智能控制整理

第一章：1、傳統(tǒng)控制方法包括經(jīng)典控制和現(xiàn)代控制，是基于被控對象精確模型的控制方式，缺乏靈活性和應(yīng)變能力，適于解決 線性、時不變性等相對簡單的控制。2、 智能控制的研究對象具備以下的一些特點：不確定性的模型、高度的非線性、復(fù)雜的任務(wù)要求。3、 IC（智能控制）=AC（自動控制）GAI（人工智能）GOR（運籌學(xué)）4、AC：描述系統(tǒng)的動力學(xué)特征，是一種動態(tài)反饋。AI:是一個用來模擬人思維的知識處理系統(tǒng)，具有記憶、學(xué)習(xí)、信息處理、形式語言、啟發(fā)推理等功能。OR：是一種定量優(yōu)化方法，如線性規(guī)劃、網(wǎng)絡(luò)規(guī)劃、調(diào)度、管理、優(yōu)化決策和多目標優(yōu)化方法等。5、 智能控制：即設(shè)計一個控制器，使之具有學(xué)習(xí)、抽象、推理、決策等功能，并能根據(jù)環(huán)境信息的變化作出適應(yīng)性，從而實現(xiàn)由人來完成的任務(wù)。6、智能控制的幾個重要分支為模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。7、 智能控制的特點：1,學(xué)習(xí)功能2,適應(yīng)功能3,自組織功能4,優(yōu)化功能8、 智能控制的研究工具：1,符號推理與數(shù)值計算的結(jié)合2,模糊集理論3,神經(jīng)網(wǎng)絡(luò)理論4，遺傳算法5，離散事件與連續(xù)時間系統(tǒng)的結(jié)合。9、 智能控制的應(yīng)用領(lǐng)域，例如智能機器人控制、計算機集成制造系統(tǒng)、工業(yè)過程控制、航空航天控制和交通運輸系統(tǒng)等。第二章：10、 專家系統(tǒng)：是一類包含知識和推理的智能計算機程序，其內(nèi)部包含某領(lǐng)域?qū)＜宜降闹R和經(jīng)驗，具有解決專門問題的能力。11、 專家系統(tǒng)的構(gòu)成：由知識庫和推理機（知識庫由數(shù)據(jù)庫和規(guī)則庫兩部分構(gòu)成）知識庫“規(guī)則庫屮 ?知識茯取」領(lǐng)域?qū)＜?J數(shù)據(jù)庫屮推理機屮岷 ■推理咨詢P.專寂系統(tǒng)用戶P?知識茯取』專家系統(tǒng)結(jié)構(gòu)卩12、 專家系統(tǒng)的建立：1,知識庫2,推理機3,知識的表示4,專家系統(tǒng)開發(fā)語言5,專家系統(tǒng)建立步驟。13、 專家控制：是智能控制的一個重要分支，又稱專家智能控制。所謂專家控制,是將專家系統(tǒng)的理論和技術(shù)同控制理論、方法與技術(shù)相結(jié)合，在未知環(huán)境下，仿效專家的經(jīng)驗，實現(xiàn)對系統(tǒng)的控制。14、專家控制的基本結(jié)構(gòu):知識庫4V >實時推理機心{ >控制算法庫4t!4 ??被控對象*4 ?D-AP專?？刂频幕窘Y(jié)構(gòu)415、 專家控制與專家系統(tǒng)的區(qū)別：1,專家控制能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進行獨立的、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。16、 按專家控制在控制系統(tǒng)中的作用和功能，可將專家控制器分為以下兩種類型：1,直接型專家控制器2,間接型專家控制器《優(yōu)化，適應(yīng)，協(xié)調(diào)，組織》17、 專家控制的關(guān)鍵技術(shù)：1,知識的表達方式2,從傳感器中識別和獲取定量的控制信號3,將定性知識轉(zhuǎn)化為定量的控制信號4,控制知識和控制規(guī)則的獲取。18、 專家控制的特點：靈活性、適應(yīng)性和魯棒性。第四章：19、 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)的一種智能控制方法。，它從行為上模仿人的模糊推理和決策過程。20、 模糊控制理論具有一些明顯的特點：1,模糊控制不需要被控對象的數(shù)學(xué)模型2,模糊控制是一種反映人類智慧的智能控制方法3,模糊控制易于被人們接受4,構(gòu)造容易5,魯棒性和適應(yīng)性好。21、 模糊控制器的組成：22、 模糊邏輯中有哪些運算？（列出5種）為什么模糊輸出向量要進行解模糊計算？