糊模型是用模 糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標(biāo)。（3）神經(jīng)控制系統(tǒng)（1分）神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的主要特征。5、簡述專家控制與專家系統(tǒng)存在的區(qū)別。專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別： （1）專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專 家控制能進行獨立的、實時的自動決策。專家控制比專家系 統(tǒng)對可靠性和抗干擾性有著更高的要求。（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求

3、在線工作方式。6試說明智能控制的三元結(jié)構(gòu)，并畫出展示它們之間關(guān)系的 示意圖。把智能控制擴展為三元結(jié)工智能、自動控制和運籌學(xué)交示：（2分）ic=ai nAcnoROR 一 運籌學(xué)(Operation圖3.2智能控制的三元結(jié)構(gòu)構(gòu)，即把人 接如下表research)IC 一智能控制(intelligent control);Al 一人工智能(artificial intelligence);AC 一自動控制(automatic Colltrol);n 一表示交集.8.簡述智能控制系統(tǒng)較傳統(tǒng)控制的優(yōu)點。在傳統(tǒng)控制的實際應(yīng)用遇到很多難解決的問題,主要表現(xiàn)以下幾點：（1）實際系統(tǒng)由于存在復(fù)雜性、非線性、時

4、變性、 不確定性和不完全性等，無法獲得精確的數(shù)學(xué)模型。（1分）（2） 某些復(fù)雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學(xué)模 型來描述，即無法解決建模問題。（1分）（3）針對實際系統(tǒng)往 往需要進行一些比較苛刻的線性化假設(shè)，而這些假設(shè)往往與 實際系統(tǒng)不符合。（1分）（4）實際控制任務(wù)復(fù)雜，而傳統(tǒng)的控 制任務(wù)要求低，對復(fù)雜的控制任務(wù)，如機器人控制、CIMS、 社會經(jīng)濟管理系統(tǒng)等復(fù)雜任務(wù)無能為力。（1分）智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合起來，其控制方法適應(yīng)對象的復(fù)雜性和不確定性，能夠比較有效的解決上述問題，具有較大的優(yōu)越性。（1分）9、智能控制與傳統(tǒng)控制的主要區(qū)別如何？傳統(tǒng)控制：經(jīng)典反

5、饋控制和現(xiàn)代理論控制。它們的主要 特征是基于精確的系統(tǒng)數(shù)學(xué)模型的控制。適于解決線性、時 不變等相對簡單的控制問題。智能控制：以上問題用智能的方法同樣可以解決。智能 控制是對傳統(tǒng)控制理論的發(fā)展，能夠解決傳統(tǒng)控制方法難以 解決的復(fù)雜系統(tǒng)的控制問題，如：對象的不確定性、高度的 非線性和復(fù)雜的任務(wù)要求。傳統(tǒng)控制是智能控制的一個組成 部分，在這個意義下，兩者可以統(tǒng)一在智能控制的框架下。 10.在模糊控制器的設(shè)計中，常用的反模糊化的方法有哪幾 種？最大隸屬度法、中心法和加權(quán)平均法。11.簡述將模糊控制規(guī)則離線轉(zhuǎn)化為查詢表形式的模糊控制 器的設(shè)計步驟。（1）確定模糊控制器的結(jié)構(gòu)；（2）定義輸入、輸出模糊集；

6、（3）定義輸入、輸出隸屬函數(shù)；（4） 建立模糊控制規(guī)則；（5）建立模糊控制表；（6）模糊推理；（7）反模糊化。模糊控制的發(fā)展方向有：（1） Fuzzy-PID復(fù)合控制（2） 自適應(yīng)模糊控制（3）專家模糊控制（4）神經(jīng)模糊控制（5） 多變量模糊控制13、模糊控制系統(tǒng)一般由幾個部分組成？1）模糊控制器2）輸入/輸出接口裝置3）廣義對象4）傳感 器14、比較模糊集合與普通集合的異同。比較模糊集合與普通集合的異同。相同點：都表示一個集合；不同點：普通集合具有特定的對象。而模糊集合沒有特 定的對象，允許在符合與不符合中間存在中間過渡狀態(tài)。15.簡述模糊集合的概念。設(shè)'為某些對象的集合，稱為論域，

