智能控制技術(shù)復習題課后答案

、填空題

.智能控制是一門新興的學科，它具有非常廣泛的應用領域，例如、、和。

1、交叉學科在機器人控制中的應用 在過程控制中的應用 飛行器控制

.傳統(tǒng)控制包括和。2、經(jīng)典反饋控制 現(xiàn)代理論控制

.一個理想的智能控制系統(tǒng)應具備的基本功能是、、和。

3、學習功能適應功能自組織功能優(yōu)化能力

.智能控制中的三元論指的是：、和。4、運籌學，人工智能，自動控制

.近年來，進化論、、和等各門學科的發(fā)展

給智能控制注入了巨大的活力，并由此產(chǎn)生了各種智能控制方法。

5、神經(jīng)網(wǎng)絡模糊數(shù)學專家系統(tǒng)

.智能控制方法比傳統(tǒng)的控制方法更能適應對象的、和

。6、時變性非線性不確定性

.傅京遜首次提出智能控制的概念，并歸納出的 3種類型智能控制系統(tǒng)是

、和。

7、人作為控制器的控制系統(tǒng)、人機結(jié)合作為控制器的控制系統(tǒng)、無人參與的自主控制系統(tǒng)

8、智能控制主要解決傳統(tǒng)控制難以解決的復雜系統(tǒng)的控制問題，其研究的對象具備的 3個特點

為、和。

8、不確定性、高度的非線性、復雜的任務要求

.智能控制系統(tǒng)的主要類型有、、、

、和。

9、分級遞階控制系統(tǒng)，專家控制系統(tǒng)，神經(jīng)控制系統(tǒng)，模糊控制系統(tǒng)，學習控制系統(tǒng)，集成或者（復合）混合控制系統(tǒng)

.智能控制的不確定性的模型包括兩類： ⑴;

。

10、（1）模型未知或知之甚少；（2）模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。

.控制論的三要素是： 信息、反饋和控制。

.建立一個實用的專家系統(tǒng)的步驟包括三個方面的設計，它們分別是、和。知識庫的設計推理機的設計人機接口的設計

.專家系統(tǒng)的核心組成部分為和。知識庫、推理機

.專家系統(tǒng)中的知識庫包括了 3類知識，它們分別為、

和。判斷性規(guī)則 控制性規(guī)則數(shù)據(jù)

.專家系統(tǒng)的推理機可采用的 3種推理方式為推理、和推理。

15、正向推理、反向推理和雙向推理

.根據(jù)專家控制器在控制系統(tǒng)中的功能，其可分為和。16、直接型專家控制器、間接型專家控制器

.普通集合可用 函數(shù)表示模糊集合可用 函數(shù)表示。特征、隸屬

.某省兩所重點中學在（X1~X5）五年高考中，考生正常發(fā)揮”的隸屬函數(shù)分別為0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。則在研究該省重點中學高考考生水平發(fā)揮的狀況時，論域應為

閆,若分別用3、|團表示兩個學?？荚嚒罢０l(fā)揮”的狀況，則用序偶表

示法分別表示為工］,

國;“未正常發(fā)揮”模糊子集（用行向量表示）分別為

和;而該省兩所重點中學每年高考考生“正常發(fā)揮”的模糊子集應該是

.確定隸屬函數(shù)的方法大致有、和

19、模糊統(tǒng)計法主觀經(jīng)驗法神經(jīng)網(wǎng)絡法

.在模糊控制中應用較多的隸屬函數(shù)有 6種，它們分別為高斯型隸屬函數(shù)、、、、和。

20、廣義鐘形隸屬函數(shù) S形隸屬函數(shù) 梯形隸屬函數(shù) 三角形隸屬函數(shù)Z形隸屬函數(shù)

21.在天氣、學問、晴朗、表演和淵博中可作為語言變量值的有和。

21、晴朗、淵博

.模糊控制是以、、和為基礎的一種智能

控制方法。模糊集理論，模糊語言變量，模糊邏輯推理

.模糊控制的數(shù)學基礎為。24、模糊集合

.模糊控制中，常用的語言變量值用 臼，習，R，回等表示，其中因代表

,回代表。25、正中、負零

.在模糊控制中，模糊推理的結(jié)果是量。26、模糊

.在模糊控制中，解模糊的結(jié)果是量。確定量

.基本模糊控制器的組成包括知識庫以及、和。

模糊化接口、推理機、解模糊接口

.在模糊控制中，實時信號需要才能作為模糊規(guī)則的輸入，從而完成模糊推理。

29、 模糊化

.模糊控制是建立在基礎之上的，它的發(fā)展可分為三個階段，分別為、和。

30、人工經(jīng)驗 模糊數(shù)學發(fā)展和形成階段 產(chǎn)生了簡單的模糊控制器 高性能模糊控制階段

.模糊集合邏輯運算的模糊算子為、和。

31、交運算算子 并運算算子平衡算子

.在溫度、成績、暖和、口才和很好中可作為語言變量值的有和

32.暖和、很好

.在水位、壓力、暖和、表演、中年人和比較好中可作為語言變量值的有、和。

33、暖和、中年人和比較好

.在水位、寒冷、溫度、表演和偏高中可作為語言變量值的有和。

34.寒冷、偏高

.模糊控制的基本思想是把人類專家對特定的被控對象或過程的總結(jié)成一系列以“”形式表示的控制規(guī)則。

35、控制策略 “IF條件THEN作用”

