智能控制導(dǎo)論知到課后答案智慧樹章節(jié)測試答案2025年春昆明理工大學(xué)

智能控制導(dǎo)論知到課后答案智慧樹章節(jié)測試答案2025年春昆明理工大學(xué)第一章單元測試

智能控制最大的優(yōu)點在于不需要精確的數(shù)學(xué)模型。

A:錯B:對

答案:對傅京孫提出了智能控制的二元論，包括了人工智能和自動控制。

A:對B:錯

答案:對智能控制在任何場合下的控制效果都一定比經(jīng)典控制理論中的要好。

A:錯B:對

答案:錯智能控制主要用于解決傳統(tǒng)控制難以解決的復(fù)雜系統(tǒng)的控制問題。

A:對B:錯

答案:對智能控制理論的學(xué)習(xí)屬于自動控制任務(wù)中解決信號難以檢測的問題。

A:對B:錯

答案:錯以下特點不屬于智能控制的是（）

A:學(xué)習(xí)功能B:實時性高C:適應(yīng)能力D:優(yōu)化能力

答案:實時性高智能控制的重要分支不包括（）

A:神經(jīng)網(wǎng)絡(luò)控制B:模糊控制C:專家控制D:自適應(yīng)控制

答案:自適應(yīng)控制智能控制的任務(wù)在于設(shè)計一個控制器，使之具有學(xué)習(xí)、抽象、推理和決策等功能。

A:錯B:對

答案:對智能控制研究對象的特點不包括（）

A:高度非線性的模型B:復(fù)雜的控制要求C:不確定性模型D:快速計算

答案:快速計算1987年1月，在美國舉行了第一屆國際智能控制大會，標志著智能控制領(lǐng)域的形成。

A:對B:錯

答案:對

第二章單元測試

專家系統(tǒng)其實就是一段計算機程序，該程序具備某領(lǐng)域內(nèi)專家水平的知識和經(jīng)驗，具有解決專門問題的能力。

A:對B:錯

答案:對專家控制分為直接型專家控制器和間接型專家控制器，專家PID控制器屬于間接型。

A:對B:錯

答案:錯以下不屬于專家控制的特點的是（

）

A:網(wǎng)絡(luò)結(jié)構(gòu)B:靈活性C:適應(yīng)性D:魯棒性

答案:網(wǎng)絡(luò)結(jié)構(gòu)專家系統(tǒng)結(jié)構(gòu)中的關(guān)鍵部分為知識庫和推理機。

A:對B:錯

答案:對常用的知識表達方法為：產(chǎn)生式規(guī)則、框架、語義網(wǎng)絡(luò)、過程。

A:錯B:對

答案:對推理機中的正向推理是從結(jié)果中得到原始數(shù)據(jù)和已知條件。

A:對B:錯

答案:錯專家控制的規(guī)則庫一般采用產(chǎn)生式規(guī)則表示，IF控制局勢THEN操作結(jié)論。

A:錯B:對

答案:對專家控制的關(guān)鍵技術(shù)不包括（）

A:將定性只是轉(zhuǎn)換為定量的控制信號B:被控對象數(shù)學(xué)模型的建立C:知識的表達方法D:從傳感器中識別和獲取定量的控制信號

答案:被控對象數(shù)學(xué)模型的建立以下關(guān)于專家PID控制描述不正確的是

A:一般采用增量式PID作為控制器的輸出值B:微分的作用是為了消除系統(tǒng)的靜態(tài)誤差C:根據(jù)偏差和偏差變化率實施的控制規(guī)則D:根據(jù)實際的控制任務(wù)和誤差曲線，可以調(diào)整專家控制規(guī)則和參數(shù)取值

答案:微分的作用是為了消除系統(tǒng)的靜態(tài)誤差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)過程或被控對象。

A:錯B:對

答案:對

第三章單元測試

模糊集合的元素是以某種程度隸屬于該集合，而普通集合的元素隸屬度為0或者1。

A:對B:錯

答案:對兩個定義在不同論域上的模糊集合之間可以進行元素的并、交等運算。

A:對B:錯

答案:錯模糊關(guān)系矩陣的元素可以大于1。

A:對B:錯

答案:錯隸屬函數(shù)的確定方法為（

）

A:神經(jīng)網(wǎng)絡(luò)法B:主管經(jīng)驗法C:模糊統(tǒng)計法D:其他3項都是

答案:其他3項都是設(shè)有兩個定義在相同論域上的模糊集合A和B，A合成B的結(jié)果等于B合成A的結(jié)果。

A:對B:錯

答案:錯設(shè)有兩個定義在相同論域上的模糊集合A=[0.20.4;0.60.9],B=[0.80.7;0.50.3]，則A合成B的結(jié)果為（）

A:[0.40.6;0.20.9]B:[0.80.5;0.30.6]C:[0.70.5;0.30.6]D:[0.40.3;0.60.6]

