智能控制理論復習資料.答案.doc

1、智能限制理論復習資料.答案智能限制理論復習資料一.智能限制概述1.什么是智能什么是人工智能答：能有效地獲取、傳遞、處理、再生和利用信息,從而在任意給定的環(huán)境下能成功地到達預定目的的水平.是研究、開發(fā)用于模擬、延伸、擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的科學技術.2.什么是限制什么是自動限制什么是智能限制答：根據(jù)主體的意愿,使事物向期望的目標開展.在沒有人直接參與的情況下,利用外加設備或裝置,使機器、設備或生產(chǎn)過程的某個工作狀態(tài)或參數(shù)自動地根據(jù)預定的規(guī)律運行.在沒有人干預的情況下能自主地驅(qū)動智能機器實現(xiàn)限制目標的自動限制技術.3.智能限制的二元結(jié)構和三元結(jié)構分別是什么答：二元結(jié)構：人

2、工智能、自動限制三元結(jié)構：人工智能、自動限制、運籌學4.智能限制系統(tǒng)的主要功能特點是什么答：學習功能、適應功能、組織功能、優(yōu)化功能5.智能限制的研究對象具備什么特點答：不確定性的模型.傳統(tǒng)的限制是基于模型的限制,這里的模型包括限制對象和干擾模型.高度的非線性.傳統(tǒng)限制理論中的線性系統(tǒng)理論比擬成熟.復雜的任務要求.傳統(tǒng)的限制系統(tǒng)中,限制任務或者是要求輸出值為定值,或者要求輸出值跟隨期望值的運動軌跡,因此限制任務的要求比擬單一,而智能限制的任務要求往往比擬復雜.6.智能限制與自動限制的關系是什么答：自動限制是智能限制的根底,智能限制是對自動限制的進步與延伸；自動限制往往包含在智能限制之中,智能限制

3、也利用自動限制的方法來解決“低級的限制問題；智能限制具有模擬人進行諸如規(guī)劃、學習和自適應的水平,所以它就是讓自動限制系統(tǒng)擁有學習的功能.7.智能限制與傳統(tǒng)限制相比有哪些優(yōu)點答：傳統(tǒng)限制難以解決的問題包括以下幾點：實際系統(tǒng)由于存在復雜性、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)學模型；某些復雜的和包含不確定性的限制過程無法用傳統(tǒng)的數(shù)學模型來描述,即無法解決建模問題；針對實際系統(tǒng)往往要進行一些較苛刻的線性化假設,而這些假設往往與實際系統(tǒng)不符合；實際限制任務復雜,而傳統(tǒng)的限制任務要求低,對復雜的限制任務無能為力.智能限制將限制理論的方法與人工智能技術靈活地結(jié)合起來,其限制方法適應對象的

4、復雜性和不確定性,能夠有效地解決上述問題,具有較大的優(yōu)越性.8.智能限制與傳統(tǒng)限制的區(qū)別如何答：傳統(tǒng)限制：經(jīng)典反應限制和現(xiàn)代理論限制.主要特征是基于精確的系統(tǒng)數(shù)學模型的限制,適用于解決線性、時不變等相對簡單的限制問題.智能限制：是對傳統(tǒng)限制理論的開展,能夠解決傳統(tǒng)限制方法難以解決的復雜系統(tǒng)的限制問題,如對象的不確定性、高度的非線性和復雜的任務要求；傳統(tǒng)限制是智能限制的一個組成局部,在這個意義下,兩者可以統(tǒng)一在智能限制的框架下.9.智能限制未來的主要研究方向和應用領域有哪些答：智能限制是自動限制的最新開展階段,主要用于解決傳統(tǒng)限制技術與方法難以解決的復雜系統(tǒng)的限制問題,如對象的不確定性、高度的非

5、線性和復雜的任務要求.智能限制作為一門新興限制技術,目前還處于開展初期.基于遺傳算法的智能限制、基于Petri網(wǎng)理論的智能限制、遺傳算法、神經(jīng)網(wǎng)絡和模糊限制相結(jié)合的綜合優(yōu)化限制等新的智能限制理論和方法在不斷涌現(xiàn)和開展之中.可以預見,隨著系統(tǒng)論、人工智能理論和計算機技術的開展,智能限制將會有更大的開展空間,并在實際中得到更加廣泛的應用.根據(jù)智能限制根本研究對象的開放性、復雜性、多層次和信息模式的多樣性、模糊性、不確定性等特點,其未來的研究內(nèi)容主要包括以下幾個方面：1智能限制根本機理的研究；2智能限制根本理論和方法的研究；3智能控制應用的研究.伴隨著智能限制系統(tǒng)具有學習、適應、組織三大功能特點,其