.神經(jīng)網(wǎng)絡的發(fā)展歷程經(jīng)歷了 4個階段，分別為、、和。

36、啟蒙期、低潮期、復興期、新連接機制期

.神經(jīng)元由4部分構(gòu)成，它們分別為、、和突觸。

37、細胞體、樹突、軸突

.根據(jù)神經(jīng)網(wǎng)絡的連接方式，神經(jīng)網(wǎng)絡的3種形式為：、

和。38、前向網(wǎng)絡反饋網(wǎng)絡自組織網(wǎng)絡

.神經(jīng)網(wǎng)絡的3個要素為：、和。

39、神經(jīng)元的特性拓撲結(jié)構(gòu)學習規(guī)則

.目前神經(jīng)網(wǎng)絡的學習算法有多種，按有無導師分類，可分為、

和 。

-41、有導師學習無導師學習再勵學習

.神經(jīng)網(wǎng)絡的研究主要分為3個方面的內(nèi)容，即、和。

42.神經(jīng)元模型、神經(jīng)網(wǎng)絡結(jié)構(gòu)、神經(jīng)網(wǎng)絡學習算法

.神經(jīng)網(wǎng)絡的學習過程主要由 正向傳播和反向傳播兩個階段組成。

.神經(jīng)網(wǎng)絡控制是將和相結(jié)合而發(fā)展起來的智能控制方法。

神經(jīng)網(wǎng)絡，控制理論

.遺傳算法的主要用途是。45、尋優(yōu)(優(yōu)化計算)

.常用的遺傳算法的染色體編碼方法有二種，它們分別為 實數(shù)編碼和。

46、二進制編碼

.遺傳算法的3種基本遺傳算子、和。

47、比例選擇算子單點交叉算子變異算子

.遺傳算法中，適配度大的個體有被復制到下一代。更多機會

.遺傳算法中常用的3種遺傳算子(基本操作)為、、和。

49、復制、交叉和變異

第一章

1、什么是智能控制？試比較智能控制和經(jīng)典控制、現(xiàn)代控制的異同。

答：(1)在無人干預的情況下能自主地驅(qū)動智能機器實現(xiàn)控制目標的 自動控制技術(shù)。

(2)不同點：

經(jīng)典控制理論以反饋理論為基礎，是一種單回路線性控制理論。主要研究單輸入 -單輸出、線性定常

系統(tǒng)的分析和設計。

在現(xiàn)代控制理論中,對控制系統(tǒng)的分析和設計主要是通過對系統(tǒng)的 狀態(tài)變量的描述來進行的,基本

的方法是時間域方法。

現(xiàn)代控制理論比經(jīng)典控制理論所能處理的控制問題要廣泛得多，

智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關系 ，不是相互排斥的.常規(guī)控制往往包含在智能控制之中 ，智

能控制也利用常規(guī)控制的方法來解決 低級”的控制問題，力圖擴充常規(guī)控制方法并建立一系列新的理論與

方法來解決更具有挑戰(zhàn)性的復雜控制問題 .

2、智能控制系統(tǒng)具有哪些特點？

答：(1)能對復雜系統(tǒng)進行有效全面的全局控制，并有較強的容錯能力

(2)具有以知識表示的非數(shù)學廣義模型和以數(shù)學模型表示的混合控制過程；

(3)能對獲取的信息進行實時處理并給出控制決策；

(4)具有自學習、自適應、自組織的能力。

3、智能控制主要研究那些內(nèi)容？各自的特點是？

答：主要集中在專家控制技術(shù)、模糊控制技術(shù)、神經(jīng)網(wǎng)絡控制技術(shù)和遺傳算法等。

(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。

(3)神經(jīng)控制系統(tǒng)(1分)

神經(jīng)網(wǎng)絡具有某些智能和仿人控制功能。學習算法是神經(jīng)網(wǎng)絡的主要特征。

(4)遺傳算法(2分)

遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法 ，是基于進化論在計算機上模擬生命進化論機制

而發(fā)展起來的一門學科.遺傳算法可用于模糊控制規(guī)則的優(yōu)化及神經(jīng)網(wǎng)絡參數(shù)及權(quán)值的學習 ，在智能控制領域