答案:[0.40.3;0.60.6]模糊集合表示為A=u1/x1+u2/x2+u3/x3+……，其中u代表隸屬度，x表示論域元素，式子中的加號和除法和數(shù)學(xué)中的表示含義相同。

A:對B:錯

答案:錯已知“如果天氣冷，請多穿衣服”這一條關(guān)系R，則“當(dāng)天氣為很冷，則穿什么衣服”，這一推理過程屬于（

）

A:其他3項都不對B:雙向推理C:后向推理D:前向推理

答案:前向推理已知模糊集合A表示“大蘋果”，則加了語氣算子的模糊集合B“很大的蘋果”，B中的元素隸屬度等于A中元素隸屬度加（1/2）次方運算。

A:對B:錯

答案:錯以下關(guān)于二維輸入的Mamdani推理方法描述錯誤的是（）

A:首先需要將輸入端進行融合，兩個定義在不同論域上的模糊集合通過轉(zhuǎn)置后形成矩陣，達到融合的效果。B:輸入端二維模糊集合融合后需要將矩陣的行首位相連構(gòu)成一個向量，再參與和關(guān)系矩陣R的合成運算。C:二維模糊集合融合的方式可以直接將對應(yīng)元素計算“交”運算得到向量。D:兩個二維模糊集合合成的方法為轉(zhuǎn)置后按位取小得到一個矩陣。

答案:二維模糊集合融合的方式可以直接將對應(yīng)元素計算“交”運算得到向量。

第四章單元測試

解模糊的目的是為了實現(xiàn)由模糊集合到定值定量信號的轉(zhuǎn)化。

A:錯B:對

答案:對設(shè)計模糊控制器時可以無需進行模糊化接口的一步。

A:對B:錯

答案:錯模糊化接口一般采用隸屬度最大化原則實現(xiàn)由實際取值到模糊集合的映射。

A:對B:錯

答案:對在實際模糊控制任務(wù)中，模糊推理可以在離線狀態(tài)下設(shè)計一個模糊規(guī)則表，以查詢表的方式實現(xiàn)模糊推理。

A:錯B:對

答案:對模糊控制器的組成包括（

）

A:模糊化接口B:知識庫C:其他3項都是D:推理與解模糊接口

答案:其他3項都是常見的解模糊方法有（

）

A:其他3項都是B:加權(quán)平均法C:重心法D:最大隸屬度法

答案:其他3項都是模糊控制具有一定的不確定性，因此不能實現(xiàn)精確控制。

A:對B:錯

答案:錯關(guān)于模糊控制的描述中錯誤的是（）

A:模糊控制的輸入一般是誤差和誤差的變化率B:模糊推理的結(jié)果通過隸屬度最大化原則得到離散論域值，再通過比例因子轉(zhuǎn)換為實際值輸出C:模糊控制隸屬度的選取可以隨意給定D:模糊控制中首先應(yīng)該將傳感器和設(shè)定值偏差通過量化因子轉(zhuǎn)換到離散論域

答案:模糊控制隸屬度的選取可以隨意給定在制定模糊查詢表時需要根據(jù)實際的經(jīng)驗進行設(shè)定。

A:對B:錯

答案:對當(dāng)模糊推理中存在多條已知關(guān)系時，每個子關(guān)系計算的結(jié)果再進行“交”運算得到最后的推理關(guān)系R。

A:對B:錯

答案:錯

第五章單元測試

人工神經(jīng)元數(shù)學(xué)模型的建立是根據(jù)實際神經(jīng)元的工作特性的。

A:對B:錯

答案:對人工神經(jīng)元數(shù)學(xué)模型中的閾值是模擬實際神經(jīng)元中的（）

A:神經(jīng)元之間的連接強度B:神經(jīng)元對輸入信號的匯總作用C:神經(jīng)元對信號的發(fā)送作用D:神經(jīng)元對信號的抑制作用

