2014智能控制試卷A答案剖析

1、2011級(jí)智能控制課程試題A題號(hào)一二三四五-i- 八七總分分?jǐn)?shù)合分人：復(fù)查人：分?jǐn)?shù)|評(píng)卷人一、填空題(每空1分，共26分)智能控制同時(shí)具有以知識(shí)表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)模型表示的混合過(guò)程A fuzzy controller is composed of (1) A rule-base . (2) An inference mechanism (3) A fuzzification interface and (4) A defuzzification interface .Fuzzy control system design essentially amounts to (1) choo

2、sing the fuzzy controller inputs and outputs , (2) choosing the preprocessing that is needed for the controller inputs and possibly postprocessing that is needed for the output and(3) designing each of the four components of the fuzzy controller.In FMRLC, the learning mechanism consists of two parts

3、: a fuzzy inverse model and a knowledge-base modifier.Genetic operations of selection (reproduction), crossover, and mutation are used to produce one generation from the next.There are basically two ways that the genetic algorithm can be used in the area of fuzzy systems: They can be used for the of

4、f-line design of fuzzy systems and in theiron-line tuning . 人工神經(jīng)網(wǎng)絡(luò)常見的激發(fā)函數(shù)或作用函數(shù)有：飽和函數(shù)、線性函數(shù)和_ Sigmoid 函數(shù) (或雙曲函數(shù))。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)按照神經(jīng)元連接方式可分成前饋網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合方式很多，概括起來(lái)主要有三種形式：在模糊控制中引入神經(jīng)網(wǎng)絡(luò)；在神經(jīng)網(wǎng)絡(luò)中引入模糊邏輯；模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上的融合?！爸R(shí)獲取”被公認(rèn)為建造專家系統(tǒng)的關(guān)鍵和瓶頸之一。建誥一個(gè)專家系統(tǒng)一般需要確認(rèn)、概念化、形式化、實(shí)現(xiàn)和測(cè)試。在蟻群算法中采用螞蟻的行走路線 表示待求解問(wèn)題的可行解。分?jǐn)?shù) 評(píng)卷人

5、二、簡(jiǎn)答題：（共36分）1 .簡(jiǎn)述智能控制系統(tǒng)的類型（4分）。分級(jí)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(xué)習(xí)控制系統(tǒng)和復(fù)合（集成控制系統(tǒng)（答對(duì)4種即可）Please specify 4 types of membership functions for the error suppose it is possmall. (4points)What is a T-S fuzzy system? (4points)對(duì)于函數(shù)模糊系統(tǒng)，采用單一模糊化，第/條MISO形式的規(guī)則為如果u是由且農(nóng)是性且，且勺是A；那么b =gj U其中“”僅表示函數(shù)的自變量，氣不是輸出隸屬函數(shù)的中心。若

6、 b = g () = a + a u + a ui ii ,0i ,1 1i, n na,是實(shí)數(shù)，這樣的函數(shù)模糊系統(tǒng)稱為a “Takagi-Sugeno fuzzy system.How to use batch or recursive least squares for tuning Takagi-Sugeno fuzzy systems that have many inputs and only one output. (4points)當(dāng)給定TS模糊系統(tǒng)為： r g (x 加。) = i=1 i 式中g(shù). (x)= a + a x + + a x。ii ,0i ,1 1i ,n n

7、 TOC o 1-5 h z 展開得到. R a 日(x) R a 甲()x y =歹1 i,0 +5 i, 1+乙R日(X)乙R日(x) HYPERLINK l bookmark33 o Current Document i=1 ii=1 i第一項(xiàng)是標(biāo)準(zhǔn)模糊系統(tǒng)。.定義(定義(x )=R (x) 二以(x)&(&(x) = Mx),& (x),& (x),x& (x),x& (x),12R 匕1 12x E (x), x E (x), x E (xTn 1n 2n R,、E r (x),0 = |_ a , 0 = |_ a , a ,a , a , a , , a ,R ,0.1J 2,1

8、 R ,1,a1,n , a2, n ,a TR,n因此y = f G|0)=0TE(x)表示T-S模糊系統(tǒng)，可以看出它也是參數(shù)的線性形式，可以用批量或遞推最小二乘訓(xùn)練 f G|0)。也就是，簡(jiǎn)單地預(yù)先挑選一個(gè)七.(x)和向量E (x)，通過(guò)E (x)處理訓(xùn)練數(shù)據(jù)xi，其中（xi, y）6 G，在成批最小二乘形成向量或者在遞推最小二乘的式中，用 （xi）代替xi。Why should the genetic algorithm perform mutation? （4 分）It provides random excursions into new parts of the search sp

9、ace. It is possible that we will get lucky and mutate to a good solution.It is the mechanism that tries to make sure that we do not get stuck at a local maxima and that we seek to explore other areas of the search space to help find a global maximum. 什么是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法？ （4分）神經(jīng)網(wǎng)絡(luò)中常用的學(xué)習(xí)規(guī)則有哪些？ （4分）“學(xué)習(xí)”是指在外界環(huán)