有廣泛的應用。

4、試說明智能控制研究的數(shù)學工具。

智能控制研究的數(shù)學工具為： (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)絡理論；(5)優(yōu)化理論

第二章

1、何謂專家系統(tǒng)？它有哪些基本特征？

答： 所謂專家系統(tǒng)就是利用存儲在計算機內(nèi)的某一特定領域內(nèi)人類專家的知識，來解決過去需要人類專家

才能解決的現(xiàn)實問題的計算機系統(tǒng)。

專家系統(tǒng)的基本特征

?(1)具有專家水平的專門知識；

-專家系統(tǒng)中的知識按其在問題求解中的作用可分為三個層次，即數(shù)據(jù)級、知識庫級和控制級。

?(2)專家系統(tǒng)使用符號推理；

?(3)專家系統(tǒng)能夠解決問題領域內(nèi)的各種問題；

?(4)復雜度與難度，專家系統(tǒng)擁有很專門的領域知識；

?(5)具有解釋功能，專家系統(tǒng)具有解釋機制；

?(6)具有獲取知識的能力；

?(7)知識與推理機構(gòu)相互獨立。專家系統(tǒng)一般把推理機構(gòu)與知識分開， 使其獨立，使系統(tǒng)具有良好的可擴充

性和維護性。

2、簡述專家系統(tǒng)設計的基本結(jié)構(gòu)。

答：基本知識描述---系統(tǒng)體系結(jié)構(gòu)---工具選擇----知識表示方法----推理方式----對話*II型.P20

4、什么是專家控制系統(tǒng)？專家控制系統(tǒng)分為哪幾類？

答：專家控制是指將人工智能領域的專家系統(tǒng)理論和技術(shù)與控制理論方法和技術(shù)相結(jié)合，仿效專家智能，實

現(xiàn)對較為復雜問題的控制?；趯＜铱刂圃硭O計的系統(tǒng)稱為專家控制系統(tǒng) (ECS)。

分類：1).一般控制理論知識和經(jīng)驗知識相結(jié)合 2).模糊邏輯與專家控制相結(jié)合 3).神經(jīng)網(wǎng)絡與專家控制相結(jié)

合

5、專家控制系統(tǒng)的任務是什么？

答：專家控制系統(tǒng)的任務是： (1).能提供一個熟練工或?qū)＜覍κ芸貙ο蟛僮魉苓_到的性能指標； (2).監(jiān)

督對象和控制器的運行情況； (3).檢測系統(tǒng)元件可能發(fā)生的故障或失誤；

(4).對特殊情況，要選擇合適的控制算法以適應系統(tǒng)參數(shù)的變化。

6、比較專家系統(tǒng)和專家控制系統(tǒng)的區(qū)別和聯(lián)系。

答：專家控制系統(tǒng)是將人工智能領域的專家系統(tǒng)理論和技術(shù)與控制理論方法和技術(shù)相結(jié)合，仿效專家智能，

實現(xiàn)對較為復雜問題的控制。

專家系統(tǒng)是一種基于知識的、智能的計算機程序。

區(qū)別：專家控制系統(tǒng)必須把控制系統(tǒng)看作是一個基于知識的系統(tǒng)，而作為系統(tǒng)核心部件的控制器則要體現(xiàn)和知識推理的機制和結(jié)構(gòu)。與專家系統(tǒng)相似，整個控制問題領域的知識庫和一個體現(xiàn)知識決策的推理機構(gòu)構(gòu)成了專家控制系統(tǒng)的主體。

7、什么是知識？知識具有哪些特征？

答：1).知識的基本概念

知識反映了客觀世界中事物某一方面的屬性以及事物之間的相互聯(lián)系，不同事物或相同事物之間的不同關系

形成了不同的知識。這里涉及到三個不同層次的概念： 數(shù)據(jù)、信息和知識。數(shù)據(jù) 是客觀世界中搜集的原始

素材，它是信息的載體和表示。 人們根據(jù)一定的目的按照一定的形式對數(shù)據(jù)進行加工與處理， 就形成了有關

的信息。信息是數(shù)據(jù)在特定場合下的具體含義， 或者說信息是數(shù)據(jù)的語義。 知識是將有關的信息進一步關

聯(lián)在一起，形成了更高層次含義的一種信息結(jié)構(gòu)，信息與關聯(lián)是構(gòu)成知識的兩個基本要素。

2).知識的特性

相對正確性；不確定性；可表示性；關聯(lián)性。

8、簡述知識獲取的概念和分類方法。

答：4).知識獲取的概念

知識獲取就是把用于求解專門領域問題的知識從擁有這些知識的知識源中抽取出來，并轉(zhuǎn)換為一特定的計算機表示。知識源包括專家、教科書、數(shù)據(jù)庫及人本身的經(jīng)驗。計算機表示有狀態(tài)空間表示法、謂詞邏輯表示法、與//或圖表示法、語義網(wǎng)絡表示、產(chǎn)生式表示法、框架表示法等。