6、開展趨勢也將包括以下幾方面：1智能限制理論的進一步研究,尤其是智能限制系統(tǒng)穩(wěn)定性分析的理論研究；2結(jié)合神經(jīng)生理學、心理學、熟悉科學、人工智能等學科的熟悉,深入研究人類解決問題時的經(jīng)驗、策略,建立更多的智能限制體系結(jié)構；3研究適合現(xiàn)有計算機資源條件的智能限制方法；4研究人機交互式的智能限制系統(tǒng)和學習系統(tǒng),以不斷提升智能限制系統(tǒng)的智能水平；5研究適合智能限制系統(tǒng)的軟、硬件進行處理機、信號處理器、智能傳感器和智能開發(fā)工具軟件,以解決智能限制在實際應用中存在的問題.二.分層遞階智能限制1.遞階限制系統(tǒng)的組成與各個局部的功能是什么答:組成：組織級、協(xié)調(diào)級、執(zhí)行級.組織級任務規(guī)劃：負責整個系統(tǒng)的推理、規(guī)劃

7、、決策、長期記憶、信息交流等,是智能最高的級別,主要進行的是基于知識的各種信息處理和決策.協(xié)調(diào)級：是組織級和執(zhí)行級的接口,主要負責將組織級的指令分配為執(zhí)行級的各項子任務,同時反應任務執(zhí)行的信息.執(zhí)行級：一般由多個硬件限制器所組成,負責具體的過程限制.2.IPDI根本原理：精度隨智能降低而增大的原理.3.分層遞階限制的根本原理是什么答：對于給定的外部命令和任務,組織級設法找到能夠完成該任務的子任務組合；將這些子任務要求送至協(xié)調(diào)級,通過協(xié)調(diào)處理,將具體的動作要求送至執(zhí)行級完成所要求的任務；對任務的執(zhí)行結(jié)果進行性能評價,并將評價結(jié)果逐級向上反應,同時對以前存儲的知識信息加以修改,從而起到學習的作用.

8、三.專家限制1.什么是專家系統(tǒng)和專家限制二者有何區(qū)別答：專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng),根據(jù)某個領域的專家提供的知識與經(jīng)驗進行推理和判斷,模擬人類專家的決策過程.專家限制：將專家系統(tǒng)的設計標準和運行機制與傳統(tǒng)的限制理論和技術相結(jié)合而成的實時限制系統(tǒng)設計和實現(xiàn)方法.區(qū)別：專家系統(tǒng)能完成專門領域的功能,輔助用戶決策；而專家限制能進行獨立的、實時的自動決策.專家限制比專家系統(tǒng)對可靠性和抗干擾性有著更高的要求.專家系統(tǒng)處于離線工作方式,而專家限制要求在線獲取反應信息,即要求在線工作方式.2.專家系統(tǒng)的主要組成局部包括什么請簡單解釋其各自的作用.答：包括知識庫、數(shù)據(jù)庫、推理機、解釋器、知

9、識獲取器.知識庫：用于存取和治理所獲取的專家知識和經(jīng)驗,供推理機利用,具有知識存儲、檢索、編輯、增刪、修改和擴充等功能.數(shù)據(jù)庫：用來存放系統(tǒng)推理過程中用到的限制信息、中間假設和中間結(jié)果.推理機：主要功能是協(xié)調(diào)、限制系統(tǒng),決定如何選用知識庫中的知識,對用戶提出的證據(jù)進行推理,求得問題的解答或證實某個結(jié)論的正確性.解釋器：用于作為專家系統(tǒng)與用戶之間的“人-機接口,其功能是向用戶解釋系統(tǒng)的行為.知識獲取器：是指通過人工方法或機器學習的方法,將某個領域的事實性知識或領域?qū)＜宜赜械慕?jīng)驗性知識轉(zhuǎn)化為計算機程序的過程.4.專家系統(tǒng)有哪些特征答：具有專家水平的知識：必須表現(xiàn)專家的技能和高度的技巧以及足夠的魯

