4-1、神经元的种类有哪些？它们的函数关系如何？
4-2、为什么由简单的神经元连接而成的神经网络具有非常强大的功能？ 4-3、神经网络按连接方式分有哪几类？
四、计算题
1、如图4-24所示的多层前向传播神经网络结构。假设对于期望的输入
12[,][13]x x =,12[,][0.90.3]d d y y =。网络权系数的初始值见图。试用BP 算法训练此网络。并详细写出第一次迭代学习的计算结果。这里，取神经元激励函数
1()1x f x e
-=+。学习步长为1η=。最大迭代次数为iterafe max 。误差为e 。（四舍五入，精确到小数后1位） x 1
x 2
112
-20
3-1
-110-21-23o 1o 2y 1y 2 神经网络结构图w 11w 12w 21w 22
w 20
w 112w 122w 10w 102w 212w 222w 202
答案：
4-1、答案：神经元模型是生物神经元的抽象和模拟。它是模拟生物神经元的结构和功能、并从数学角度抽象出来的一个基本单元。它是神经网络的最基本的组成部分。
神经元一般是多输入-单输出的非线性器件。
模型可以描述为
i ij j i i j
Net w x s θ=+-∑
()i i u f Net =
()()i i i y g u h Net ==
假设()i i g u u =，即()i i y f Net =
i u 为神经元的内部状态；i θ为阀值；i x 为输入信号，1,...,j n =；ij w 为表示从j u 单元到i u 单元的连接权系数；i s 为外部输入信号。
常用的神经元非线性特性有以下四种
阀值型
10()00
i i i Net f Net Net ?>?=?≤?? 0
1
Neti
阀值函数f
分段线性型
00max 0()i i i i i i il i il
Net Net f Net kNet Net Net Net f Net Net ?≤?=≤≤??≥? 0
f max
Neti
线性函数f Net i1Net i0
Sigmoid 函数型
1()1i i Net T f Net e -=
+
Neti Sigmoid 函数f 10.5
Tan 函数型 ()i i
i
i
Net Net T T
i Net Net T T e e f Net e e --
-=+
0Neti
Tan 函数
f
1
4-2、答案：神经系统是一个高度复杂的非线性动力学系统，虽然每一个神经元的结构和功能十分简单，但由大量神经元构成的网络系统的行为却是丰富多彩和十分复杂的。
从神经元模型角度来看，有线性处理单元和非线性处理单元。
从网络结构方面来看，有：前向网络、反馈网络和自组织网络。
4-3、答案：神经网络按连接方式分
属于网状结构网络。 输
入输
出
相互结合型网络
神经网络是由通过神经元的互连而达到的。根据神经元的连接方式的不同，神经网络可分为以下四种形式：
前向网络 由输入层、隐含层和输出层组成。每一层只接受前一层神经元的输入。各神经元之间不存在反馈。属于层次型网络。 .
.
......
.输
入输出
前向网络
反馈网络 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。属于层次型网络。
输入
输
出反馈网络
相互结合型网络这种神经网络在任意两个神经元之间都可能有连接。在这个状态中，信号要在神经元之间反复往返传递，网络处在一种不断改变状态的动态之中，从某种初态开始，经过若干次的变化，才会达到某种平衡状态。
混合型网络通过同一层内神经元的相互结合，可以实现同一层内神经元之间的横向抑制或兴奋机制。这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分为若干组，让每组作为一个整体来动作。它是层次型网络和网状结构网络的一种结合。
输入
输
出混合型网络
四、
1、答案：输入最大容许逼近误差值ε和最大迭代学习次数iterate max。置初始迭代学习次数0
iterate=。
（1）.置各权值或阈值的初始值：(0),(0)
ji j
wθ为小的随机数值；
回顾：
单一人工神经元有线性和非线性
单一人工神经元线性
单一人工神经元示意图（线性）
.
.