1相等2包含3并運算4交運算5補運算因為所獲得的推理結(jié)果是一個模糊矢量，不能直接用來作為控制量，還必須進行一次轉(zhuǎn)換，求得清晰的控制量輸出，即為解模糊計算。23、 Zadeh近似推理方法包含正向推理和逆向推理兩類。24、 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25、 模糊控制系統(tǒng)可劃分為單變量模糊控制和多變量模糊控制。第六章：26、 神經(jīng)網(wǎng)絡(luò)的發(fā)展經(jīng)歷了4個階段：啟蒙期、低潮期、復(fù)興期和新連接機制時期。27、 神經(jīng)元由四部分構(gòu)成：細胞體、樹突、軸突、突觸。28、 從生物控制論的觀點來看，神經(jīng)元具有以下功能和特性：興奮與抑制、學(xué)習(xí)與遺忘和結(jié)構(gòu)可塑性。29、 神經(jīng)網(wǎng)絡(luò)的分類：1,前向網(wǎng)絡(luò)2,反饋網(wǎng)絡(luò)3,自組織網(wǎng)絡(luò)30、 神經(jīng)網(wǎng)絡(luò)特征：1,能逼近任意非線性函數(shù)2,信息的并行分布式處理與存儲3,可以多輸入,多輸出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)有的計算機技術(shù)實現(xiàn)5,能進行學(xué)習(xí),以適應(yīng)幻境的變化。31、神經(jīng)網(wǎng)絡(luò)三要素： 神經(jīng)元的特性、神經(jīng)元之間相互連接的拓撲結(jié)構(gòu)、為適應(yīng)幻境而改善性能的學(xué)習(xí)規(guī)則。32、 神經(jīng)網(wǎng)絡(luò)的研究領(lǐng)域：1,機遇神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識2,神經(jīng)網(wǎng)絡(luò)控制器3,神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合4,優(yōu)化算法第七章：33、 BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)。34、 BP網(wǎng)絡(luò)特點：1,BP網(wǎng)絡(luò)是一種多層網(wǎng)絡(luò),包括輸入層、隱層和輸出層2,層與層之間采用全互連方式,同一層神經(jīng)元之間不連接3,權(quán)值通過&學(xué)習(xí)算法進行調(diào)節(jié)4,神甲激發(fā)函數(shù)為S函數(shù)5,學(xué)習(xí)算法由正向轉(zhuǎn)播和反向傳播組成6,層與層的連接是單向的,信息的傳播是雙向的。35、 BP網(wǎng)絡(luò)的逼近：BP算法的學(xué)習(xí)過程由正向傳播和反向傳播組成。在正向傳播過程中,輸入信息從輸入層經(jīng)隱層逐層處理,并傳向輸入層,每層神經(jīng)元（節(jié)點）的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能的到期望的輸出,則轉(zhuǎn)至反向傳播,將誤差信號（理想輸出與實際輸出之差）按連接通路反向計算,有梯度下降法調(diào)整各層神經(jīng)元的權(quán)值,使誤差信號減小。36、 BP網(wǎng)絡(luò)的優(yōu)缺點：優(yōu)點：1只要有足夠多的隱層和隱層節(jié)點，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；2BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強的泛化能力；3BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地儲存在網(wǎng)絡(luò)的連接權(quán)中，個別神經(jīng)元的損壞只對輸入輸出關(guān)系有較小的影響，因而BP網(wǎng)絡(luò)具有較好的容錯性。缺點：1待尋優(yōu)的參數(shù)多,收斂速度慢；2目標函數(shù)存在多個極值點,按梯度下降方法進行學(xué)習(xí),很容易陷入局部極小值；3難以確定隱層及隱層節(jié)點的數(shù)目。目前,如何根據(jù)特定的問題來確定具體的網(wǎng)絡(luò)結(jié)構(gòu)尚無很好的方法,仍需根據(jù)經(jīng)驗來試湊。