5).知識獲取的分類

(1)按照基于知識的系統(tǒng)本身在知識獲取中的作用來分類， 知識獲取方法可分為主動型知識獲取和被動型知識

獲取兩類。(2)按基于知識的系統(tǒng)獲取知識的工作方式分類，可分為非自動型知識獲取和自動型知識獲取兩

種。(3)按知識獲取的策略分類，可分為會談式、案例分析式、機械照搬式、教學式、演繹式、歸納式、類比式、猜想驗證式、反饋修正式、聯(lián)想式和條件反射式等。

9、什么是知識表示？知識表示方式有哪些 ？

答：知識表示就是知識的符號化和形式化的過程，

方式：狀態(tài)空間表達法、謂詞邏輯表不法、與或圖表達法、語義網(wǎng)絡表不法、產(chǎn)生式表布法、框架式表不法、

腳本表示法、特征表表示法、過程表示法

10、用語義網(wǎng)絡表達下列知識： (略)

11、知識推理方法有哪幾種？每一種知推理方式有何特點？

答：假如推理所依據(jù)的知識都帶有一個置信度，則從前提到結(jié)論的過程中就存在一個置信度轉(zhuǎn)移的問題。基

于此意義，可將推理模式劃分為如下方式： 1),基于百分百置信度的演繹推理 2).歸納推理3).不確定性推

理4),定性推理5),非單調(diào)推理

特點：1),基于百分百置信度的演繹推理

如果把領域知識表示成必然的因果關系，則按邏輯關系進行推理所得的結(jié)論是肯定的。一般來說，如果前提

的置信度為A,則通過演繹推理得出的結(jié)論也具有置信度 Ao

演繹推理又可以分為正向演繹推理、反向演繹推理、正向與反向相結(jié)合的聯(lián)合演繹推理 (也稱雙向推理)3種形

式。其中，正向演繹推理是一種條件驅(qū)動的推理方式；反向演繹推理是一種結(jié)論驅(qū)動的推理方式；若將兩種演繹推理方式相結(jié)合，可發(fā)揮它們的各自優(yōu)點而克服其局限性，這就形成了雙向聯(lián)合的演繹推理。

2),歸納推理

歸納推理又稱主觀不充分置信推理，它能從一個具有一定置信度的前提推出一個比前提的置信度低的結(jié)論。

常用的歸納推理方法有簡單枚舉法和類比法，簡單枚舉法是通過某類事物觀察到其子類，在子類中發(fā)現(xiàn)某屬

性，在沒有發(fā)現(xiàn)相反事例的情況下，就可推導出此類事物都具有這種屬性的結(jié)論。

類比推理法以相似原理為基礎，即當兩個或多個事物在許多屬性上都相同的條件下，可推出它們具有相同的

屬性。

3),不確定性推理

不確定性推理也稱不精確推理， 它是針對不確定的事實，根據(jù)不充分的證據(jù)和不完全的知識進行推理的方式。

常見的不確定推理方法有確定因子法，以概率為基礎的主觀 Bayes方法，基于Dempster-shafer證據(jù)理論的推

理方法，模糊子集法等。

4),定性推理

定性推理是從物理系統(tǒng)的結(jié)構(gòu)描述出發(fā)，推導出行為描述，預測物理系統(tǒng)的行為并給出因果關系的解釋。定

性推理是采用系統(tǒng)部件間的局部傳播規(guī)則來解釋系統(tǒng)行為的，即認為部件狀態(tài)的變化只與直接相鄰的部件有

關。定性推理是以定性物理知識模型為基礎的。

5),非單調(diào)推理

非單調(diào)推理是指由于新知識的加入而使某些原有的知識變?yōu)榧俚耐评?，非單調(diào)推理的處理過程比單調(diào)推理的

處理過程復雜和困難得多。非單調(diào)推理較適合于賴以進行推理的證據(jù)不夠、知識不完全等情況，對于一個不斷變化的對象，反映其基本特性的知識庫中的知識和數(shù)據(jù)庫中的數(shù)據(jù)也在發(fā)生變化，這就需要非單調(diào)推理。

4、簡述專家系統(tǒng)的定義和構(gòu)成

答：

來解決過去需要人類

(1)定義：所謂專家系統(tǒng)就是利用存儲在計算機內(nèi)的某一特定領域內(nèi)人類專家的知識,專家才能解決的現(xiàn)實問題的計算機系統(tǒng)。