答案:神經(jīng)元對信號的抑制作用以下關(guān)于BP神經(jīng)網(wǎng)絡(luò)的描述中錯誤的是（）

A:采用誤差反向傳播的負梯度下降算法調(diào)整網(wǎng)絡(luò)權(quán)值B:神經(jīng)網(wǎng)絡(luò)的層內(nèi)之間不存在連C:前一層的神經(jīng)元和后一層的神經(jīng)元存在部分連接關(guān)系D:BP網(wǎng)絡(luò)是一種前向網(wǎng)絡(luò)結(jié)

答案:前一層的神經(jīng)元和后一層的神經(jīng)元存在部分連接關(guān)系BP神經(jīng)網(wǎng)絡(luò)中采用的負梯度下降算法，當(dāng)誤差目標函數(shù)中存在多個極值點時，仍然能夠?qū)ふ业饺肿顑?yōu)解。

A:對B:錯

答案:錯學(xué)習(xí)的方式分為在線學(xué)習(xí)和批量學(xué)習(xí)。

A:對B:錯

答案:對一個神經(jīng)元并不聰明，但千萬個神經(jīng)元彼此相連在有限的空間里就會產(chǎn)生智慧，這屬于群智能的現(xiàn)象之一。

A:錯B:對

答案:對深度網(wǎng)絡(luò)模型中由于存在大量待尋優(yōu)的參數(shù)，因此需要大數(shù)據(jù)樣本進行訓(xùn)練。

A:對B:錯

答案:對神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是網(wǎng)絡(luò)中的權(quán)值調(diào)整的過程。

A:錯B:對

答案:對神經(jīng)網(wǎng)絡(luò)的泛化能力就是指對樣本數(shù)據(jù)的擬合和逼近效果。

A:對B:錯

答案:錯以下關(guān)于神經(jīng)網(wǎng)絡(luò)的描述中錯誤的是（）

A:神經(jīng)網(wǎng)絡(luò)計算過程中不能省略神經(jīng)元的閾值參數(shù)B:誤差反向傳播過程中采用負梯度下降算法C:神經(jīng)網(wǎng)絡(luò)中單個神經(jīng)元的破壞不會影響結(jié)果，因此具有較好的容錯機制D:神經(jīng)網(wǎng)絡(luò)具有并行計算的能力

答案:神經(jīng)網(wǎng)絡(luò)計算過程中不能省略神經(jīng)元的閾值參數(shù)

第六章單元測試

神經(jīng)網(wǎng)絡(luò)控制內(nèi)容一般包括被控對象系統(tǒng)辨識和神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計。

A:對B:錯

答案:對以下屬于神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)的有（

）

A:神經(jīng)網(wǎng)絡(luò)直接逆控制B:神經(jīng)網(wǎng)絡(luò)監(jiān)督控制C:神經(jīng)網(wǎng)絡(luò)自校正控制D:其他3項都是

答案:其他3項都是神經(jīng)網(wǎng)絡(luò)直接逆控制是與被控對象并聯(lián)起來，以使得總體的傳遞函數(shù)為1。

A:對B:錯

答案:錯神經(jīng)網(wǎng)絡(luò)和PID控制器結(jié)合時輸出為比例積分和微分系數(shù)。

A:對B:錯

答案:對神經(jīng)網(wǎng)絡(luò)在做被控對象系統(tǒng)辨識時需要采集大量的輸入和輸出數(shù)據(jù)形成訓(xùn)練樣本。

A:錯B:對

答案:對神經(jīng)網(wǎng)絡(luò)從本質(zhì)上說就是一個建立了輸入變量到輸出變量之間的映射函數(shù)。

A:錯B:對

答案:對所謂黑箱模型是指輸入和輸出變量之間的數(shù)學(xué)關(guān)系式是確定的。

A:錯B:對

答案:錯神經(jīng)網(wǎng)絡(luò)直接逆控制的可用性在相當(dāng)程度上取決于逆模型的準確精度。

A:錯B:對

答案:對神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點個數(shù)與訓(xùn)練樣本的個數(shù)有關(guān)。

A:對B:錯

答案:錯神經(jīng)網(wǎng)絡(luò)作為控制器，可以實現(xiàn)對不確定系統(tǒng)或者未知系統(tǒng)進行有效的控制，使控制系統(tǒng)達到所要求的動態(tài)、靜態(tài)特性。

A:錯B:對

答案:對

第七章單元測試

遺傳算法的基本操作不包括（）

A:變異B:交叉C:復(fù)制D:抑制

答案:抑制遺傳算法最大的優(yōu)點在于能夠快速在解空間中找到目標函數(shù)的最佳解。

A:對B:錯

答案:對遺傳算法的構(gòu)成要素有哪些（

）

A:個體適應(yīng)度評價B:其他3項都是C:染色體編碼方法D:遺傳算子、運行參數(shù)