37、 RBF神經(jīng)網(wǎng)絡(luò)的特點：由于BP網(wǎng)絡(luò)是全局逼近網(wǎng)絡(luò)，每一次樣本學(xué)習(xí)都要重新調(diào)整網(wǎng)絡(luò)的所有權(quán)值,收斂速度慢,易于陷入局部極小,很難滿足控制系統(tǒng)的高度實時性要求。RBF網(wǎng)絡(luò)是一種3層前向網(wǎng)絡(luò)，有輸入到輸出的映射是非線性的，而隱層空間到輸出空間的映射是線性的，而且RBF網(wǎng)絡(luò)是局部逼近的神經(jīng)網(wǎng)絡(luò)，因而采用RBF網(wǎng)絡(luò)課大大加快學(xué)習(xí)速度并避免局部極小問題，適合于實時控制的要求。采用RBF網(wǎng)絡(luò)構(gòu)成神經(jīng)網(wǎng)絡(luò)控制方案，可有效提高系統(tǒng)的精，魯棒性和自適應(yīng)性。38、 RBF神經(jīng)網(wǎng)絡(luò)與BP網(wǎng)絡(luò)的區(qū)別：實用不同的作用函數(shù)。BP網(wǎng)絡(luò)中隱層實用的是Sigmoid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)而RBF網(wǎng)絡(luò)中的作業(yè)函數(shù)是高斯基函數(shù)，其值在輸入空間中有限范圍內(nèi)為非零值，因而RBF網(wǎng)絡(luò)是局部逼近的神經(jīng)網(wǎng)絡(luò)。第九、第十章：39、 神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu):1，神經(jīng)網(wǎng)絡(luò)監(jiān)督控制2，神經(jīng)網(wǎng)絡(luò)直接逆控制3，神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制4，神經(jīng)網(wǎng)絡(luò)內(nèi)膜控制5，神經(jīng)網(wǎng)絡(luò)預(yù)測控制6，神經(jīng)網(wǎng)絡(luò)自適應(yīng)評判控制7，神經(jīng)網(wǎng)絡(luò)混合控制40、 函數(shù)優(yōu)化遺傳算法的經(jīng)典應(yīng)用領(lǐng)域，也是遺傳算法進行性能評價的常用算例。41、基因遺傳算法的運行參數(shù)有群體大小、遺傳算法的終止進化代數(shù)、交叉概率、變異概率4個。42、神經(jīng)網(wǎng)絡(luò)控制是將神經(jīng)網(wǎng)絡(luò)與 控制理論相結(jié)合而發(fā)展起來的智能控制方法。43、 遺傳算法的概念、基本操作、特點、應(yīng)用、構(gòu)成要素？答：概念：遺傳算法簡稱GA，是1962年由美國Michigan大學(xué)Holland教授提出的模擬自然界遺傳機制和生物進化論而成的一種并行隨機搜索最優(yōu)化方法。基本操作包括復(fù)制，交叉，變異。特點：1）遺傳算法是對參數(shù)的編碼進行操作，而非對參數(shù)本身，這就是使得在優(yōu)化計算過程中可以借鑒生物學(xué)中染色體和基因等概念，模仿自然界中生物的遺傳和進化等機理。2）遺傳算法同時使用多個搜索點的搜索信息。3）遺傳算法直接以目標函數(shù)作為搜索信息4）遺傳算法使用概率搜索技術(shù)5）遺傳算法在解空間進行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機搜索6）遺傳算法對于待尋優(yōu)的函數(shù)基本無限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微7）遺傳算法具有并行計算的特點，因而可通過大規(guī)模并行計算來提高計算速度，適合大規(guī)模復(fù)雜問題的優(yōu)化。遺傳算法的應(yīng)用：1、函數(shù)優(yōu)化（主要的）2、機器學(xué)習(xí)3、組合優(yōu)化4、生產(chǎn)調(diào)度問題5、自動控制6、機器人7、圖像處理8、人工生命9、遺傳編程遺傳算法的構(gòu)成要素（1） 染色體編碼方法：基本遺傳算法使用固定長度的二進制符號來表示群體中的個體。（2） 個體適應(yīng)度評價：基本遺傳算法與個體適應(yīng)度評價成正比的概率來決定當前群體中每個個體遺傳到下一代群體中的概率多少。