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(yīng)用領(lǐng)域，例如、、和。

1、交叉學科在機器人控制中的應(yīng)用 在過程控制中的應(yīng)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(yīng)具備的基本功能是、、和。

3、學習功能適應(yīng)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(luò)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(yīng)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(wù)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(shè)計，它們分別是、和。知識庫的設(shè)計推理機的設(shè)計人機接口的設(shè)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(yīng)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(yīng)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(luò)法

.在模糊控制中應(yīng)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(chǔ)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(chǔ)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(chǔ)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(luò)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(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)的3種形式為：、

和。38、前向網(wǎng)絡(luò)反饋網(wǎng)絡(luò)自組織網(wǎng)絡(luò)

.神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)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(luò)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)學習算法

.神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)，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(yù)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(chǔ)，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(shè)計。

在現(xiàn)代控制理論中,對控制系統(tǒng)的分析和設(shè)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(guān)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(yīng)、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(luò)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(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(luò)具有某些智能和仿人控制功能。學習算法是神經(jīng)網(wǎng)絡(luò)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(luò)參數(shù)及權(quán)值的學習 ，在智能控制領(lǐng)域

有廣泛的應(yīng)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(luò)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(lǐng)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(lǐng)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(lǐng)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(shè)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(lǐng)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(shè)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(luò)與專家控制相結(jié)

合

5、專家控制系統(tǒng)的任務(wù)是什么？

答：專家控制系統(tǒng)的任務(wù)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(yīng)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(lǐng)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(lǐng)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(guān)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(guān)

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(guān)的信息進一步關(guān)

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(guān)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(guān)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(lǐng)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(luò)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(luò)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(luò)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?；?/p>

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(lǐng)域知識表示成必然的因果關(guān)系，則按邏輯關(guān)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(chǔ)，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(chǔ)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(yù)測物理系統(tǒng)的行為并給出因果關(guān)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(guān)。定性推理是以定性物理知識模型為基礎(chǔ)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(lǐng)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(shè)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(yīng)用領(lǐng)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(lǐng)域多個專家的知識與經(jīng)驗。因為專家系統(tǒng)要求領(lǐng)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(lǐng)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(lǐng)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(yīng)用領(lǐng)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(lǐng)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(shè)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(wù)

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(yīng)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(yīng)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(chǔ)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(luò)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(luò)“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(shè)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(shè)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(yīng)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(yīng)用領(lǐng)域和控制目標的相關(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)則標記控制目標和領(lǐng)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(chǔ) ，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(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(shè)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(yīng)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(shè)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(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。

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(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

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(shè)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(yīng)的模糊關(guān)系 回的表達式。

（1）設(shè)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(guān)系為:

（1分）

（2）設(shè)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(guān)系為：

（2分）

（3）設(shè)'、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(guān)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(shè)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(yīng)關(guān)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(luò)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(shè)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(luò)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(luò)和反饋神經(jīng)網(wǎng)絡(luò)各有什么特點?

答：前饋神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)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(luò)的網(wǎng)絡(luò)結(jié)構(gòu)并推導其學習算法

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

7、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(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。

輸入層「豆層輸出層

前向（多層）神經(jīng)網(wǎng)絡(luò)

10、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）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(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)。

新連接機制時期（1986-現(xiàn)在）（1分）

11、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)

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(yīng)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(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；

BP網(wǎng)絡(luò)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(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)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(luò)和BP神經(jīng)網(wǎng)絡(luò)的主要區(qū)別。

RBF神經(jīng)網(wǎng)絡(luò)的學習過程和BP神經(jīng)網(wǎng)絡(luò)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(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(yīng)用于哪些領(lǐng)域？

答：遺傳算法的主要應(yīng)用領(lǐng)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(shè)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(yīng)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(yīng)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(yīng)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(yīng)度函數(shù)的設(shè)計對遺傳算法有哪些影響？

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

(1)適應(yīng)度函數(shù)影響遺傳算法的迭代停止條件。

(2)適應(yīng)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(yīng)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(yīng)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(yīng)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(shè)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(shè)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