7、可以是連續(xù)的或離散 的；論域口到0,1區(qū)間的任一映射/ : uf0,1確定了/的 一個模糊子集F；/稱為F的隸屬函數(shù)，表示論域U的任意元素 屬于模糊子集F的程度。模糊子集F的表示方法有幾種，如: 向量表示法、Zadeh表示法、用偏表示法等。16、請畫出模糊控制系統(tǒng)的組成框圖，并結(jié)合該圖說明模糊 控制器的工作原理。模糊控制器的工作原理為：(1)模糊化接口 測量輸入變量(設(shè)定輸入)和受控系統(tǒng)的輸 出變量，并把它們映射到一個合適的響應(yīng)論域的量程，然后，精 確的輸入數(shù)據(jù)被變換為適當(dāng)?shù)恼Z言值或模糊集合的標(biāo)識符。本單元可視為模糊集合的標(biāo)記。(2)知識庫 涉及應(yīng)用領(lǐng)域和控制目標(biāo)的相關(guān)知識，它由數(shù)據(jù)庫和語言(

8、模糊)控制規(guī)則庫組成。數(shù)據(jù)庫為語言控制規(guī)則 的論域離散化和隸屬函數(shù)提供必要的定義。語言控制規(guī)則標(biāo) 記控制目標(biāo)和領(lǐng)域?qū)＜业目刂撇呗浴?3)推理機是模糊控制系統(tǒng)的核心。以模糊概念為基礎(chǔ)，模 糊控制信息可通過模糊蘊涵和模糊邏輯的推理規(guī)則來獲取，并可實現(xiàn)擬人決策過程。根據(jù)模糊輸入和模糊控制規(guī)則，模糊 推理求解模糊關(guān)系方程，獲得模糊輸出。(4)模糊判決接口 起到模糊控制的推斷作用，并產(chǎn)生一個 精確的或非模糊的控制作用。此精確控制作用必須進行逆定 標(biāo)(輸出定標(biāo))，這一作用是在對受控過程進行控制之前通過量 程變換來實現(xiàn)的17.試寫出3種常用模糊條件語句及對應(yīng)的模糊關(guān)系 R的表達式。（1）設(shè)A、言分別是論域X

9、、Y上的模糊集合，則模糊條件語句“ if A then巨”所決定的二 一. = .兀模糊關(guān)系為：Ra A B A E（2）設(shè)A、百和C分別是論域X、Y和Z上的模糊集合，則模糊條件語句“ if A then B else 一 . .、 一. k 一C 所決定的二兀模糊關(guān)系為：RA A B A C（3）設(shè)A、目和C分別是論域X、Y和Z上的模糊集合，則模糊條件語句“ if A and B then 一、 一. 一 一 TC ”所決定的二元模糊關(guān)系為：R A B C18 .人工神經(jīng)網(wǎng)絡(luò)有哪些主要的結(jié)構(gòu)特征？（D并行處理； （2分） （2）信息分布式存儲；（2分）容錯性。（1分）19 .簡述神經(jīng)元模型并

10、畫出結(jié)構(gòu)圖。和神經(jīng)生理學(xué)類似，人工神經(jīng)網(wǎng)絡(luò)的的基本處理單元稱 為神經(jīng)元，每個神經(jīng)元模型模擬一個生物神經(jīng)元，如圖所示：神經(jīng)元模型該神經(jīng)元單元由多個輸入”i=1, 2,., n和一個輸出y組成。中間狀態(tài)由輸入信號加權(quán)和表示，其輸出為：式中，烏為神經(jīng)元單元的閾值），叼為連接權(quán)系數(shù)（對于激發(fā) 狀態(tài)，嗎：取正值，對于抑制狀態(tài)，股取負(fù)值）,n為輸入信號數(shù) 目，片為神經(jīng)元輸出，t為時間,f（一）為輸出變換函數(shù)，有時叫 做激發(fā)或激勵函數(shù)，往往采用0和1二值函數(shù)、S形函數(shù)和高 斯函數(shù)等。20、神經(jīng)網(wǎng)絡(luò)應(yīng)具備的四個基本屬性是什么？1）并行分布式處理2）非線性處理3）自學(xué)習(xí)功能4） 可通過硬件實現(xiàn)并行處理21 .簡