.1
x 1
x 2
x n
θ1w 2w n w ∑()x σy
单一人工神经元的示意图
最简单的人工神经元输入和输出数学表示：
假设输入项Net 由输入信号xj(j=1,2,…,n)的线性组合构成，即
01n
j j j Net w x θ==+∑
0θ为阀值；j w 是决定第j 个输入的突触权系数。
神经元的平衡态输出y 为
01()n
j j j y w x σθ==+∑
式中()x σ表示神经元的激励函数
前面假设输入项Net 是输入信号xi 的线性函数。一般情况下，Net 是输入信号xi 的非线性函数。
因此本题的权值111w ，112w ，110w ，1
21w ，122w ，120w
x 1
x 2
112
-20
3-1
110-21-23o 1o 2y 1y 2图 4-15 例4-1 的神经网络结构图w 11w 12w 21w 22
w 20
w 112w 122w 10w 102w 212w 222w 202
（2）.提供训练样本：输入矢量：,1,2,...,k X k P =；期望输出：,1,2,...,k d k P =；对每个输入样本进行下面iterate max 的迭代；
12[,][13]x x =
（3）.计算网络的实际输出及隐层单元的状态：
()kj j ji ki j i
o f w o θ=+∑
因为12[,][13]T T x x =
1111111112210121(2)132net w x w x w x x =++=+-+=-
1111221122220122(0)1(1)1net w x w x w x x =++=++-=
11
121
10.119211net o e e -===++ 12211
10.731111net o e e --==
=++ 2222111112210121(0)21 2.1192net w o w o w o o =++=++?=
2222221122220121(2)31 -4.3430net w o w o w o o =++=+--?=
2111
0.89281net y e -==+
2221
0.01281net y e -==+
（4）.计算训练误差：
(1)()()kj kj kj kj kj o o t o σ=--输出层
(1)()kj kj kj km mj m
o o w σσ=-∑隐含层
1）输出层
2'211111111()()()(1) 6.8910e-004d d y y f net y y y y δ=-=--=
2'222222222()()()(1)0.0036d d y y f net y y y y δ=-=--=
2）隐含层
1222222111111122111(1)()(1)
(6.8910e-0041(0.0036)1)0.1192(10.1192) 4.5032e-004
k k k
w o o w w o o δδδδ=-=+-=?+???-=∑
1222222222211222222(1)()(1)
(6.8910e-0040(0.0036)(2))0.7311(10.7311)-0.0014
k k k
w o o w w o o δδδδ=-=+-=?+?-??-=∑ （5）.修正权值和阈值：
(1)()[()(1)]
(1)()[()(1)]
ji ji j ki ji ji j j j j j w t w t o w t w t t t t t ησαθθησαθθ+=++--+=++--
111111 4.5032e-0041 4.5032e-004w x ηδ==?=
111212 4.5032e-00430.0014w x ηδ==?=
11101 4.5032e-004w ηδ==
112121(-0.0014)1-0.0014w x ηδ==?=
1
12222(-0.0014)3 0.0042w x ηδ==?=-
1
1202-0.0014w ηδ==
221111 6.8910e-0040.1192 8.2141e-005w o ηδ==?=
221212 6.8910e-0040.7311 5.0380e-004w o ηδ==?=
22101 6.8910e-004w ηδ==
2221210.00360.1192 4.2912e-004w o ηδ==?=
2222220.00360.7311 0.0026w o ηδ==?=
222020.0036w ηδ==
(1)()1,2;0,1,2;1,2l
l
l
ji ji ji w iterate w iterate w l i j +=+===
（6）.当k 每经历1~P 后，判断指标是否满足精度要求： ;E εε≤：精度
判断神经网络逼近误差满足要求或迭代学习达到最大容许否？ max t y or iterate iterate ε-<≥
1iterate iterate =+；继续迭代计算直至满足终止条件为止。
（7）.结束。
3-1 模糊逻辑控制器由哪几部分组成？各完成什么功能？ 答：模糊控制系统的主要部件是模糊化过程、知识库（数据库和规则库）、推理决策和精确化计算。 1、模糊化过程 模糊化过程主要完成：测量输入变量的值，并将数字表示形式的输入量转化为通常用语言值表示的某一限定码的序数。 2、知识库 知识库包括数据库和规则库。 1）、数据库 数据库提供必要的定义，包含了语言控制规则论域的离散化、量化和正规化以及输入空间的分区、隶属度函数的定义等。 2）、规则库 规则库根据控制目的和控制策略给出了一套由语言变量描述的并由专家或自学习产生的控制规则的集合。它包括：过程状态输入变量和控制输出变量的选择，模糊控制系统的建立。 3、推理决策逻辑 推理决策逻辑是利用知识库的信息模拟人类的推理决策过程，给出适合的控制量。（它是模糊控制的核心）。 4、精确化过程 在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程称为精确化过程。
{模糊控制器采用数字计算机。它具有三个重要功能： 1）把系统的偏差从数字量转化为模糊量（模糊化过程、数据库两块）； 2）对模糊量由给定的规则进行模糊推理（规则库、推理决策完成）； 3）把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量（精确化接口）。} 3-2 模糊逻辑控制器常规设计的步骤怎样？应该注意哪些问题？ 答：常规设计方法 设计步骤如下： 1、确定模糊控制器的输入、输出变量 2、确定各输入、输出变量的变化范围、量化等级和量化因子 3、在各输入和输出语言变量的量化域内定义模糊子集。 4、模糊控制规则的确定 5、求模糊控制表 3-3 已知由极大极小推理法得到输出模糊集为：0.30.810.50.112345 C = ++++-----.试用重心法计算出此推理结果的精确值z 。 重心法 重心法 是取模糊隶属度函数的曲线与横坐标围城面积的重心为模糊推理最终输出值。 连续：0()()v V v V v v dv v v dv μμ=??
