1. 智能控制的产生背景、基本特点和发展过程；产生背景：（ 1）被控最想、环境、控制目标或任务越来越复杂；模型的不确定性、高度非线性、分布式的传感器和 执行器、动态蠕变、多时间标度、复杂的信息模式、庞大的数据量及严格的性能指标2）计算机科学、人工智能、信息科学、思维科学、认知科学和人工神经网络的链接机制等方面的新进 展和智能机器人的工程实践，从不同角度为智能控制的诞生奠定了必要的理论和技术基础基本特点：（ 1）能对复杂的系统（如非线性、快时变、复杂多变量、环境扰动等）进行有效的全局控制，并具有较 好的容错能力 2）定性决策和定量控制相结合的多模态组合控制 3）其基本目的是从系统的功能和整体优化的角度来分析和结合系统，以实现预定的目标，并具有自组 织的能力 4）同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程，人的是指在控制中起着 重要的协调作用，系统在信息处理上既有数学运算，又有逻辑和知识推理发展过程：第一阶段：1956年，美国著名的控制论专家Zadeh创立了模糊集合论，为解决复杂系统的控制问题提供 了有力的数学工具童年，傅京孙教授（Purdu大学）首先提出智能控制思想，他通过人机控制器和智能机器人方 面的研究，首先将智能控制概括为自动控制和人工智能的结合。
1967 年， Leondes 和 Mendel 首次正式使用智能控 制一词，比“人工智能”晚11年，比“机器人”晚47年70年代初开始，傅京孙和Saridis等从控制论的角度总 结了人工智能技术和自适应、自组织的关系，指出智能控制是人工智能与控制理论的父叉 70年代中后期，以模糊 集合化为基础的模糊控制得到了广泛的研究与应用第二阶段：进入80年代以来，由于微机的迅速发展及专家系统技术的逐步成熟，是智能控制和决策研究 的应用邻域逐步扩大1982年，Fox等人实现加工车间调度专家系统ISIS o 1986年，Astrom论文“专家控制”发表 1987年，FoxBoro公司公布新一代IA系列智能控制系统，标志着智能控制已从研制开发甲酸转向应用阶段80年代 后半期，神经网络研究取得重大进步，大大促进了智能控制的发展1985年，IEEE在纽约召开了第一届智能控制学 术论会.1987年，有IEEE控制系统学会与计算机学会联合召开了智能控制国际会议1993、1997年，在北京和西安分 别召开了“第1、2届全球华人智能控制与智能自动化大会”（CWCICIA）2002年4月,在上海召开了第四届WCICA会 议2. 智能控制的基本概念和结构；智能挫制技术模隸控制理论神经控制论述 新颖智能控制方法糊制统|III rnIII 模模哎模摸知推轿模 糊糊糊糊糊识理确糊 集逻逻逻优库决化首 合辑辑辑过设算计前 论推合樽计逻算节 理成 辑 器神经无 神经阴络模 控制型 论神单多动神 神神神经展层态经 经经经元神神沖iw| 网控控模经蛭经络 络制制型网网网的 辨器器络络蜉学 识学设撲樸模习 埋习讣型型型算 论尊法 法级推理系统 识的获取和表示「仿人控制—集嵐智能控制—学习控制基本概念：蔡自兴提出“四元父集论”。
ic = Acn ai n orh it 称智能控制（ic）是自动控制、人工智能、 运筹学和信息论的交集结构：智能控制技术至少应该包括模糊控制论、神经网络控制论、专家控制系统和一些新颖的智能控制理论和方法3. 模糊控制的特点、系统结构、原理和各模块功能；特点：现存的模糊逻辑控制(FLC)系统源于控制工程而不是人工智能；FLC模型绝大多数是基于规则系统，FLC 应用领域比专家系统窄；完全不是在专家经验的基础上实施控制，而是由FLC设计者构造；不需建立数学模型，是 解决不确定性系统的一种有效途径；有强的鲁棒性，可用于非线性、时变、时滞系统的控制；控制机理符合人的思 维逻辑，具有智能性系统结构：模糊化接口、知识库、推理算法、去模糊化接口原理：各模块功能：模糊化接口：测量输入变量(设定输入)和受控系统的输出变量，并把它们映射到一个合适的响应论 域的量程，然后，精确的输入数据被变换为适当的语言值或模糊集合的标志符■知识库：涉及应用领域和控制目标的相关知识，它由数据库和语言(模糊)控制规则库组成数据库为语言 控制规则的论域离散化和隶属度函数提供必要的定义语言控制规则库标记控制目标和领域专家的控制策略。