(2)構(gòu)造：

5、專家系統(tǒng)的功能與作用

答：（1）功能

1）存儲問題求解所需的知識；

2）存儲具體問題求解的初始數(shù)據(jù)和推理過程中涉及到的各種信息，如中間結(jié)果、目標、子目標以及假設等；

3）根據(jù)當前輸入的數(shù)據(jù)，利用已有知識，按照一定的推理策略，去解決當前問題，并能控制和協(xié)調(diào)整個系統(tǒng)

TOC\o"1-5"\h\z

4）能夠?qū)ν评磉^程、結(jié)論或系統(tǒng)自身行為做出必要的解釋 ；

5）提供知識獲取，機器學習以及知識庫的修改、擴充和完善等維護手段；

6）提供一種用戶接口，便于用戶使用，又便于分析和理解用戶的各種要求和請求。

強調(diào)指出，存放知識和運用知識進行問題求解是專家系統(tǒng)的兩個最基本功能 ^

（2）專家系統(tǒng)的作用

1）專家系統(tǒng)作為人工智能的應用領域，它使人工智能從實驗室走向了現(xiàn)實世界，成為檢驗人工智能基本理論

和技術(shù)的重要實驗場地。加快了人工智能和計算機研究的步伐 ；

2）專家系統(tǒng)作為一種實用工具，為人類專家寶貴知識的保存、傳播、使用和評價提供了一種有效手段；

3）專家系統(tǒng)可以延伸人類專家的能力。專家系統(tǒng)解決問題時不受環(huán)境的影響，不受時間和空間的限制

4）專家系統(tǒng)能匯集問題領域多個專家的知識與經(jīng)驗。因為專家系統(tǒng)要求領域內(nèi)不同專家采用統(tǒng)一的知識描述形式，這樣便于區(qū)別來自不同專家知識的優(yōu)劣，克服個別專家的局限性，揚長避短，互相合作解決問題。

6、專家系統(tǒng)的基本特征

答：具有專家水平的專門知識；專家系統(tǒng)使用符號推理；專家系統(tǒng)能夠解決問題領域內(nèi)的各種問題；復雜度與難度，專家系統(tǒng)擁有很專門的領域知識；具有解釋功能，專家系統(tǒng)具有解釋機制；具有獲取知識的能力；知識與推理機構(gòu)相互獨立。專家系統(tǒng)一般把推理機構(gòu)與知識分開，使其獨立，使系統(tǒng)具有良好的可擴充性和維護性

7、專家系統(tǒng)的分類

答：（1）按照專家系統(tǒng)的應用領域來分類，可分為醫(yī)療專家系統(tǒng)、勘探專家系統(tǒng)、石油專家系統(tǒng)、數(shù)學專家系

統(tǒng)、物理專家系統(tǒng)、化學專家系統(tǒng)、氣象專家系統(tǒng)、生物專家系統(tǒng)、工業(yè)專家系統(tǒng)、法律專家系統(tǒng)和教育專家系統(tǒng)等。

（2）按照知識表示技術(shù)分類，可分為基于邏輯的、基于規(guī)則的、基于語義網(wǎng)的專家系統(tǒng)和基于框架的專家系統(tǒng)

等；

（3）按照推理控制策略分類，可分為正向推理、反向推理專家系統(tǒng)和雙向混合推理等；

（4）按照所采用的不精確推理技術(shù)分類，可分為確定理論推理技術(shù)、主觀 Bayes推理技術(shù)、可能性理論推理技

術(shù)專家系統(tǒng)和D/S證據(jù)理論推理技術(shù)專家系統(tǒng)等；

（5）按照專家系統(tǒng)的結(jié)構(gòu)分類， 可分為單專家系統(tǒng)和群專家系統(tǒng)， 而群專家系統(tǒng)按其組織方式又可分為主從式、

層次式、同僚式、廣播式以及招標式等。

8、專家控制系統(tǒng)的定義

答：專家控制是指將人工智能領域的專家系統(tǒng)理論和技術(shù)與控制理論方法和技術(shù)相結(jié)合，仿效專家智能，實

現(xiàn)對較為復雜問題的控制。基于專家控制原理所設計的系統(tǒng)稱為專家控制系統(tǒng) （ECS）

9、專家控制系統(tǒng)的任務

答：1）.能提供一個熟練工或?qū)＜覍κ芸貙ο蟛僮魉苓_到的性能指標； （2）.監(jiān)督對象和控制器的運行情況；（3）.