（3+2）智能控制技术专业人才培养方案 一、专业名称及代码 专业名称：智能控制技术 专业代码：560304 二、招生对象、学制及学历 本专业招收普通初中毕业生，全日制五年，其中中职3年、高职2年。 三、人才培养目标与规格 1.人才培养目标 本专业主要针对锦州地区对智能控制技术技能型人才的需要，面向新型工业化的机电制造、新能源、电力和新型建材等行业，从事智能化电气元件的设计、制造、调试、维护和管理的高级技术应用性专门人才。能完成智能化设备及其生产线的安装调试、运行和维护；智能电气元件的自动化设计与改造、故障诊断、管理与售后；智能配电柜的设计制造等典型工作任务，具有较强的实践动手能力、拥护党的基本路线，德、智、体、美全面发展的高级技术应用型人才。 三、培养规格及课程体系： 能力、素质结构如下表：
六、专业核心课程简介
七、实践教学安排表 八、专业教学计划 1.教学执行计划
填写说明:打*号课时由讲座、班会、讨论、竞赛等形式完成， 2、教学环节综合分析 (1) 理论教学与实践教学比例分析 学时与学分分析 (2) 九、教学实施保障 1.师资队伍配备 （1）“双师型”专业教学团队 智能控制专业教学团队由专、兼职教师组成，本专业的专职专业教师为28人，兼职教师16其中，专业带头人1人，专业骨干教师4人；具有高级以上职称12人、具有中级职称10人；双师型教师24人；均为大学本科以上学历。教师队伍的职称、学历、专业能力满足教学要求。 （2）专业带头人 专业带头人具有本科学历，副高职称，具有双师能力；有较高的专业建设水平和企业实践能力；掌握国内外职业教育与专业发展动态，能够在专业规划、专业建设、科研与教研、教学改革和青年教师培养等方面发挥引领作用。 （3）专业骨干教师 专业骨干教师应具有本科以上学历，讲师以上职称，具有中高级职业资格证书，具有双师能力；独立承担一门以上工学结合专业主干课程，能够独立完成课程开发和教学改革项目，在专业建设中发挥骨干作用。 （4）企业兼职教师 兼职教师为锦州地区机电类相关企业和学校的能工巧匠，具有从事5年以上机电专业的
4-1、神经元的种类有哪些？它们的函数关系如何？ 4-2、为什么由简单的神经元连接而成的神经网络具有非常强大的功能？ 4-3、神经网络按连接方式分有哪几类？ 四、计算题 1、如图4-24所示的多层前向传播神经网络结构。假设对于期望的输入 12[,][13]x x =,12[,][0.90.3]d d y y =。网络权系数的初始值见图。试用BP 算法训练此网络。并详细写出第一次迭代学习的计算结果。这里，取神经元激励函数 1()1x f x e -=+。学习步长为1η=。最大迭代次数为iterafe max 。误差为e 。（四舍五入，精确到小数后1位） x 1 x 2 112 -20 3-1 -110-21-23o 1o 2y 1y 2 神经网络结构图w 11w 12w 21w 22 w 20 w 112w 122w 10w 102w 212w 222w 202 答案： 4-1、答案：神经元模型是生物神经元的抽象和模拟。它是模拟生物神经元的结构和功能、并从数学角度抽象出来的一个基本单元。它是神经网络的最基本的组成部分。 神经元一般是多输入-单输出的非线性器件。 模型可以描述为 i ij j i i j Net w x s θ=+-∑ ()i i u f Net = ()()i i i y g u h Net == 假设()i i g u u =，即()i i y f Net = i u 为神经元的内部状态；i θ为阀值；i x 为输入信号，1,...,j n =；ij w 为表示从j u 单元到i u 单元的连接权系数；i s 为外部输入信号。
常用的神经元非线性特性有以下四种 阀值型 10()00 i i i Net f Net Net ?>?=?≤?? 0 1 Neti 阀值函数f 分段线性型 00max 0()i i i i i i il i il Net Net f Net kNet Net Net Net f Net Net ?≤?=≤≤??≥? 0 f max Neti 线性函数f Net i1Net i0 Sigmoid 函数型 1()1i i Net T f Net e -= + Neti Sigmoid 函数f 10.5 Tan 函数型 ()i i i i Net Net T T i Net Net T T e e f Net e e -- -=+
语言变量X ，Y ，Z 的隶属度函数. 设计带有纯延迟的一阶惯性环节（假设T=6,=0.02）： G(s)=s e s 6102.0+ 的模糊控制器，观察仿真结果。 编程如下： %被控系统建模 num=1; den=[6,1]; [a1,b,c,d]=tf2ss(num,den);%传递函数转换到状态空间 x=[0]; %系统参数 T=0.01;h=T;td=0.02;N=1000; nd=td/T;%系统纯延迟 R=ones(1,N);%参考输入 %定义输入和输出变量及隶属度函数
a=newfis('Simple'); a=addvar(a,'input','e',[-4 4]); a=addmf(a,'input',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',1,'PS','trimf',[0,2,4]); a=addmf(a,'input',1,'PB','trimf',[2,4,4]); a=addvar(a,'input','de',[-4 4]); a=addmf(a,'input',2,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',2,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',2,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',2,'PS','trimf',[0,2,4]); a=addmf(a,'input',2,'PB','trimf',[2,4,4]); a=addvar(a,'output','u',[-4 