智能控制题库

（1）学习功能（1分)（2）适应功能（1分） (3）自组织功能（1分) (4)优化能力（2分）

2、试简述智能控制的几个重要分支。

专家控制、模糊控制、神经网络控制和遗传算法。

3、试说明智能控制研究的数学工具。

智能控制研究的数学工具为：（1）符号推理与数值计算的结合;(2)离散事件与连续时间系统得结合；（3)模糊集理论；(4）神经网络理论;（5）优化理论 4.智能控制系统有哪些类型,各自的特点是什么？

（1)专家控制系统(1分）

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。 （2）模糊控制系统(1分）

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。 （3）神经控制系统(1分）

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. 5、简述专家控制与专家系统存在的区别。

专家控制引入了专家系统的思想，但与专家系统存在区别：

（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。

（2）专家系统处于离线工作方式,而专家控制要求在线获取反馈信息,即要求在线工作方式。 6、试说明智能控制的三元结构，并画出展示它们之间关系的示意图。

把智能控制扩展为三元结构，即把人工智能、自动控下表示：（2分)

IC=AI∩AC∩OR

OR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)；

∩一表示交集。

8. 简述智能控制系统较传统控制的优点。

在传统控制的实际应用遇到很多难解决的问题,主要表现以下几点：(1）实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型.(1分）(2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。(1分）（3)针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合.(1分）（4)实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。（1分）

智能控制将控制理论的方法和人工智能技术灵活地结合起来,其控制方法适应对象的复杂性和不确定性，能够比较有效的解决上述问题，具有较大的优越性。( 1分）

9、智能控制与传统控制的主要区别如何？

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,能够解决传统控制方法难以解决的复杂系统的控制问题，如:对象的不确定性、高度的非线性和复杂的任务要求。传统控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。 10．在模糊控制器的设计中，常用的反模糊化的方法有哪几种？

制和运筹学交接如

最大隶属度法、中心法和加权平均法.

11。简述将模糊控制规则离线转化为查询表形式的模糊控制器的设计步骤。

(1）确定模糊控制器的结构； （2）定义输入、输出模糊集； （3） 定义输入、输出隶属函数； (4）建立模糊控制规则； （5）建立模糊控制表； (6）模糊推理; (7）反模糊化。

12。简述模糊控制的发展方向

模糊控制的发展方向有:（１）Fuzzy—PID复合控制（2）自适应模糊控制（3)专家模糊控制（4）神经模糊控制（5）多变量模糊控制

13、模糊控制系统一般由几个部分组成?

1）模糊控制器 2）输入/输出接口装置3）广义对象4)传感器 14、比较模糊集合与普通集合的异同. 比较模糊集合与普通集合的异同。 相同点:都表示一个集合；

不同点：普通集合具有特定的对象.而模糊集合没有特定的对象，允许在符合与不符合中间存在中间过渡状态。 15．简述模糊集合的概念。

设为某些对象的集合,称为论域,可以是连续的或离散的;论域到[0，1］区间的任一映射定了的一个模糊子集；

： →[0,1] 确

称为的隶属函数，表示论域的任意元素属于模糊子集F的程度。模糊子集F的表

示方法有几种,如:向量表示法、Zadeh表示法、序偶表示法等。

16、请画出模糊控制系统的组成框图，并结合该图说明模糊控制器的工作原理。

模糊控制器的工作原理为:

(1） 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识符。本单元可视为模糊集合的标记。

(2) 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） 推理机 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。

（4) 模糊判决接口 起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标（输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的 17．试写出3种常用模糊条件语句及对应的模糊关系R的表达式.

~~~~~(1）设A、B分别是论域Ｘ、Ｙ上的模糊集合, 则模糊条件语句“if A then B” 所决定的二

~~[AB][AE] 元模糊关系为：RAB~~~~~~~~~（2）设A、B和C分别是论域Ｘ、Ｙ和Ｚ上的模糊集合， 则模糊条件语句“if A then B else