檢測系統(tǒng)元件可能發(fā)生的故障或失誤； （4）.對特殊情況，要選擇合適的控制算法以適應系統(tǒng)參數(shù)的變化。

10、專家控制系統(tǒng)的分類

答：1）.一般控制理論知識和經(jīng)驗知識相結(jié)合；

這種控制方法是以應用專家知識、知識模型、知識庫、知識推理、控制決策和控制策略等技術(shù)為基礎的，知識模型與常規(guī)數(shù)學模型相結(jié)合，知識信息處理技術(shù)與控制技術(shù)的結(jié)合，模擬人的智能行為等。

.模糊邏輯與專家控制相結(jié)合；

將模糊集和模糊推理引入專家控制系統(tǒng)中，就產(chǎn)生了基于模糊規(guī)則的專家控制系統(tǒng)，也稱模糊專家控制

系統(tǒng)（FFC）

.神經(jīng)網(wǎng)絡與專家控制相結(jié)合。

可發(fā)揮專家系統(tǒng)“高層”推理的優(yōu)勢和神經(jīng)網(wǎng)絡“低層”處理長處。

11、專家控制系統(tǒng)的基本結(jié)構(gòu)

答:

第四章

1、模糊控制有哪些特點

答：無需知道被控對象的數(shù)學模型、模糊控制是一種反映人類智慧思維的智能控制、易被人們接受、構(gòu)造容易、魯棒性好等。

2、簡要說明模糊控制系統(tǒng)的工作原理

答：模糊控制系統(tǒng)是由模糊控制器、被控對象、檢測和反饋部件組成的自動化系統(tǒng)。據(jù)人們以往的經(jīng)驗設計一個模糊控制器，將測量值與給定值相比較，劃分等級，控制量等級范圍要與之相匹配，建立起控制規(guī)則，最后得出理想輸出結(jié)果。

或：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。

件汨

模糊控制器的工作原理為：

(1)模糊化接口測量輸入變量(設定車^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論域的量程，然后，精確的輸入數(shù)據(jù)被變換為適當?shù)恼Z言值或模糊集合的標識符。本單

元可視為模糊集合的標記。

(2)知識庫涉及應用領域和控制目標的相關知識 ，它由數(shù)據(jù)庫和語言(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)則標記控制目標和領域?qū)＜业目刂撇呗浴?/p>

(3)推理機是模糊控制系統(tǒng)的核心。以模糊概念為基礎 ，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(輸出定標，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

3、如何建立模糊規(guī)則？

答：模糊控制器規(guī)則是基于專家知識或操作者長期積累的經(jīng)驗，是模仿人的直覺推理的一種語言形式。模糊

規(guī)則通常表述為“if……then……”等形式，設模糊控制器的輸入變量為偏差 e和偏差變化率ec,模糊控制器

的輸出變量為u,其相應語言變量分別為E、EGU。規(guī)則庫是為模糊推理提供規(guī)則。

4、簡述模糊控制器的的設計步驟。

答：（1）確定模糊控制器的結(jié)構(gòu)；（2）定義輸入、輸出模糊集；（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。

5、在模糊控制器的設計中，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。

6、簡述模糊控制的發(fā)展方向

模糊控制的發(fā)展方向有：（1）Fuzzy-PID復合控制（2）自適應模糊控制（3）專家模糊控制（4）神經(jīng)模糊控制（5）多變量模糊控制

7、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

8、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)。

9、簡述模糊集合的概念。

設為某些對象的集合，稱為i^域，可以是連續(xù)的或離散的；論域U到［0,1］區(qū)間的任一映射［F:U-［0,1］確定了口的一個模糊子集尸；Nf稱為？1的隸屬函數(shù)，表示論域U的任意元素口屬于模糊子集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、序偶表示法等。

10、試寫出3種常用模糊條件語句及對應的模糊關系 回的表達式。

（1）設目、回分別是論域X、Y上的模糊集合， 則模糊條件語句“if回then目”所決定的二元模糊

關系為:

（1分）

（2）設一、,和二分別是論域X、Y和Z上的模糊集合， 則模糊條件語句“if"then'else二”所

決定的二元模糊關系為：

（2分）

（3）設'、目和日分別是論域X、Y和Z上的模糊集合， 則模糊條件語句“if?and回then

所決定的二元模糊關系為：

第五章

1、簡述人工神經(jīng)元模型的基本原理

答：人工神經(jīng)元是一個多輸入單輸出的非線性器件。它是根據(jù)人腦神經(jīng)元的結(jié)構(gòu)設計而成； 常用一階微分

方程來描述,

0i為閾值；Xi為輸入信號；wij表示輸入與神經(jīng)元連接的權(quán)值;

Si表示外部輸入的控制信號； f（?）表示神經(jīng)元輸入與輸出的對應關系，又稱激活函數(shù)，用于模擬生物神經(jīng)元的

非線性傳遞特性。

2、人工神經(jīng)網(wǎng)絡的常用學習方法有哪些？試推到出 Q學習規(guī)則

Q學習規(guī)則:

答：有教師學習、無教師學習、再勵學習;

?假設下列誤差準則函數(shù)

?式中，dp代表期望的輸出（教師信號），yp=f（WXp）為網(wǎng)絡的實際輸出， W是權(quán)值向量

?Xp為輸入模式:Xp=（X1,X2,...,Xn）T,訓練本羊本數(shù)p=1,2,...,Mo

?問題是如何調(diào)整權(quán)值W,使準則函數(shù)最小?？捎锰荻认陆捣▉砬蠼?，基本思想是延著 E的負梯

用9p表示W(wǎng)Xp,則有

度方向不斷修正W值，直到E達到最小，這種方法的數(shù)學表達式為

?W的修正規(guī)則為

3、前饋神經(jīng)網(wǎng)絡和反饋神經(jīng)網(wǎng)絡各有什么特點?