4]); a=addmf(a,'output',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'output',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'output',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'output',1,'PS','trimf',[0,2,4]); a=addmf(a,'output',1,'PB','trimf',[2,4,4]); %模糊规则矩阵 rr=[5 5 4 4 3 5 4 4 3 3 4 4 3 3 2 4 3 3 2 2 3 3 2 2 1]; r1=zeros(prod(size(rr)),3);k=1; for i=1:size(rr,1) for j=1:size(rr,2) r1(k,:)=[i,j,rr(i,j)]; k=k+1; end end [r,s]=size(r1); r2=ones(r,2); rulelist=[r1,r2]; a=addrule(a,rulelist); %采用模糊控制器的二阶系统仿真 e=0;de=0; ke=30;kd=5;ku=1; for k=1:N %输入变量变换至论域 e1=ke*e; de1=kd*de; if e1>=4
(单选题)1: 一般认为，人工神经网络适用于（） A: 线性系统 B: 多变量系统 C: 多输入多输出系统 D: 非线性系统 正确答案: (单选题)2: 递阶控制系统的结构是根据下列原理设计的（） A: 精度随智能降低而提高 B: 精度随智能提高而提高 C: 精度随智能降低而降低 D: 精度与智能无关 正确答案: (单选题)3: 智能控制成为国际上独立新学科的时间为20世纪（） A: 60年代 B: 70年代 C: 80年代 D: 90年代 正确答案: (单选题)4: 基于模式识别的控制系统属于（） A: 学习控制系统 B: 专家控制系统 C: 进化控制系统 D: 模糊控制系统 正确答案: (单选题)5: 能够在系统运行过程中估计未知信息，并据之进行优化与控制，以便逐步改进系统性能的控制叫做（） A: 最优控制 B: 反馈控制 C: 随机控制 D: 学习控制 正确答案: (单选题)6: 最早提出人工神经网络思想的学者是（） A: McCulloch-Pitts B: Hebb C: Widrow-Hoff D: Rosenblatt 正确答案: (单选题)7: 解决自动控制面临问题的一条有效途径就是把人工智能等技术用于自动控制系统，其核心是（） A: 控制算法 B: 控制结构 C: 控制器智能化 D: 控制系统仿真 正确答案: (单选题)8: 智能控制的“四元交集结构”的四元，指的是（） A: 计算机科学、自动控制、人工智能、神经网络 B: 人工智能、自动控制、信息论、系统论 C: 人工智能、自动控制、信息论、机器学习 D: 自动控制、人工智能、信息论、运筹学 正确答案: (单选题)9: 模糊控制是以模糊集合为基础的，提出模糊集合的科学家是（）
一、引言 (3) 二、轧机液压AGC数学模型 (3) 三、基于BP神经网络的轧机AGC过程控制 (5) （一）人工神经网络基本思想及其发展 (6) （二）人工神经网络的工作原理 (7) （三）人工神经网络的主要功能特点 (8) 四、神经网络辨识 (9) （一）扩展BP神经算法 (9) （二）基于时间序列的动态模型辨识 (11) 五、辨识结果 (12) （一）轧制力辨识 (12) （二）液压AGC参数辨识 (13) 六、结果检验 (14) （一）模型检验 (14) （二）辨识结果对比 (14) 七、结论 (15) 八、参考文献: (15)
先进过程控制技术在轧机液压领域的应用 摘要:轧机液压AGC控制过程的力控精度直接影响带钢的组织性能和力学性能，是保证板带质量和板形良好的关键因素。所以对轧机液压AGC的力控制，成为热轧生产中的重要环节，对其过程进行分析和研究具有深远的现实意义。本文以国内某热轧厂轧机液压AGC控制为背景，对如何提高轧机液压AGC控制的力控精度从控制方法上入手进行了较深入系统的研究。在分析液压AGC的组成元件及其动态特性的基础上, 利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力, 建立基于时间序列的前馈动态模型辨识结构, 应用扩展BP算法对轧机液压AGC力控制系统进行非线性预测, 将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识, 仿真及实测结果表明此方法行之有效, 为轧机液压AGC的控制提供了新途径。 关键词:自适应辨识;板带轧机;液压AGC;神经网络