10、棒性；能進行有效的推理：能夠運用專家的經(jīng)驗、知識進行搜索,推理；具有透明性：在推理時,不僅能得到答案,還能得到推理的依據(jù)；具有靈活性：知識的更新和擴充靈活方便；具有啟發(fā)性：運用專家的經(jīng)驗知識對不確定的或不精確的問題進行啟發(fā)式推理.5.專家系統(tǒng)有哪幾種知識表示方法答：產(chǎn)生式規(guī)那么、框架、語義結(jié)構、過程.6.專家系統(tǒng)的推理機制有哪幾種答：正向推理數(shù)據(jù)驅(qū)動策略、反向推理目標驅(qū)動策略、正反向混合推理.7.專家限制的根本原理是什么答：專家限制是試圖在傳統(tǒng)限制的根底上“參加一個富有經(jīng)驗的工程師,實現(xiàn)限制的功能,它由知識庫和推理機構成主體框架,通過對限制領域知識的獲取與組織,按某種策略及時地選用恰當?shù)囊?guī)那么

11、進行推理輸出,實現(xiàn)對實際對象的限制.8.專家限制的組成與特點是什么答：專家限制是將專家系統(tǒng)的設計標準和運行機制與傳統(tǒng)的限制理論和技術相結(jié)合而成的實時限制系統(tǒng)設計和實現(xiàn)方法.由知識庫、推理機和算法庫構成主體框架.主要特點有以下幾點：靈活性：根據(jù)系統(tǒng)的工作狀態(tài)及誤差情況,可靈活地選取相應的限制律；適應性：能根據(jù)專家知識和經(jīng)驗,調(diào)整限制器的參數(shù),適應對象特性及環(huán)境變化；魯棒性：通過利用專家規(guī)那么,系統(tǒng)可以在非線性、大偏差下可靠的工作.9.專家限制的功能有哪些答：能夠滿足任意動態(tài)過程的需要,尤其適用于帶有時變、非線性和強干擾的限制；限制過程可以利用對象的先驗知識；通過修改、增加限制規(guī)那么,可不斷積累知

12、識,改良限制性能；可以定性的描述限制系統(tǒng)的性能,如“超調(diào)小,“偏差增大等；對限制性能可進行解釋；可通過對限制閉環(huán)中的單元進行故障檢測來獲取經(jīng)驗規(guī)那么.10.專家限制器的工作原理和各局部的組成作用是什么答：知識庫：存放工業(yè)過程限制的領域知識,由經(jīng)驗數(shù)據(jù)庫和學習與適應裝置組成.經(jīng)驗數(shù)據(jù)庫主要存儲經(jīng)驗和事實,學習與適應裝置是根據(jù)在線獲取的信息,補充或修改知識庫內(nèi)容,改良系統(tǒng)性能,以便提升問題求解水平.規(guī)那么限制：對受控過程的各種限制模式和經(jīng)驗的歸納和總結(jié).推理機構：其復雜程度由規(guī)那么條數(shù)決定,如果搜索空間很少,推理機構就十分簡單,采用向前推理方法,逐次判別各種規(guī)那么的條件,滿足那么執(zhí)行,否那么急需搜

13、索.特征識別與信息處理：其作用是實現(xiàn)對信息的提取與加工,為限制決策和學習適應提供依據(jù),它主要包括抽取動態(tài)過程的特征信息,識別系統(tǒng)的特征狀態(tài),并對這些特征信息進行必要的加工.數(shù)據(jù)庫：是用于存放用戶提供的初始事實、問題概述以及系統(tǒng)運行過程中得到的中間結(jié)果、最終結(jié)果、運行信息等的工作存儲器,數(shù)據(jù)庫的內(nèi)容是不斷變化的.四.模糊邏輯限制1.什么是模糊限制它有什么特點優(yōu)點答：模糊限制是以模糊集理論、模糊語言變量和模糊邏輯推理為根底,從行為上模擬人的模糊推理和決策過程的一種智能限制方法.特點：不需要被控對象的數(shù)學模型.是以人對被控對象的限制經(jīng)驗為依據(jù)而設計的限制器；是一種反映人類智慧的智能限制方法；易于被人