答案:其他3項都是如果適應(yīng)度函數(shù)有兩個變量，則可以把兩個變量的二進制編碼串接后形成染色體。

A:錯B:對

答案:對染色體經(jīng)過復(fù)制、交叉、變異后的適應(yīng)度一定比原種群中的染色體適應(yīng)度高。

A:對B:錯

答案:錯變異操作能夠使染色體序列產(chǎn)生出新的染色體編碼。

A:對B:錯

答案:對在復(fù)制操作中，采用輪盤賭的方式篩選出參與交叉和變異的染色體，顯然適應(yīng)度大的個體更容易被選中。

A:錯B:對

答案:對兩個染色體在交叉中如果互換了某個位之后的所有染色體，則屬于單點交叉的類型。

A:錯B:對

答案:對由于多條染色體在迭代過程中同時參與遺傳操作，因此具有并行計算的特點，適合大規(guī)模復(fù)雜問題的優(yōu)化。

A:對B:錯

答案:對遺傳操作后得到的結(jié)果需要經(jīng)過解碼操作轉(zhuǎn)換為實際變量的取值。

A:對B:錯

答案:對

第八章單元測試

MATLAB程序語句必須以分號結(jié)束。

A:錯B:對

答案:錯新版本的MATLAB提供了深度學(xué)習(xí)工具包，以及對某些硬件的直接編程功能。

A:對B:錯

答案:對MATLAB中數(shù)據(jù)存放格式是以矩陣形式，因此具有快速高效的矩陣和數(shù)學(xué)運算能力。

A:對B:錯

答案:對MATLAB中不能設(shè)計圖形用戶界面。

A:對B:錯

答案:錯MATLAB中的變量類型有（

）

A:浮點型變量B:其他3項都屬于C:胞元數(shù)組D:整形變量

答案:其他3項都屬于MATLAB循環(huán)和選擇語句的結(jié)束標志為end。

A:對B:錯

答案:對兩個大小相同的矩陣進行點乘運算的結(jié)果為相同位置元素的乘積，與數(shù)學(xué)矩陣相乘不同。

A:錯B:對

答案:對表達式1：2：10，第三個元素為（）

A:10B:5C:7D:3

答案:5SIMULINK中沒有提供信號源的模塊，需要從工作空間中給定。

A:錯B:對

答案:錯MATLAB提供了多種曲線繪制函數(shù)，只需要給定函數(shù)式、變量等就可以繪制。

A:對B:錯

答案:對

第九章單元測試

專家PID控制實驗中所設(shè)定的規(guī)則可以根據(jù)實際需要改變其策略和參數(shù)。

A:對B:錯

答案:對專家PID控制實驗中建立被控對象數(shù)學(xué)模型的目的是為了設(shè)定模糊控制規(guī)則。

A:錯B:對

答案:錯模糊控制實驗中建立的控制系統(tǒng)框圖里，從信號發(fā)生器到虛擬示波器之間連線的目的是為了（）

A:提高系統(tǒng)的穩(wěn)定性B:提供反饋信C:模糊控制器的要求D:提供原始信號與模糊控制輸出跟蹤信號的對比作用

答案:提供原始信號與模糊控制輸出跟蹤信號的對比作用模糊控制系統(tǒng)框圖中的被控對象可以通過雙擊的方式打開后重新設(shè)定。

A:錯B:對

答案:對模糊控制系統(tǒng)實驗中變量為誤差和誤差的變化率，模糊控制器的輸出為跟蹤正弦信號的結(jié)果。

A:對B:錯

答案:對MATLAB中提供用于建立神經(jīng)網(wǎng)絡(luò)模型的函數(shù)為newcf、newff等，用于訓(xùn)練的函數(shù)sim，用于計算網(wǎng)絡(luò)輸出的函數(shù)為train。

A:錯B:對

答案:錯當(dāng)神經(jīng)網(wǎng)絡(luò)為多輸入和多輸出的結(jié)構(gòu)時，樣本數(shù)據(jù)和測試數(shù)據(jù)需要進行轉(zhuǎn)置。

A:對B:錯

答案:對遺傳算法的具體編程可以根據(jù)實際需求而不同，但遺傳操作的基本思想是一致的。

A:對B:錯

答案:對遺傳算法實驗中的語句：TempE(Size,:)=Be