Advanced process control technology in the field of rolling mill hydraulic applications Abstr act: In the process of rolling mill hydraulic AGC control force control precision directly affects the organization performance and mechanics performance of the steel strip, is guarantee the quality of strip and plate shape of the key factors. So the force control of rolling mill hydraulic AGC, become the important link between the hot rolling production, analyzes its process and research has far-reaching practical significance. This paper, taking a warmwalzwerk domestic mill hydraulic AGC control as the background, on how to improve the force control precision of the rolling mill hydraulic AGC control from the control methods of conducted in-depth study of the system. Based on the analysis of dynamic characteristics of hydraulic AGC components and, on the basis of using the neural network has any nonlinear function approximation, and has the ability of self learning and adaptive feedforward dynamic model identification based on time series structure, extend the BP algorithm was applied to rolling mill hydraulic AGC force control system for nonlinear prediction, and the predicted results using least squares identification method for characteristic parameters of a linear system identification, simulation and experimental results show that this method is effective, for rolling mill hydraulic AGC control provides a new way. Key wor ds: adaptive identification; stripe mill; hydraulic AGC; neural network
智能控制复习 第一章选择题 1．智能控制的概念首次由著名学者（ D ）提出 A 蔡自兴 B C D 傅京孙 2．经常作为智能控制典型研究对象的是（ D ） A 智能决策系统 B 智能故障诊断系统 C 智能制造系统 D 智能机器人 3．解决自动控制面临问题的一条有效途径就是，把人工智能等技术用入自动控制系统中，其核心是（ B ） A 控制算法 B 控制器智能化 C 控制结构 D 控制系统仿真 4．智能自动化开发与应用应当面向（ C ） A 生产系统 B 管理系统 C 复杂系统 D 线性系统 5．不．属于 ．．智能控制是（ D ） A 神经网络控制B专家控制 C 模糊控制 D 确定性反馈控制 6．以下不属于智能控制主要特点的是（ D ） A 具有自适应能力 B 具有自组织能力 C 具有分层递阶组织结构 D 具有反馈结构 7．以下不属于智能控制的是 ( D )
A 神经网络控制 B 专家控制 C 模糊控制 D 自校正调节器 第二章选择题 1．地质探矿专家系统常使用的知识表示方法为（ D ） A 语义网络 B 框架表示 C 剧本表示 D 产生式规则 2．自然语言问答专家系统使用的知识表示方法为（ B ） A 框架表示B语义网络 C 剧本表示 D 产生式规则 3．专家系统中的自动推理是基于（ C ）的推理。 A 直觉 B 逻辑 C 知识 D 预测 4．适合专家控制系统的是（ D ） A 雷达故障诊断系统 B 军事冲突预测系统 C 聋哑人语言训练系统 D 机车低恒速运行系统 5．直接式专家控制通常由( B )组成 A 控制规则集、知识库、推理机和传感器 B 信息获取与处理、知识库、控制规则集和推理机 C 信息获取与处理、知识库、推理机和传感器 D 信息获取与处理、控制规则集、推理机和传感器 6．专家控制可以称作基于（ D ）的控制。 A 直觉 B 逻辑 C 预测 D 知识 7．直接式专家控制通常由( C )组成 A 信息获取与处理、知识库、推理机构和传感器
5-1 什么是专家系统？它具有哪些特点和优点？ 专家系统（Expert System) 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，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 专家系统的特点如下： （1）启发性。不仅能使用逻辑知识，也能使用启发性知识，它运用规范的专门知识和直觉的评判知识进行判断、推理和联想，实现问题求解； （2）透明性。它使用户在对专家系统结构不了解的情况下，可以进行相互交往，并了解知识的内容和推理思路，系统还能回答用户的一些有关系统自身行为的问题； （3）灵活性。专家系统的知识与推理机构的分离，使系统不断接纳新的知识，从而确保系统内知识不断增长以满足商业和研究的需要； （4）实用性。可长期保存人类专家的知识与经验，且工作效率高、可靠性好、能汇集众多专家的特长，达到高于任何单个专家的水平，是保存、传播、使用及提高专家知识与经验的有效工具； （5）符号操作。与常规程序进行数据处理和数字计算不同，专家系统强调符号处理和符号操作。使用符号表示知识，用符号集合表示问题的概念，一个符号是一串程序设计，并可用于表示现实世界中的概念； （6）不确定性推理。领域专家求解问题的方法大多数是经验性的，经验知识一般用于表示不精确性且存在一定概率的问题。此外，其提供的有关信息往往是不确定的。而专家系统能够综合应用模糊和不确定的信息与知识进行推理； 专家系统的优点如下： （1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作； （2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记； （3）军事专家系统的水平是一个国家国防现代化的重要标志之一；