答：前饋神經(jīng)網(wǎng)絡的特點：（1）各神經(jīng)元只接收前一層的輸出作為自己的輸入，并且將其輸出給下一層，整

個網(wǎng)絡中沒有反饋。（2）是一個很強的學習能力系統(tǒng)。 （3）具有復雜的非線性處理能力等

反饋神經(jīng)網(wǎng)絡的特點：（1）每個節(jié)點只有一個輸入和輸出（2）是一種反饋動力學系統(tǒng)（3）具有聯(lián)想記憶的功能等。

4、BP學習算法的計算步驟

答：給定輸入向量和目標輸出、求隱含層、輸出層各節(jié)點輸出、求目標值與實際輸出的偏差、計算反向誤差、權(quán)值學習

5、PID神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)并推導其學習算法

答：PID神經(jīng)網(wǎng)絡是三層前向神經(jīng)網(wǎng)絡，具有非線性特性。它是將 PID控制規(guī)律融入神經(jīng)網(wǎng)絡構(gòu)成的，隱含層

節(jié)點分別為比例（P）、積分（I）、微分（D）單元，

PID神經(jīng)網(wǎng)絡采用反向傳播（BP殍習算法:

? （1）隱含層至輸出層權(quán)值調(diào)整算法：

? （2）輸入層至隱含層權(quán)值調(diào)整算法:

? 最終可得到:

6、人工神經(jīng)網(wǎng)絡有哪些主要的結(jié)構(gòu)特征？

（1）并行處理；（2分）（2）信息分布式存儲；（2分）容錯性。（1分）

7、神經(jīng)網(wǎng)絡應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）自學習功能4）可通過硬件實現(xiàn)并行處理

8、簡述誤差反向傳播學習算法的主要思想

誤差反傳算法的主要思想是把學習過程分為兩個階段（ 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。

9、簡述前向（多層）神經(jīng)網(wǎng)絡的結(jié)構(gòu)并畫出結(jié)構(gòu)圖。

前向（多層）神經(jīng)網(wǎng)絡具有遞階分層結(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)絡具有形式，如：多層感知器、BP網(wǎng)絡、RBF網(wǎng)絡等。

輸入層「豆層輸出層

前向（多層）神經(jīng)網(wǎng)絡

10、簡述神經(jīng)網(wǎng)絡的發(fā)展歷程。

神經(jīng)網(wǎng)絡的發(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）

復興期（1982-1986）（2分）

1982年，物理學家Hoppield提出了Hoppield神經(jīng)網(wǎng)絡模型，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)絡模型，即BP網(wǎng)絡。該網(wǎng)絡是迄今為止應用最普遍的神經(jīng)網(wǎng)絡。

新連接機制時期（1986-現(xiàn)在）（1分）

11、簡述神經(jīng)網(wǎng)絡具備的特征。

(1)能逼近任意非線性函數(shù)；(1分)

TOC\o"1-5"\h\z

(2)信息的并行分布式處理與存儲； (1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)能進行學習，以適應環(huán)境的變化。 (1分)

12、簡述BP基本算法的優(yōu)缺點。

BP網(wǎng)絡的優(yōu)點為：

(1)只要有足夠多的隱層和隱層， BP網(wǎng)絡可以逼近任意的非線性映射關系；

BP網(wǎng)絡的學習算法屬于全局逼近算法，具有較強的泛化能力；

BP網(wǎng)絡輸入輸出之間的關聯(lián)信息分布地存儲在網(wǎng)絡的連接權(quán)中，個別神經(jīng)元的損壞對輸入輸出關系有

較小的影響，因而BP網(wǎng)絡具有較好的容錯性。

BP網(wǎng)絡的主要缺點為：

(1)待尋優(yōu)的參數(shù)較多，收斂速度較慢；

(2)目標函數(shù)函數(shù)存在多個極值點，按梯度下降法進行學習，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。

13、.簡述RBF神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡的主要區(qū)別。

RBF神經(jīng)網(wǎng)絡的學習過程和BP神經(jīng)網(wǎng)絡的學習過程類似，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(2分)；而RBF神經(jīng)網(wǎng)絡的作用函數(shù)是高斯函數(shù)，其值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(2分) ，采用RBF神經(jīng)網(wǎng)絡可大大加快學習的速度，適合于實時控制的要求。