推理算法：是模糊控制系统的核心以模糊概念为基础，模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规 则来获取，并可实现拟人决策过程根据模糊输入和模糊控制规则，模糊推理求解模糊关系方程，获得模糊输出去模糊化接口：模糊控制器的输出是一个模糊集合，而需从输出的模糊集合中判决出一个确定的控制量作用于 被控对象，将最佳代表这个模糊推理结果的精确值求取出来的过程称为模糊量的去模糊化，也称为精确化4. 模糊条件推理机制；5. 模糊控制器的基本原理与设计方法；⑴定义输入输出变量.根据输入和输出变量的个数，就可以求出所需要规则的最大数目N=(n )*(ni i)ni .out level in(2)定义所有变量的模糊化条件 3、设计控制规则库4、设计模糊推理结构 5、选择精确化策略的方法6. 模糊自整定PID参数控制器的设计原理；7. 专家系统的结构和各模块功能；接口：识别与解释用户向系统提供的命令、问题和数据等信息，并把这些信息转化为系统的内部表示形式接口也 将系统向用户提出的问题、得出的结果和作出的解释以用户易于理解的形式提供给用户知识库：一部分是已知的同当前问题有关的数据信息；另一部分是进行推理时要用到的一般知识和领域知识。
这些 知识大多以规则、网络和过程等形式表示黑板：是用来记录系统推理过程中用到的控制信息、中间假设和中间结果的数据库推理机：调度器按照系统建造者所给的控制知识（通常使用优先权办法），从议程中选择一个项作为系统下一步要执 行的动作执行器应用知识库中的及黑板中记录的信息，执行调度 器所选定的动作协调器的主要作用就是当得到新数据或新假设时，对已得到的结果进行修正，以保持结果前后的 一致性解释器：向用户解释系统的行为，包括解释结论的正确性及系统输出其它候选解的原因为完成这一功能，通常需 要利用黑板中记录的中间结果、中间假设和知识库中的知识8. 专家系统的知识表示方法9. 专家系统的自动推理机制；10. 专家控制系统的基本原理、系统结构和各模块功能；11. 直接专家控制系统的基本原理、系统结构和各模块功能；12. 间接专家控制系统的基本原理、系统结构和各模块功能；13. 人工神经网络的种类、功能和特点；前馈式网络神经元分层排列，组成输入层、隐含层（可以有若干层）和输出层每一层的神经元只接受前一层 神经元的输入输入模式经过各层的顺次变换后，在输出层输出各神经元之间不存在反馈感知器和误差反向传 播算法中使用的网络都属于这种类型。
BP神经网络、正交函数网络、径向基函数网络、样条函数网络、小波函数 网络等模型），特别适用于BP算法输出反馈的前馈式网络：这种网络结构指的是只在输出层到输入层存在反馈，即每一个输入节点都有可能接受 来自外部的输入和来自输出神经元的反馈，这种模式可用来存储某种模式序列，如神经认知机即属于此类，也可以 用于动态时间序列过程的神经网络建模■前馈式内层互连网络：在这种网络结构中，同一层之间存在着相互关联，神经元之间有相互制约的关系，但从 层与层之间的关系看还是前馈式的网络结构，许多自组织神经网络大多具有这样的结构，如ART网络等■反馈型全互连网络：每个神经元的输出都和其他神经元相连，从而形成了动态的反馈关系，如Hopfield网络 