11、述誤差反向傳播學(xué)習(xí)算法的主要思想誤差反傳算法的主要思想是把學(xué)習(xí)過程分為兩個階段（1分）：第一階段（正向傳播過程）給出輸入信息通過輸入層經(jīng) 隱含層逐層處理并計算每個單元的實際輸出值（2分）；第二 階段（反向過程），若在輸出層未能得到期望輸出值， 則逐層 遞歸的計算實際輸出與期望輸出之差值（誤差）以便根據(jù)此 差值調(diào)節(jié)權(quán)值。22 .簡述前向（多層）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并畫出結(jié)構(gòu)圖。前向（多層）神經(jīng)網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu),由一些同層神經(jīng) 元間不存在互連的層組成。從輸入層至輸出層的信號通過單 向連接流通；神經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元 間的連接，如圖所示。前向（多層）神經(jīng)網(wǎng)絡(luò)具有形式，如：多 層感知

12、器、BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等。前向（多層）神經(jīng)網(wǎng)絡(luò)23 .簡述專家系統(tǒng)與專家控制的區(qū)別。專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：（1）專家系統(tǒng)能完成專門領(lǐng)域的功能， 輔助用戶決策；專家 控制能進行獨立的、實時的自動決策。專家控制比專家系統(tǒng) 對可靠性和抗干擾性有著更高的要求。（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取 反饋信息，即要求在線工作方式。24 .試比較特征函數(shù)和隸屬函數(shù)。特征函數(shù)用來表示某個元素是否屬于普通集合，而隸屬 函數(shù)則用來表示某個元素屬于模糊集合的程度，特征函數(shù)的 取值0, 1,而隸屬函數(shù)的取值0, 1,特征函數(shù)可以看作特 寐的金窟函數(shù)25 .請畫出直接型

13、專家控制器的結(jié)構(gòu)圖并說明其設(shè)計思想。圖略直接型專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程。具有模擬操作工人智能的功能。這種類型的控制器 任務(wù)和功能相對簡單，但需要在線、實時控制。26 .畫出間接型專家控制器的結(jié)構(gòu)圖并說明其設(shè)計思想。圖略設(shè)計思想：間接型專家控制器用于和常規(guī)控制器 相結(jié)合，組成對生產(chǎn)過程或被控對象進行間接控制的智能控 制系統(tǒng)。具有模擬（或延伸，擴展）控制工程師智能的功能。 該控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制。27 .簡述專家系統(tǒng)的基本構(gòu)成。知識庫和推理機，28 .簡述直接型專家控制器的主要設(shè)計內(nèi)容。直接型專家控制器的主要設(shè)計內(nèi)容：建立知識庫；控 制知識的

14、獲?。?選擇合適的推理方法。29 .根據(jù)高層決策功能的性質(zhì)，簡述間接型專家控制器的分按照高層決策功能的性質(zhì)，間接型專家控制器可分為以 下幾種類型：優(yōu)化型專家控制器；適應(yīng)型專家控制器；協(xié)調(diào)型 專家控制器；組織型專家控制器。30 .試述何為有導(dǎo)師學(xué)習(xí)？何為為無導(dǎo)師學(xué)習(xí)？有導(dǎo)師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是糾 錯規(guī)則。在學(xué)習(xí)訓(xùn)練過程中需要不斷給網(wǎng)絡(luò)成對提供一個輸 入模式和一個期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號”。 將神經(jīng)網(wǎng)絡(luò)的實際輸出同期望輸出進行比較，當(dāng)網(wǎng)絡(luò)的輸出 與期望輸出不符時，根據(jù)差錯的方向和大小按一定的規(guī)則調(diào) 整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更接近期望結(jié)果。無導(dǎo)師學(xué)習(xí)也稱為無監(jiān)