10、境激勵(lì)作用下，神經(jīng)網(wǎng)絡(luò)的連接權(quán)值不斷調(diào)整適應(yīng)的過(guò)程。神經(jīng)網(wǎng) 絡(luò)的學(xué)習(xí)算法是指一系列事先定義好的解決學(xué)習(xí)問(wèn)題的規(guī)則，它決定了如何調(diào)整神經(jīng)網(wǎng)絡(luò) 連接權(quán)值的方式。誤差修正規(guī)則（Error-Correction Learning） 誤差修正規(guī)則（Error-Correction Learning） Hebb 學(xué) 習(xí)規(guī)則（Hebbian Learning）、競(jìng)爭(zhēng)學(xué)習(xí)（Competitive Learning）。試比較單層感知器和多層感知器。（4分）單層感知器具有對(duì)線性可分的輸入模式進(jìn)行自動(dòng)分類的功能。為了克服單層感知器的缺 陷，實(shí)現(xiàn)任意輸入模式的分類和功能，可以加入隱含層構(gòu)成多層感知器。對(duì)于多層感知器，

11、 如果隱含層的節(jié)點(diǎn)可任意設(shè)置，則用雙層感知器可以實(shí)現(xiàn)任意的二值邏輯函數(shù)；如果隱含 層的節(jié)點(diǎn)可任意設(shè)置，且隱含層用S型激勵(lì)函數(shù)，雙層感知器結(jié)構(gòu)可以一致逼近任意的連 續(xù)函數(shù)。簡(jiǎn)述專家系統(tǒng)的基本組成。（4分）專家系統(tǒng)一般由知識(shí)庫(kù)及其管理系統(tǒng)、推理機(jī)、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取機(jī)制、解釋機(jī)構(gòu)和 人機(jī)接口六部分組成。分?jǐn)?shù) 評(píng)卷人三、作圖題（共23分）1.試畫出智能控制的樹形結(jié)構(gòu)圖（5分）糊控制制器制控制控制控制神經(jīng)仿人智能多模變結(jié)構(gòu)神經(jīng)模糊控制專家控制系統(tǒng)專家學(xué)習(xí)控制智能決策可拓智能管理糊控制制器制控制控制控制神經(jīng)仿人智能多模變結(jié)構(gòu)神經(jīng)模糊控制專家控制系統(tǒng)專家學(xué)習(xí)控制智能決策可拓智能管理2. Please d

12、raw up the structure chart of a Fuzzy Model Reference Learning Control (FMRLC)（5（5分）3.試畫出一個(gè)3-7-3 BP網(wǎng)絡(luò)的結(jié)構(gòu)圖，說(shuō)明BP學(xué)習(xí)算法中包含的兩類信號(hào)不同方向的傳播過(guò)程。（8分）BP學(xué)習(xí)算法實(shí)際包含了兩類信號(hào)不同方向的傳播過(guò)程，一類是施加輸入信號(hào)由輸入層經(jīng) 隱層到輸出層，產(chǎn)生輸出響應(yīng)的“輸入模式正向傳播”過(guò)程；另一類是希望輸出與實(shí)際輸 出之間的誤差信號(hào)由輸出層返回隱層和輸入層，反向逐層修正連接權(quán)值和神經(jīng)元輸出閾值 的“誤差逆?zhèn)鞑ァ边^(guò)程?！拜斎肽Ｊ秸騻鞑ァ焙汀罢`差逆?zhèn)鞑ァ边^(guò)程反復(fù)交替進(jìn)行網(wǎng)絡(luò) 訓(xùn)練，最

13、終達(dá)到網(wǎng)絡(luò)的全局誤差向極小值收斂（即實(shí)際輸出逐漸逼近希望輸出）而結(jié)束學(xué) 習(xí)過(guò)程。4.試畫出專家控制系統(tǒng)的基本結(jié)構(gòu)圖。（5分）好定時(shí)器信箱一定時(shí)操作知識(shí)基系統(tǒng)出口信箱一應(yīng)答信箱P入口信箱A解釋信箱知識(shí)基系統(tǒng)出口信箱一應(yīng)答信箱P入口信箱A解釋信箱受控過(guò)程A-T)D/A四、計(jì)算題：四、計(jì)算題：15分分?jǐn)?shù)評(píng)卷人1. The membership functions of the inputs and output of a fuzzy system were shown in Fig . 2.Table 1 represents abstract knowledge that the expert h

14、as about how to control the plant.When e(t) = and e(t) = “，we use center of gravity (COG) defuzzification,4dt 16minimum for premise and implication. Please calculate the output of the fuzzy controller at the current time.Table 1 abstract knowledge that the expert has about how to control the plant“fbrce” u“change-in-error”-2-1012“error”-222210-12210-10210-1-2110-1-2-220-1-2-2-2Fig . 2 The membership functions of the inputs and output of a fuzzy system兀解：由e(t)=-得負(fù) #(t)=1，由e(t)=-得 u ( e(t) = ，u& e(t)=dt 16 零 dt 2 負(fù)小 dt 2由此只激活的規(guī)則為:Rule 1 : If e(t) is negsmall and d(e(