智能控制題庫知識講解

1、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(jī)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、符號操作、不一確定性

2、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(yùn)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(jìn)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。6、試說明

3、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(kuò)展為三元結(jié)構(gòu)，即把人工智能、自動控 下表示：（2分）ic=ai n Acn orOR運(yùn)籌學(xué)（Operation research）IC 一智能控制（intelligent control）;Al 一人工智能（artificial intelligenee）;AC 一自動控制（automatic Colltrol）;n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

4、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(jìn)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(jī)器人控制、CIMS、社會經(jīng)濟(jì)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、

5、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；（3）定義輸入、輸出隸屬函數(shù)；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

6、化。12. 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(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)二為某些對象的集合，稱為論域，可以是連續(xù)的或離散的； 論域丁到0,1區(qū)間的任一映射: 1'0,1確定 了

7、 J的一個模糊子集F； 丁稱為戸的隸屬函數(shù)，表示論域 J的任意元素：r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。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（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?。?）推理機(jī)是模糊

8、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(yùn)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(jìn)行逆定標(biāo)（輸出定標(biāo)）,這一作用是在對受控過程進(jìn)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(dá)式。（1） 設(shè)A、B分別是論域X、Y上的模糊集合，則模糊條件語句“ if A then B ”所決定的二元模糊關(guān)系為：RA A E A E（2） 設(shè)A、B和C分別是論域X、Y和Z上的模糊集

9、合，則模糊條件語句“ if A then B elseC”所決定的二元模糊關(guān)系為：RA B A A C（3）設(shè)A、B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 E thenC ”所決定的二元模糊關(guān)系為：R A Tl（18.人工神經(jīng)網(wǎng)絡(luò)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）19簡述神經(jīng)元模型并畫出結(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：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

10、出為：N!兒=刃藝丹護(hù)叫一號）Z-1式中，J為神經(jīng)元單元的閾值）/'''為連接權(quán)系數(shù)（對于激發(fā)狀態(tài)，卜取正值，對于抑制狀態(tài)，、'取負(fù)值）,n 為輸入信號數(shù)目，七為神經(jīng)元輸出,t為時間,f（）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

11、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

12、戶決策；專家控制能進(jìn)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)可以看作特殊的隸屬函數(shù)25. 請畫出直接型專家控制器的結(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

13、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(jìn)行間接控制的智 能控制系統(tǒng)。具有模擬（或延伸，擴(kuò)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(jī)，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類。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

14、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(jìn)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)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

15、組織，其結(jié)果是使網(wǎng)絡(luò)能對屬于同一類的模式進(jìn)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(jìn)行間接控制的智能控制系統(tǒng)。具有 模擬（或延伸，擴(kuò)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（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分弱 適應(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 ）

16、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)用最普遍的神經(jīng)網(wǎng)絡(luò)。（4） 新連接機(jī)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）

17、（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(xué)集成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機(jī)技術(shù)實現(xiàn)；（ 1 分）（5）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。（ 1 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(qiáng)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)

18、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(jìn)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）4

19、0. 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(jìn)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。42、模糊控制器設(shè)計包括幾項內(nèi)容？1. （本題 5分

20、）模糊控制器設(shè)計包括幾項內(nèi)容？1）確定模糊控制器的輸入變量和輸出變量（即控制量 ）2) 設(shè)計模糊控制器的控制規(guī)則3) 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) 我們絕對相信附近的e(t)是"正小”，只有當(dāng)e(t)足夠遠(yuǎn)離一時，我們才失去e(t)是“正小”的信心；(4分)44(b) 我們相信一附近的e(t)是"正大”，而對于遠(yuǎn)離的e(t)我們很快失去e(t)是“正大”的信

21、心；(4分)2 2(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(t)從 向右移動，我們較慢失去e(t)442. 分別畫出以下應(yīng)用場合下適當(dāng)?shù)碾`屬函數(shù):(a)我們絕對相信一附近的e(t)是“正小”，只有當(dāng)2e(t)足夠遠(yuǎn)離一時，我們才失去e(t)是“正小”的信心；(4分)2(b)我們相信一附近的e(t)是“正大”，而對于遠(yuǎn)離3的e(t)我們很快失去3e(t)是“正大”的信心；(4分)(c)隨著e(t)從向左移動，我們很快失去6e(t)是“正小”的信心，而隨著e(t )從向右移動，我們較慢失去e(t)6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Ax 4x 2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(dá)形式，并畫出隸屬函數(shù)圖。(4分)(c) 畫出精確集合Ax| /8x%的隸屬函數(shù)圖；(4分)t1.0 -k I0.5 -Z x42Uiu7.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、0、PS、PB,E的論域為X = 3, 2, 1, 0, 1, 2, 3, U的論域為Y = 3, 2, 1, 0, 1, 2, 3。設(shè)語言變量 E和U的賦值表為：量化