15、督學(xué)習(xí)， 學(xué)習(xí)過程中，需要不斷給 網(wǎng)絡(luò)提供動態(tài)輸入信息，網(wǎng)絡(luò)能根據(jù)特有的內(nèi)部結(jié)構(gòu)和學(xué)習(xí) 規(guī)則，在輸入信息流中發(fā)現(xiàn)任何可能存在的模式和規(guī)律，同 時能根據(jù)網(wǎng)絡(luò)的功能和輸入信息調(diào)整權(quán)值，這個過程稱為網(wǎng)絡(luò)的自組織，其結(jié)果是使網(wǎng)絡(luò)能對屬于同一類的模式進行自動分類。31 .簡述間接型專家控制器的概念及其分類。間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對生 產(chǎn)過程或被控對象進行間接控制的智能控制系統(tǒng)。具有模擬（或延伸，擴展）控制工程師智能的功能。該控制器能夠?qū)?現(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制（1分）。按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類 型： 優(yōu)化型專家控制器（1分）； 適

16、應(yīng)型專家控制器（1分）; 協(xié)調(diào)型專家控制器（1分）；組織型專家控制器（1分）。 36.簡述神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程。神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程經(jīng)過4個階段。（1 ）啟蒙期（1890-1969年）（1 分）（2 ）低潮期（ 1969-1982） （ 1 分）（3）復(fù)興期（1982-1986）（2 分）1982年，物理學(xué)家 Hoppield提出了 Hoppield神經(jīng)網(wǎng)絡(luò) 模型，該模型通過引入能量函數(shù)，實現(xiàn)了問題優(yōu)化求解，1984 年他用此模型成功地解決了旅行商路徑優(yōu)化問題 （TSP）。在1986年，在Rumelhart和McCelland等提出了一種著 名的多層神經(jīng)網(wǎng)絡(luò)模型，即 BP網(wǎng)絡(luò)。該網(wǎng)絡(luò)是迄今為止應(yīng)

17、用最普遍的神經(jīng)網(wǎng)絡(luò)。（4）新連接機制時期（1986-現(xiàn)在）（1分） 神經(jīng)網(wǎng)絡(luò)從理論走向應(yīng)用領(lǐng)域。37 .簡述神經(jīng)網(wǎng)絡(luò)具備的特征。（1）能逼近任意非線性函數(shù);（1分）(2)信息的并行分布式處理與存儲；(i分)(3)可以多輸入、多輸出；(1分)(4)便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機技術(shù)實現(xiàn)；(1分)(5)能進行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。(i分)38 .簡述BP基本算法的優(yōu)缺點。BP網(wǎng)絡(luò)的優(yōu)點為：(1) 只要有足夠多的隱層和隱層，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；(2) BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強的泛化能力；(3) BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布

18、地存儲在網(wǎng)絡(luò)的連接權(quán)中， 個別神經(jīng)元的損壞對輸入 輸出關(guān)系有較小的影響，因而 BP網(wǎng)絡(luò)具有較好的容錯性。BP網(wǎng)絡(luò)的主要缺點為：(1)待尋優(yōu)的參數(shù)較多，收斂速度較慢；(2)目標(biāo)函數(shù)函數(shù)存在多個極值點，按梯度下降法進行學(xué)習(xí)，很容易陷入局部極小值； (3)難以確定隱層和隱層節(jié)點的數(shù)目。39 .簡述RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的主要區(qū)別。RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程和 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程類 似，二者的主要區(qū)別在于各使用不同的作用函數(shù)。BP神經(jīng)網(wǎng)絡(luò)中隱層使用的Sigmoid是函數(shù)，其值在輸入空間中無限大 的范圍內(nèi)為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡(luò)(2分)； 而RBF神經(jīng)網(wǎng)絡(luò)的作用函數(shù)是高斯函數(shù)，其值

