《智能控制复习参考资料》由会员分享，可在线阅读，更多相关《智能控制复习参考资料（7页珍藏版）》请在金锄头文库上搜索。
1、智能控制复习一、填空题1、智能控制是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控 制器：与自动控制原理和现代控制原理-起构成了自动控制课程体系的理论基础。2、 智能控制系统的主要类型有：分级递阶控制系统专家控制系统学习控制系统模 糊控制系统神经控制系统遗传算法控制系和混合控制系统等等。3、模糊集合的表示法有扎德表示法，序偶表示法和隶属函数描述法。4、遗传算法是以达尔文的自然选择学说为基础发展起来的。自然选择学说包括以下三个方 面：遗传、变异、适者生存。5、神经网络在智能控制中的应用主要有神经网络辨识技M和神经网络控制技。6、在一个神经网络中，常常根据处理单元的不同处理功能
2、，将处理单元分成输入单元、输 出单元和隐层单元三类。7、7、分级递阶控制系统：主要有三个控制级组成，按智能控制的高低分为组织级、协调级 执行级,并且这三级遵循“伴随智能递降精度递增”原则。二、简答题4、智能控制系统的结构一般有哪几部分组成，它们之间存在什么关系？ 答案参考：智能控制系统的基本结构一般由三个部分组成：人工智能(AI)：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发 式推理等功能。自动控制(AC)：描述系统的动力学特性，是一种动态反馈。运筹学(OR)：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决 策和多目标优化方法等。5、试说明智能控制的三元结构，并画
3、出展示它们之间关系的示意图。答案参考：把智能控制扩展为三元结构，即把人工智能、自动控制和运筹学交接如下 表示：ic=AinAcnoROR 一运筹学( Operation research)IC 一智能控制( intelligent control);Al 一人工智能(artificial intelligence);AC 一自动控制(automatic Colltrol);n表示交集.传统控制：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模 型的控制。适于解决线性、时不变等相对简单的控制问题。智能控制：以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展， 传统控
4、制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。 7、模糊控制器的基本结构一般由哪四部分组成？并画出模糊控制器的基本结构图。参考答案：(1) 模糊化接口：模糊化接口就是通过在控制器的输入、输出论域上定义语言变量， 来将精确的输入、输出值转换为模糊的语言值。(2) 规则库：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 离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。(3) 模糊推理：是模糊控制系统的核心。根据模糊输入和模糊控制规则，获得模糊输出。(4) 清晰化接口：由模糊推理得到的模糊输出值，只有其转化为精确控制量，才能
5、施加 于对象。实行这种转化的方法叫做清晰化/去模糊化/模糊判决。规则库模糊化接口模糊推理清晰化接口8、分级递阶控制系统：主要有三个控制级组成，按智能控制的高低分为组织级、协调级 执行级,并且这三级遵循“伴随智能递降精度递增”原则。9专家控制系统：专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领 域专家水平的知识与经验。它具有启发性、透明性、灵活性、符号操作、不一确定性推理 等特点。10、神经控制系统：神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要 特征。11、模糊控制系统：在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段， 实现系统控制的一种方法模糊模型
6、是用模糊语言和规则描述的一个系统的动态特性及性能指标。12、学习控制系统：学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试。所 谓学习是一种过程，它通过重复输入信号，并从外部校正该系统，从而使系统对特定输入 具有特定响应。13、集成或者（复合）混合控制系统：几种方法和机制往往结合在一起，用于一个实际的 智能控制系统或装置，从而建立起混合或集成的智能控制系统。三、计算与综合题：1、设论域U=a, b, c, d, e上有两个模糊集分别为:0.5 0.3 0.4 0.2 0.1A 二 + a b c d e0.2 0.8 0.1 0.7 0.4B 二 +- a b c d e求 AD B、