（3） 遺傳算子（選擇、交叉、變異）：遺傳算法使用選擇運算來實現(xiàn)對群體中的個體進行優(yōu)勝劣汰操作：適應(yīng)度高的個體被遺傳到下一代群體中的概率大；適應(yīng)度低的個體，被遺傳到下一代群體中的概率小。（4）基本遺傳算法的運行參數(shù)：M:種群規(guī)模、T:遺傳運算的終止進化代數(shù)、Pc: 交叉概率、Pm:變異概率、二、簡答：1、 比較智能控制與傳統(tǒng)控制的區(qū)別。答：傳統(tǒng)控制方法包括經(jīng)典控制和現(xiàn)代控制，是基于被控對象精確模型的控制方式，缺乏靈活性和應(yīng)變能力，適于解決、線性、時不變性等相對簡單的控制。智能控制是控制理論發(fā)展的高級階段，其核心是基于知識進行智能決策，采用靈活機動的決策方式迫使控制朝著期望的目標逼近。它主要用來解決那些傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問題。2、 智能控制系統(tǒng)的結(jié)構(gòu)一般有哪幾部分組成，它們之間存在什么關(guān)系？答：智能控制系統(tǒng)的基本結(jié)構(gòu)一般由三個部分組成：人工智能（AI）：是一個知識處理系統(tǒng)，具有記憶、學(xué)習(xí)、信息處理、形式語言、啟發(fā)式推理等功能。自動控制（AC）：描述系統(tǒng)的動力學(xué)特性，是一種動態(tài)反饋。運籌學(xué)（OR）：是一種定量優(yōu)化方法，如線性規(guī)劃、網(wǎng)絡(luò)規(guī)劃、調(diào)度、管理、優(yōu)化決策和多目標優(yōu)化方法等。3、 智能控制系統(tǒng)有哪些類型（重要分支），各自的特點是什么？答：1）、專家控制系統(tǒng)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） 、神經(jīng)控制系統(tǒng)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。3） 、模糊控制系統(tǒng)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。4） 遺傳算法遺傳算法是以達爾文的自然選擇學(xué)說為基礎(chǔ)發(fā)展起來的，模擬自然界遺傳機制和生物進化論而形成的一種并行隨機搜索最優(yōu)化方法。4、模糊控制器的組成?5、神經(jīng)網(wǎng)絡(luò)分類、特點、區(qū)別？答：根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)可分為：1）前向網(wǎng)絡(luò)：神經(jīng)元分層排列，組成輸入層、隱含層、輸出層。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。在各神經(jīng)元之間不存在反饋。2）反饋網(wǎng)絡(luò)：該網(wǎng)絡(luò)是一種反饋動力學(xué)習(xí)系統(tǒng)，需要工作一段時間才能達到穩(wěn)定。3）自組織網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)在接受外界輸入時，網(wǎng)絡(luò)將會分成不同的區(qū)域，不同的區(qū)域具有不同的響應(yīng)特性，即不同的神經(jīng)元以最佳方式相應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。6、神經(jīng)網(wǎng)絡(luò)控制按結(jié)構(gòu)分類，特點？答：1）神經(jīng)網(wǎng)絡(luò)監(jiān)督控制：不僅可以確?？刂葡到y(tǒng)的穩(wěn)定系和魯棒性，而且可有效的提高系統(tǒng)的精度和自適應(yīng)能力。2）神經(jīng)網(wǎng)絡(luò)直接逆控制：神經(jīng)網(wǎng)絡(luò)直接逆控制的可用性在相當程度上取決于逆模型的準確精度。由于缺乏反饋，簡單連接的直接逆控制缺乏魯棒性。3）神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制：分為神經(jīng)自校正控制和神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制兩種。4）神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂疲簝?nèi)模控制是一種基于模型逆的控制方法，其設(shè)計思路是將對象模型與實際對象相并聯(lián)，控制器逼近模型的動態(tài)逆。