19、在輸入空間中 有限的范圍內(nèi)為非零值，因而是一種局部逼近的神經(jīng)網(wǎng)絡(luò)(2 分)，采用RBF神經(jīng)網(wǎng)絡(luò)可大大加快學(xué)習(xí)的速度，適合于實時控制的要求。(1分)40 .簡述BP神經(jīng)網(wǎng)絡(luò)中，BP算法的基本思想。誤差反向傳播的學(xué)習(xí)算法簡稱 BP算法，其基本思想是按梯度下降法進行學(xué)習(xí)。它采用梯度搜索 技術(shù)，以期使網(wǎng)絡(luò)的實際輸出值與期望的輸出值的誤差均方值為最小。41、模糊控制與傳統(tǒng)控制的不同之處：傳統(tǒng)控制方法均是建立在被控對象精確數(shù)學(xué)模型基礎(chǔ)上 的，然而，隨著系統(tǒng)復(fù)雜程度的提高，將難以建立系統(tǒng)的精確數(shù)學(xué)模型；模糊控制是以模糊集理論、模糊語言變量和模 糊邏輯推理為基礎(chǔ)，從行為上模仿人的模糊推理和決策過程 的一種智能

20、控制方法。該控制方法適應(yīng)對象的復(fù)雜性和不確 定性，不需要依賴對象的精確數(shù)學(xué)模型可實現(xiàn)復(fù)雜系統(tǒng)的控 制。1 .1)2)3)42、模糊控制器設(shè)計包括幾項內(nèi)容？(本題5分)模糊控制器設(shè)計包括幾項內(nèi)容？確定模糊控制器的輸入變量和輸出變量(即控制量)設(shè)計模糊控制器的控制規(guī)則確立模糊化和非模糊化(又稱清晰化)的方法4)選擇模糊控制器的輸入變量及輸出變量的論域并確定 模糊控制器的參數(shù)(如量化因子、比例因子)5)編制模糊控制算法的應(yīng)用程序6)合理選擇模糊控制算法的采樣時間1 .分別畫出以下應(yīng)用場合下適當(dāng)?shù)碾`屬函數(shù)：(a)我們絕對相信z附近的e(t)是“正小丁 只有當(dāng)e(t)足夠遠(yuǎn)離7時，我們才失去e(t)是“

21、正小”的信心;(4分)的 e(t)我們很快失去e(t)是“正大”的信心;(4分)(b)我們相信鼻附近的e(t)是“正大”，而對于遠(yuǎn)離-(c)隨著e(t)從向左移動，我們很快失去e(t)是“正小”的 信心，而隨著e從7向右移動，我們較慢失去e是“正小” 的信心。(4分)(a)(b)(c)2 .分別畫出以下應(yīng)用場合下適當(dāng)?shù)碾`屬函數(shù)：(a)我們絕對相信與附近的e(t)是“正小”，只有當(dāng)e(t)足夠 遠(yuǎn)離萬時，我們才失去e(t)是“正小”的信心；(4分)(b)我們相信鼻附近的e(t)是“正大”，而對于遠(yuǎn)離的e(t) 33我們很快失去e(t)是“正大”的信心；(4分)(c)隨著e(t)從4向左移動，我們很快失去e(t)是“正小”的 信心，而隨著e從西向右移動，我們較慢失去e是“正小” 的信心。(4分)6 .畫出以下兩種情況的隸屬函數(shù)圖：(a)畫出精確集合a x/ x4的隸屬函數(shù)圖；(4分)(b)寫出單點模糊(singleton fuzzification )隸屬函數(shù)的數(shù)學(xué)表達形式，并畫出隸屬函數(shù)圖。(4分)(c)畫出精確集合a x|% x為的隸屬函數(shù)圖；(4分)7 .某模糊控