14、們接受.模糊限制的核心是模糊規(guī)那么,模糊規(guī)那么是用語言來表示的；構造容易.限制規(guī)那么易于軟件實現(xiàn)；魯棒性和適應性好.2.模糊限制器是由哪幾局部構成的說明其各自的作用.答：構成：模糊化接口、知識庫數(shù)據(jù)庫和規(guī)那么庫、推理機、解模糊接口.模糊化接口：實際上是模糊限制器的輸入接口,主要作用是將真實確實定量輸入轉(zhuǎn)化成一個模糊矢量.數(shù)據(jù)庫：存放的是所有輸入、輸出變量的全部模糊子集的隸屬度矢量值,假設論域為連續(xù)域,那么為隸屬度函數(shù).在規(guī)那么推理的模糊關系方程求解過程中,向推理機提供數(shù)據(jù).規(guī)那么庫：是基于專家知識或手動操作人員長期積累的經(jīng)驗,是按人的直覺推理的一種語言表達形式.用來存放全部模糊限制規(guī)那么,在推

15、理時為推理機提供控制規(guī)那么.推理機：是模糊限制器中,根據(jù)輸入模糊量,由模糊限制規(guī)那么完成模糊推理來求解模糊關系方程,并獲得模糊輸出量的功能局部.解模糊接口：規(guī)那么推理完成后,所得結(jié)果仍是一個模糊矢量,必須作一次轉(zhuǎn)換,求得清楚的限制量輸出.3.模糊限制器的根本工作原理是什么答：將測量得到的被控對象的實時信號經(jīng)過模糊化接口,轉(zhuǎn)換為用人類自然語言描述的模糊量；根據(jù)人類的語言限制規(guī)那么,進行模糊推理,得到輸出限制量的模糊矢量；將該模糊矢量經(jīng)過清楚化接口轉(zhuǎn)化為執(zhí)行機構能夠接受的精確量.4.模糊限制器的設計步驟包括哪些答：選擇適宜的模糊限制器類型；確定輸入、輸出變量的實際論域；確定輸入、輸出的模糊集個數(shù)及

16、各模糊集的隸屬度函數(shù)；設計模糊限制規(guī)那么表；選擇模糊推理方法；選擇解模糊方法：最大隸屬度法、重心法、加權平均法.5.專家系統(tǒng)限制與模糊邏輯限制的異同有哪些答：相同點：它們都是反映人類智慧的智能限制；都不需要被控對象的數(shù)學模型,適用于復雜的非線性系統(tǒng)的限制；限制過程都是利用專家的經(jīng)驗來進行的；在限制過程中可以修改、增加限制規(guī)那么,不斷積累知識,改良限制性能；特點都是魯棒性和適應性好；不同點：專家限制是將專家系統(tǒng)的設計標準和運行機制與傳統(tǒng)的控制理論和技術相結(jié)合而成的實時限制系統(tǒng)設計和實現(xiàn)方法；模糊限制是以模糊集理論、模糊語言變量、模糊邏輯推理為根底,從行為上模擬人的模糊推理和決策過程的一種智能限制

17、方法；專家限制在利用系統(tǒng)的先驗知識進行推理時不需要進行模糊化,推理完成后也無需清楚化；專家限制可對限制性能進行解釋,模糊限制沒有該功能.6.模糊限制未來的主要研究方向和應用領域有哪些答：模糊限制已經(jīng)有不少的研究成果,各類模糊限制器非常多,如模糊PID、自適應模糊限制器、神經(jīng)模糊控制器、專家模糊限制器等,也出現(xiàn)了各種軟件工具和集成電路芯片但,同時被廣泛應用于生產(chǎn)實踐,如在工業(yè)限制、家電領域、航空航天限制、水電限制、機器人限制等方面取得了突破性進展.但模糊限制的開展歷史還不長,理論上的系統(tǒng)性和完善性、技術上的成熟性和標準性都還遠遠不夠,總的來說還有以下幾個方面的問題亟待解決：建立一套系統(tǒng)的模糊限制