~~~~~~~~[AB][AC] C” 所决定的二元模糊关系为：RAB~~~~~(3) 设A、B和C分别是论域Ｘ、Ｙ和Ｚ上的模糊集合， 则模糊条件语句“if A and B then

~~~~C\"所决定的二元模糊关系为：RAB18．人工神经网络有哪些主要的结构特征？

T1~C

（1）并行处理；（2分)（2）信息分布式存储；（2分）容错性。（1分）

19．简述神经元模型并画出结构图.

和神经生理学类似，人工神经网络的的基本处理单元称为神经元,每个神经元模型模拟一个生物神经元,如图所示：

神经元模型 该神经元单元由多个输入出为：

式中,

为神经元单元的阈值），

为连接权系数（对于激发状态，

取正值，对于抑制状态,

取负值） ,n

,i=1, 2， 。.。, n和一个输出y组成。中间状态由输入信号加权和表示，其输

为输入信号数目，为神经元输出，t为时间,f（＿）为输出变换函数，有时叫做激发或激励函数,往往采用0和1二值函数、S形函数和高斯函数等。

20、神经网络应具备的四个基本属性是什么？

1）并行分布式处理2）非线性处理 3）自学习功能 4)可通过硬件实现并行处理 21．简述误差反向传播学习算法的主要思想

误差反传算法的主要思想是把学习过程分为两个阶段（1分）：第一阶段(正向传播过程）给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值(2分）;第二阶段(反向过程）,若在输出层未能得到期望输出值,则逐层递归的计算实际输出与期望输出之差值（误差）以便根据此差值调节权值. 22．简述前向(多层)神经网络的结构并画出结构图。

前向(多层）神经网络具有递阶分层结构，由一些同层神经元间不存在互连的层组成。从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接,如图所示。前向（多层)神经网络具有形式，如:多层感知器、BP网络、RBF网络等。

前向（多层）神经网络

23。简述专家系统与专家控制的区别。

专家控制引入了专家系统的思想，但与专家系统存在区别：

（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求.

（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息,即要求在线工作方式。 24．试比较特征函数和隶属函数。

特征函数用来表示某个元素是否属于普通集合，而隶属函数则用来表示某个元素属于模糊集合的程度，特征函数的取值｛0，1}，而隶属函数的取值［0，1］，特征函数可以看作特殊的隶属函数 25.请画出直接型专家控制器的结构图并说明其设计思想.

图略 直接型专家控制器用于取代常规控制器，直接控制生产过程。具有模拟操作工人智能的功能。这种类

型的控制器任务和功能相对简单,但需要在线、实时控制。

26.画出间接型专家控制器的结构图并说明其设计思想。

图略 设计思想：间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展)控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制.

27. 简述专家系统的基本构成。 知识库和推理机，

28.简述直接型专家控制器的主要设计内容。

直接型专家控制器的主要设计内容：① 建立知识库；② 控制知识的获取；③ 选择合适的推理方法. 29。根据高层决策功能的性质，简述间接型专家控制器的分类.

按照高层决策功能的性质，间接型专家控制器可分为以下几种类型:

① 优化型专家控制器 ；② 适应型专家控制器 ;③ 协调型专家控制器 ;④ 组织型专家控制器 .

30. 试述何为有导师学习？何为为无导师学习？

有导师学习也称为有监督学习，这种学习模式采用的是纠错规则.在学习训练过程中需要不断给网络成对提供一个输入模式和一个期望网络正确输出的模式，称为“教师信号”。将神经网络的实际输出同期望输出进行比较，当网络的输出与期望输出不符时，根据差错的方向和大小按一定的规则调整权值,以使下一步网络的输出更接近期望结果。

无导师学习也称为无监督学习，学习过程中，需要不断给网络提供动态输入信息,网络能根据特有的内部结构和学习规则，在输入信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输入信息调整权值，这个过程称为网络的自组织，其结果是使网络能对属于同一类的模式进行自动分类。 31．简述间接型专家控制器的概念及其分类。

间接型专家控制器用于和常规控制器相结合,组成对生产过程或被控对象进行间接控制的智能控制系统.具有模拟(或延伸,扩展)控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制(1分）。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型： ① 优化型专家控制器(1分）；② 适应型专家控制器(1分)；③ 协调型专家控制器(1分）；④ 组织型专家控制器(1分)。 36．简述神经网络的发展历程.

神经网络的发展历程经过4个阶段。

（1 ）启蒙期（1890-1969年）( 1分) （2 )低潮期（1969—1982）( 1分) （3） 复兴期（1982-1986）( 2分)

1982年，物理学家Hoppield提出了Hoppield神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题（TSP)。

在1986年,在Rumelhart和McCelland等提出了一种著名的多层神经网络模型,即BP网络.该网络是迄今为止应用最普遍的神经网络。

(4） 新连接机制时期(1986-现在）( 1分) 神经网络从理论走向应用领域. 37．简述神经网络具备的特征。

（1）能逼近任意非线性函数；（ 1分) (2)信息的并行分布式处理与存储；（ 1分） （3） 可以多输入、多输出；( 1分）

(4）便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现;（ 1分） （5）能进行学习,以适应环境的变化.( 1分) 38．简述BP基本算法的优缺点。

BP网络的优点为：

（1）只要有足够多的隐层和隐层,BP网络可以逼近任意的非线性映射关系；

(2) BP网络的学习算法属于全局逼近算法,具有较强的泛化能力；