这种网络结构具有关于能量函数的自寻优能力反馈型局部互连网络：每个神经元只和他周围若干层的神经元发生互连关系，形成局部反馈，从整体上看，是 一种网格状结构，如Elman网络和Jordan网络这种网络结构因为引入了反馈，又称为动态递归神经网络（DRNN Dynamical Recurrent Neural Network ）动态网络由于其内部的反馈作用，可以用较小的网络结构来实现系统的 复杂行为，所以比较适合非线性动态系统的辨识与控制。
14. 人工神经网络的学习算法；无师学习算法不需要知道期望输出在训练过程中，只要向神经网络提供输入模式，神经网络就能够自动地适 应连接权，以便按相似特征把输入模式分组聚集无师学习算法的例子包括Kohonen算法和Carpenter-Grossberg自适 应谐振理论（ART）等有师学习算法能够根据期望的和实际的网络输出（对应于给定输入）间的差来调整神经元间连接的强度或权有 师学习算法的例子包括Delta规则、广义Delta规则或反向传播算法以及LVQ算法等学习规则根据连接权系数的改变方式不同又可以分为：a） 相关学习仅仅根据连接间的激活水平改变权系数它常用于自联想网络，执行特殊记忆状态的死记式学习 最常见的学习算法是Hebb规则a是表示学习速率的比例常数D.Hebb于1949年提出：两元同时兴 奋，则突触连接加强，即连接权的调整正比于两个神经元活动状态的乘积b） 纠错学习依赖关于输出节点的外部反馈改变权系数，它常用于感知器网络、多层前向传播网络和Boltzman机网络其学习方法是梯度下降法最常见的学习方法有&学习规则、模拟退火学习规则 ?-6学习规则即通过计算该神经元节点的实际激活值，与期望状态进行比较，若不满足要求，将两者的误差的一部分 作为调整量，若满足要求，则相应的权值保持不变。
15. 人工神经网络在工业过程系统建模中的应用状况、示例； 应用状况：基于神经网络的4-CBA软测量建模：神经网络模型输入变量的选择：在工艺机理分析的基础上结合相关性分析，通过仿真研究，最终确定输入变量为： 反应器停留时间，尾氧含量，燃烧程度，反应温度，前一时刻4 CBA含量；数据预处理：软测量模型结构：神经网络模型结构确定为5 X AX 1的网络形式，即该神经网络的输入层为5个节 点，中间隐含层为一层，其节点数目A根据优化结果确定，输出层一个节点，对应着4CBA含量的预测输出)I左 噪化 处 理停協时仙尾利浓度燃烧怙况I.-吋^l4CBAfn16. 人工神经网络在工业过程控制中的应用状况、示例；17. 模糊神经网络的特点和在过程控制中的应用状况；18. 智能优化算法的种类和特点；19. 优化算法（遗传算法、模拟退火、禁忌搜索、蚁群算法等）的基本流程；遗传算法：（1）编码，产生初始种群（2）适应度函数（3）遗传算子（选择、交叉、编译）（4）运行参数 粒子群算法：蚁群算法：模拟退火：:袪扳叙陆则训足甭Y•tmpol i站I胖憑: 准测足否Y「 判斷醮定初姑诅度L '随机确定初始歸"令Z由肖前状黑生产主新优的」媒持"i前狀畜不变输出按楚針果20. 流程工业过程智能控制技术的应用状况、示例；21. Agent 的基本概念和基本特性；概念：Agent是一个运行于动态环境的具有较高自治能力的实体。
其根本目标是接收另外一个实体的委托并为之提 供帮助和服务，能够在该目标的驱动下主动采取包括社交、学习等手段在内的各种必要的行为，可感知、适应并对 动态环境的变化进行适当的反应，它与其服务主体之间具有较为松散和相对独立的关系简单来说，Agent是一种 实体，而且是一种具有智能的实体这种实体可以是智能软件、智能设备、智能机器人或智能计算机系统等等，甚 至也可以是人特性：（1）自。