5）神經(jīng)網(wǎng)絡(luò)預(yù)測控制：其特征是預(yù)測模型、滾動優(yōu)化和反饋校正。6）神經(jīng)網(wǎng)絡(luò)自適應(yīng)評判控制：神經(jīng)網(wǎng)絡(luò)自適應(yīng)評判控制通常由自適應(yīng)評判網(wǎng)絡(luò)和控制選擇網(wǎng)絡(luò)兩個網(wǎng)絡(luò)組成。7）神經(jīng)網(wǎng)絡(luò)混合控制：神經(jīng)網(wǎng)絡(luò)混合控制可使控制系統(tǒng)同時具有學(xué)習(xí)、推理和決策能力。7、遺傳算法特點？1）遺傳算法是對參數(shù)的編碼進行操作，而非對參數(shù)本身，這就是使得在優(yōu)化計算過程中可以借鑒生物學(xué)中染色體和基因等概念，模仿自然界中生物的遺傳和進化等機理。2）遺傳算法同時使用多個搜索點的搜索信息。3）遺傳算法直接以目標函數(shù)作為搜索信息4）遺傳算法使用概率搜索技術(shù)5）遺傳算法在解空間進行高效啟發(fā)式搜索，而非盲目地窮舉或完全隨機搜索6）遺傳算法對于待尋優(yōu)的函數(shù)基本無限制，它既不要求函數(shù)連續(xù)，也不要求函數(shù)可微7）遺傳算法具有并行計算的特點，因而可通過大規(guī)模并行計算來提高計算速度，適合大規(guī)模復(fù)雜問題的優(yōu)化。8、 神經(jīng)網(wǎng)絡(luò)特征？（P115）答：神經(jīng)網(wǎng)絡(luò)具有以下幾個特征：1、能逼近任意非線性函數(shù)；2、信息的并行分布式處理與儲存；3、可以多輸入、多輸出；4、便于用超大規(guī)模的集成電路或光學(xué)集成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機技術(shù)實現(xiàn)；5、能進行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。9、 專家控制的特點？（P11）答：1、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(yīng)的控制律。2、 適應(yīng)性：根據(jù)專家知識和經(jīng)驗，調(diào)整控制器的參數(shù)，適應(yīng)對象特性及環(huán)境的變化。3、 魯棒性：通過利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作。1，（確定模糊控制器的結(jié)構(gòu)）選用兩輸入單輸出模糊控制器?？刂破鞯妮斎霝榱x務(wù)的污泥和油脂，輸出為洗滌時間。（定義輸入、輸出模糊集）將污泥分為3個模糊集：SD（污泥少）,MD（污泥中）,LD（污泥多）；將油脂分為3個模糊集：NG,MG,LG；將洗滌時間分為5個模糊集：VS,S,M,L,VL。（定義隸屬函數(shù)）選用如下三角形隸屬函數(shù)可實現(xiàn)污泥的模糊化。（建立模糊控制規(guī)則）根據(jù)人的操作經(jīng)驗設(shè)計模糊規(guī)則,模糊規(guī)則設(shè)計的標準為：“污泥越多,油脂越多,洗滌時間越長”；“污泥適中,油脂適中,洗滌時間適中”；……（建立模糊控制表）根據(jù)模糊規(guī)則的設(shè)計標準，建立模糊規(guī)則表，見表…模糊推理智能控制是自動控制發(fā)展的最新階段，是神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、—專家系統(tǒng)和進化論 等多種學(xué)科的高度綜合與集成，是一門 交叉 學(xué)科。它具有非常廣泛的應(yīng)用領(lǐng)域，例如智能機器人控制、計算機集成制造系統(tǒng)、工業(yè)過程控制、航空航天控制和社會經(jīng)濟管理系統(tǒng)。傳統(tǒng)控制包括人工智能和自動控制。智能控制是對傳統(tǒng)控制理論的發(fā)展，傳統(tǒng)控制是智能控制的一個組成部分。智能控制的研究對象具備以下的一些特點：不確定性的模型、高度的非線性、復(fù)雜的任務(wù)要求。遺傳算法的基本操作是復(fù)制、交叉和變異。從生物控制論的觀點來看，神經(jīng)元具有以下功能和特性：興奮與抑制、學(xué)習(xí)與遺忘和結(jié)構(gòu)可塑性。一個理想的智能控制系統(tǒng)應(yīng)具備的性能是學(xué)習(xí)功能、適應(yīng)功能、