(1分)

第七章

1、遺傳算法主要應用于哪些領域？

答：遺傳算法的主要應用領域：函數(shù)優(yōu)化；組合優(yōu)化；生產(chǎn)調(diào)度問題；自動控制；機器人智能控制；圖像處理和模式識別；人工生命；機器學習；遺傳程序設計。

2、簡述遺傳算法的基本原理。

答：遺傳算法將“優(yōu)勝劣汰，適者生存”的生物進化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，按所選擇的適應函數(shù)并通過遺傳中的復雜、交叉及變異對個體進行篩選，使適應高的個體被保留下來，組成新的群體，新的群體既繼承了上一代的信息，又優(yōu)于上一代。這樣周而復始，群體中個體適應度不斷提高，知道滿足一定的條件。

3、遺傳算法編碼的原則和方法是什么？

答：編碼原則：(1)有意義基因塊編碼原則。(2)最小字符集編碼原則。

在處理實際問題時，必須對編碼方法、交叉運算方法、變異運算方法、解碼方法等統(tǒng)籌考慮，以便對問題求解簡便，尋求遺傳運算效率最高的編碼方法。

編碼方法：二進制編碼方法、格雷碼編碼方法、實數(shù)編碼、多參數(shù)編碼

4、適應度函數(shù)的設計對遺傳算法有哪些影響？

答：適應度函數(shù)的設計對遺傳算法的影響還表現(xiàn)在以下幾方面：

(1)適應度函數(shù)影響遺傳算法的迭代停止條件。

(2)適應度函數(shù)與問題約束條件。

5、遺傳算法中包括哪些基本算子？每個基本算子又包括哪些方法？

答：選擇算子、交叉算子和變異算子；

選擇算子的方法：適應度比例選擇法、最佳個體保存方法、期望值方法、排序選擇法、隨機聯(lián)賽選擇法

交叉算子的方法：單點交叉、雙點交叉與多點交叉、均勻交叉、算術(shù)交叉變異算子的方法：基本變異算子、均勻變異、非均勻變異

1.分別畫出以下應用場合下適當?shù)碾`屬函數(shù):

(a)我們絕對相信

1附近的e⑴是“正小

,只有當e(t)足夠遠離日時，我們才失去 e(t)是“正小”的信心;

(4分)

(b)我們相信丫附近的e(t)是“正大”，而對于遠離n的e(t)我們很快失去e(t)是“正大”的信心；(4分)

2.分別畫出以下應用場合下適當?shù)碾`屬函數(shù):

(c)隨著e(t)從1向左移動，我們很快失去 e(t)是“正小”的信心，而隨著e

(a)我們絕對相信

1附近的e⑴是“正小

,只有當e(t)足夠遠離日時，我們才失去 e(t)是“正小”的信心;

(4分)

(b)我們相信t附近的e⑴是“正大

e(t)我們很快失去e(t)是“正大”的信心；(4分)

(c)隨著e⑴從*向左移動，我們很快失去

e(t)是“正小”的信心，而隨著e

⑴從工向右移動，我們較慢失

⑴從二向右移動，我們較慢失

去e⑴是“正小”的信心。(4分)

(b)

3.論域X=［0,100］上的模糊集合

代表“偏大”，在［0,80］區(qū)間上

，在(80,100］區(qū)間上目

寫出司的隸屬度函數(shù)的解析表達式

畫出司的隸屬度函數(shù)曲線

0.0125X

(2分)

圖略(2分)

4.設實數(shù)論域

X上的模糊集

“大約是

5”采用高斯型隸屬函數(shù)表示，其中參數(shù)

(1)寫出目

的隸屬度函數(shù)的解析表達式

(2分)

(2)畫出引

的隸屬度函數(shù)曲線 (2分)

答(1)日山

(2分)

(2)圖略(2分)

.設實數(shù)論域X上的模糊集目“大約是6”采用三角形隸屬函數(shù)表示，其中參數(shù) a=3;b=6;

C=8

(1)寫出目的隸屬度函數(shù)的解析表達式

(2)畫出‘I的隸屬度函數(shù)曲線

(2分)圖略(2分)

.畫出以下兩種情況的隸屬函數(shù)圖：

(a)畫出精確集合 | 的隸屬函數(shù)圖；(4分)

(b)寫出單點模糊(singletonfuzzification)隸屬函數(shù)的數(shù)學表達形式，并畫出隸屬函數(shù)圖。 (4分)

(c)畫出精確集合 |一I的隸屬函數(shù)圖；(4分)

1.0一

0.5-

4 2

(a)

s

1.0-

(b)

0.5-

(c)

7.某模糊控制系統(tǒng)的輸入語言變量E和輸出語言變量U的語言值均為：NB、NS、O、PSPB,E的論域為X={—3,—2,—1,0,1,2,3},U