18、理論,以解決模糊控制的機理、穩(wěn)定性分析、系統(tǒng)化設計方法、專家模糊限制系統(tǒng)、神經(jīng)模糊限制系統(tǒng)和多變量模糊限制系統(tǒng)的分析與設計等一系列問題；模糊限制在非線性復雜系統(tǒng)應用中的模糊建模、模糊規(guī)那么的建立和推理算法的深入研究；模糊集成限制系統(tǒng)的設計方法研究；自學習模糊限制策略的實現(xiàn)；模糊限制系統(tǒng)的穩(wěn)定性分析.五.神經(jīng)網(wǎng)絡限制1.什么是人工神經(jīng)網(wǎng)絡限制它的主要特點是什么答：它是一個并行和分布式的信息處理網(wǎng)絡結(jié)構,該結(jié)構一般由許多個神經(jīng)元組成,每個神經(jīng)元有一個單一的輸出,它可以連接到很多其他的神經(jīng)元,其輸入有多個連接通路,每個連接通路對應一個連接權系數(shù).它利用數(shù)學模型來模擬生物神經(jīng)網(wǎng)絡的某些結(jié)構和功能.特點

19、：自組織及自適應性；大規(guī)模并行計算；魯棒性；自學習水平以及聯(lián)想存儲等特點；分布式存儲,存儲和計算相結(jié)合；非線性處理,非線性映射；泛化功能2.人工神經(jīng)網(wǎng)絡的功能和作用是什么答：功能：預測；優(yōu)化計算；系統(tǒng)辨識；糾檢錯作用：回歸；分類3.人工神經(jīng)元模型中響應函數(shù)的作用是什么答：限制輸入對輸出的激活作用；對輸入和輸出進行函數(shù)轉(zhuǎn)換；將可能無限域的輸入變換成指定的有限范圍內(nèi)輸出.4.神經(jīng)網(wǎng)絡的優(yōu)越性有哪幾種表現(xiàn)答：可處理那些難以用模型或規(guī)那么描述的對象；采用并行分布式信息處理,具有很強的容錯性；本質(zhì)上是非線性系統(tǒng),可以實現(xiàn)任意非線性映射；具有很強的信息綜合水平,能夠同時處理大量不同類型的輸入,能夠很好的解

20、決輸入信息之間的互補性和冗余性問題；硬件實現(xiàn)愈趨方便.5.神經(jīng)網(wǎng)絡的根本學習算法和工作方式是什么答：根本學習算法：權值確定；Hebb學習規(guī)那么；誤差校正學習規(guī)那么；相近學習規(guī)那么.工作方式：學習期：神經(jīng)元間的連接權值,可由學習規(guī)那么進行調(diào)整,以使目標函數(shù)到達最小；工作期：連接權值不變,由網(wǎng)絡的輸入得到相應的輸出.6.感知器的作用與局限是什么答：作用：用于模式分類,也可用在基于分類的學習和多模態(tài)機制中.局限：僅對線性可分具有分類水平,由于感知器由線性閾值元件組成,無法求解線性不可分問題.7.BP網(wǎng)絡的特點是什么答：信息流：從輸入到輸出；變換函數(shù)：S型；誤差：從輸出到輸入反向調(diào)整；輸出量：0-1之

21、間；一個三層的BP網(wǎng)絡可以逼近一個從輸入到輸出的任意非線性函數(shù)；BP網(wǎng)絡的學習算法屬于全局逼近算法,因而具有較好的泛化水平；可以用于模式識別與分類,數(shù)據(jù)壓縮.8.簡述BP學習算法的主要思想.答：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；第二階段反向過程：假設在輸出層未能得到期望輸出值,那么逐層遞歸的計算實際輸出與期望輸出的差值,以便根據(jù)此差值調(diào)節(jié)權值.9.BP網(wǎng)絡有什么優(yōu)點和缺點答：優(yōu)點：只要有足夠多的隱層和隱節(jié)點,BP網(wǎng)絡可以逼近一個從輸入到輸出的任意非線性函數(shù)；BP網(wǎng)絡的學習算法屬于全局逼近的算法,因而具有較好的泛化水平.缺點：收斂速度慢,練習時間長；局部極值問題；難以確定隱層和隱節(jié)點的個數(shù).10.簡述RBF神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡的主要區(qū)別.答：兩者的學習過程類似,其主要區(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S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；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,采用RBF神經(jīng)網(wǎng)絡可大大加快學習的速度,適合于實時限制的要求.11.何為有導師學習何為無導師學習答：有導師學習監(jiān)督學習：網(wǎng)絡根據(jù)實際輸出與期望值比擬,進行權系數(shù)的調(diào)整.將期望輸出稱為導師信號,是評價學習的標準.無導師學習無監(jiān)