（3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中,个别神经元的损坏对输入输出关系有较小的影响，因而BP网络具有较好的容错性。 BP网络的主要缺点为：

（1）待寻优的参数较多，收敛速度较慢；

(2)目标函数函数存在多个极值点,按梯度下降法进行学习，很容易陷入局部极小值； (3）难以确定隐层和隐层节点的数目。

39.简述RBF神经网络和BP神经网络的主要区别。

RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。BP神经网络中隐层使用的Sigmoid是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络（２分）；而RBF神经网络的作用函数是高斯函数,其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络（２分），采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。（１分） 40．简述BP神经网络中,BP算法的基本思想.

误差反向传播的学习算法简称BP算法,其基本思想是按梯度下降法进行学习. 它采用梯度搜索技术，以期使网络的实际输出值与期望的输出值的误差均方值为最小。

41、模糊控制与传统控制的不同之处:

传统控制方法均是建立在被控对象精确数学模型基础上的，然而,随着系统复杂程度的提高，将难以建立系统的精确数学模型;模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础,从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该控制方法适应对象的复杂性和不确定性，不需要依赖对象的精确数学模型可实现复杂系统的控制。

42、模糊控制器设计包括几项内容？

1．（本题5分)模糊控制器设计包括几项内容？

1）确定模糊控制器的输入变量和输出变量（即控制量)

2）设计模糊控制器的控制规则

3）确立模糊化和非模糊化（又称清晰化）的方法

4）选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数（如量化因子、比例 因子)

5）编制模糊控制算法的应用程序 6)合理选择模糊控制算法的采样时间 1. 分别画出以下应用场合下适当的隶属函数： (a）我们绝对相信（4分) （b)我们相信

附近的e（t)是“正小”，只有当e（t）足够远离时，我们才失去e（t）是“正小”的信心;44附近的e（t)是“正大\而对于远离的e（t)我们很快失去e（t)是“正大”的信心;（4分) 22向左移动，我们很快失去e（t)是“正小\"的信心，而随着e(t）从向右移动，我们较慢失去e(t)44(c）随着e（t）从

是“正小”的信心。（4分）

1．

（a) （b) （c) 2。 分别画出以下应用场合下适当的隶属函数： （a）我们绝对相信（4分） （b）我们相信

附近的e（t)是“正小\"，只有当e（t）足够远离时，我们才失去e（t)是“正小”的信心;22附近的e(t)是“正大”，而对于远离的e(t）我们很快失去e（t）是“正大”的信心；（4分） 33向左移动，我们很快失去e(t）是“正小”的信心，而随着e（t）从向右移动，我们较慢失去66（c）随着e(t）从

e（t）是“正小”的信心。(4分）

1.0正小1.00.5正大0.5et,rad.3et,rad.

2

6. 画出以下两种情况的隶属函数图:

(a）画出精确集合 A{x4x2}的隶属函数图;(4分)

(b）写出单点模糊（singleton fuzzification)隶属函数的数学表达形式，并画出隶属函数图。（4分） （c）画出精确集合 A{x8x2}的隶属函数图；（4分）

1.00.51 xuixui42u ˆfuzxA i0 otherwise

1.00.582x

7。 某模糊控制系统的输入语言变量E和输出语言变量U的语言值均为：NB、NS、O、PS、PB，E的论域为X＝｛－3，－2，－1，0，1，2，3｝，U的论域为Y＝｛－3，－2，－1，0，1，2，3｝。设语言变量E和U的赋值表为：

量化等级 －3 －2 －1 0 1 2 3 语言变量值 PB PS O NS NB 0 0 O 0 1 0 0 O 0．5 0．5 0 0 0．5 1 0 O 1 1 l 0 0 1 0．5 0 0 0．5 0．5 0 0 0 1 0 0 0 0 试给出以上论域中各元素对各语言变量值所确定的模糊子集的隶属函数曲线。

9。 一个模糊系统的输入和输出的隶属函数如下图所示.试通过作图法分别推理每条规则的输出隶属度函数: （a）规则1：If error is zero and chang—in-error is zero Then force (u）is zero。 使用最小化操作表示蕴含（using product opertor）(4分)

(b）规则2：If error is zero and chang—in-error is possmall Then force（u） is negsmall. 使用乘积操作表示蕴含（using product opertor)(4分）

-10-2“neglarge”“negsmall”“zero”1“possmall”2“poslarge”2442et,rad.-10-2“neglarge”“negsmall”“zero”1“possmall”2“poslarge”481684det,rad.dt-10-2“neglarge”“negsmall”“zero”1“possmall”2“poslarge”

假定当前的输入条件为：error= 0 ， chang—in-error=/9 3． (a）

“zero”“zero”“zero”4488detdt-1010ut,N

（b)

“negsamll”0.75“zero”“possmall”44et8det4dt-20-10ut,N

论述题：

1、画出静态多层前向人工神经网络（BP网络）的结构图,并简述BP神经网络的工作过程（ 10 分）

图 4分

BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输出层，每层神经元（节点）的状态只影响下一层神经元的状态。(3分)如果在输出层不能得到期望的输出，则转至反向传播，将误差信号（理想输出与实际输出之差)按联接通路反向

计算,由梯度下降法调整各层神经元的权值，使误差信号减小。(3分)