7、AU B 和 A答案参考：0.5 a 0.20.3 a 0.80.4 a 0.10.2 a 0.70.1 a 0.4AD B =+ a b c d e一+ 一+abcde0.5v0.20.3v0.80.4 v 0.10.2v0.70.1v0.4AU B一+abcde0.50.80.40.70.4一+abcde丁 1 - 0.51 - 0.31 - 0.41 - 0.21 - 0.1A 一+ + +abcde0.50.70.60.8 0.9一+ -+abcde0.20.30.10.20.10.10.30.42、已知R =0.20.40.50.20.1Mr 去答案参考：0.1 a 0.4 0.3
8、a 0.2D 0.2 a 0.5 0.4 a 0.10.10.20.20.1RUS=0.1 v 0.40.2 v 0.50.3v0.20.4v0.10.4 0.30.5 0.40.9 0.70.8 0.6-1 - 0.1 1 - 0.3R =1 - 0.2 1 - 0.43、已知论域X二x1,x2, x3和Y二y1,y2, A是论域X上的模糊集:A = 0.1,0.3,0.5R是X到Y上的一个模糊变换,_ 0.50.2_R 二 0.30.10.40.6试通过模糊变换R求A的象BMr 去答案参考：0.5 0.2B = A。R 二(0.1,0.3,0.5)。0.3 0.1 0.4 0.6=(0.1
9、 a 0.5) v (0.3 a 0.3) v (0.5 a 0.4) (0.1 a 0.2) v (0.3 a 0.1) v (0.5 a 0.6)二(0.4,0.5)4、已知语言规则为“如果e是A,并且ec是B,那么u是C。”其中10.50.10.610.30.71A =+B -+C -+ ee ececec uuu12、123 和 123试求该语句所蕴涵的模糊关系 R。 答案参考：R = Ax Bx C第一步，先求R1=AXB：-1 a 0.11 a 0.61 a 1 -0.10.61 _R-10.5 a 0.10.5a0.60.5 a 1-0.10.50.5第二步，将二元关系矩阵R1排
10、成列向量形式R1 T,先将中的第一行元素写成列向量形式,再将中的第二行元素也写成列向量并放在前者的下面，如果是多行的，再依次写下去。于 是 R 1 可表示为：0.10.6RT10.10.50.5第三步， R 可计算如下：_ 0.0.1 a 0.30.1a0.70.1 a0.60.6 a 0.30.6a0.70.6a11x (0.30.7 1)=1 a 0.31 a 0.71a10.10.1 a 0.30.1a0.70.1a10.50.5 a 0.30.5a0.70.5a1_0.5_ 0.5 a 0.30.5a0.70.5 a 1_R = RtxC =10.1 0.1 0.10.30.60.60
11、.30.710.10.10.10.3 0.5 0.50.3 0.5 0.55、简述遗传算法的基本步骤，并画出其算法框图。1）、编码：把问题的解表示成“染色体”在算法中就是以二进制编码的串，给出一群“染 色体”也就是假设的可行解；2）、产生初始群体：随机产生初始化群体；3）、计算群体的适应性值：定义适应函数，便于计算适应值；4）、以概率选择遗传算子：确定遗传策略，包括选择群体大小，选择、交叉、变异方法以及确定交叉概率、变异概率等遗传参数；形成下一代群体；5）、判断群体性能是否满足某一指标，或者已完成预定的迭代次数，不满足则返回第三步或者修改遗传策略再返回第四步。6、试画出三层BP网络结构图，并阐
12、述BP网络算法的进本思想，最后论述对BP网络算法 的改进。参考答案： 学习的基本思想是：误差反传算法调整网络的权值，使网络的实际输出尽可能接近期望的 输出。改进 1 ：增加动量项：提出的原因：标准BP算法只按t时刻误差的梯度降方向调整，而没有考虑t时刻以前 的梯度方向，从而常使训练过程发生振荡，收敛缓慢。基本思想：从前一次权值调整量中取出一部分迭加到本次权值调整量中。其作用是动量 项反映了以前积累的调整经验，对于t时刻的调整起阻尼作用。当误差曲面出现骤然起 伏时，可减小振荡趋势，提高训练速度。改进 2：自适应调节学习率：提出的原因：标准BP算法中，学习率n也称为步长，确定一个从始至终都合适的最佳 学习率很难。平坦区域内，n太小会使训练次数增加；在误差变化剧烈的区域，n太大 会因调整量过大而跨过较窄的“坑凹”处，使训练出现振荡，反而使迭代次数增加。 基本思想：自适应改变学习率，使其根据环境变化增大或减小。改进 3： 引入陡度因子：提出的原因：误差曲面上存在着平坦区域。权值调整进入平坦区的原因是神经元输出进 入了转移函数的饱和区。基本思想：如果在调整进入平坦区后，设法压缩神经元的净输入，使其输出退出转移函 数的不饱和区，就可以改变误差函数的形状，从而使调整脱离平坦区。