第一章绪论 1. 什么是智能、智能系统、智能控制？ 答：“智能”在美国Heritage词典定义为“获取和应用知识的能力”。 “智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。 “智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。 2．智能控制系统有哪几种类型，各自的特点是什么？ 答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。 各自的特点有： 集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 专家控制系统：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，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。可以说是一种模拟人类专家解决领域问题的计算机程序系统。 多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。2.信息在上下级间垂直方向传递，向下的信息有优先权。同级控制器并行工作，也可以有信息交换，但不是命令。3.上级控制决策的功能水平高于下级，解决的问题涉及面更广，影响更大，时间更长，作用更重要。级别越往上，其决策周期越长，更关心系统的长期目标。4.级别越往上，涉及的问题不确定性越多，越难作出确切的定量描述和决策。 学习控制系统：靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。这种系统具有一定的识别、判断、记忆和自行调整的能力。 3．比较智能控制与传统控制的特点。 答：智能控制与传统控制的比较：它们有密切的关系，而不是相互排斥。常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。 1.传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，这些问题对基于模型的传统自动控制来说很难解决。 2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息. 另外，通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况. 为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器，即文字、声音、物体识别装置。 3.传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出量跟随期望的运动轨迹（跟随系统），因此具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂。 4. 传统的控制理论对线性问题有较成熟的理论，而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题行之有效的途径。 5.与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力。 6.与传统自动控制系统相比，智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程，采用开闭环控制和定性及定量控制结合的多模态控制方式。 7.与传统自动控制系统相比，智能控制系统具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力。 8.与传统自动控制系统相比，智能控制系统有补偿及自修复能力和判断决策能力。
1、已知某一炉温控制系统，要求温度保持在600 度恒定。 针对该控制系统有以下控制经验： （1）若炉温低于600 度，则升压；低的越多升压越高。 （2）若炉温高于600 度，则降压；高的越多降压越低。 （3）若炉温等于600 度，则保持电压不变。设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。输入、输出变量的量化等级为7 级，取5 个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解：1）确定变量 定义理想温度为600 C,实际温度为T,则温度误差为 E=600-T。 将温度误差E 作为输入变量 2）输入量和输出量的模糊化 将偏差E分为5个模糊集：NB、NS、ZO、PS、PB,分别为负小、负大、零、正小、正大。将偏差E 的变化分为7 个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1 所示。
表1温度变化E划分表 控制电压也分为个模糊集：、、、、,分 别为负小、负大、零、正小、正大。将电压u的变化分为7 个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。 表2电压变化u划分表
表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB Edit or: Un+ it 1 e J. 歼cw OptigT
叮叮小文库
叮叮小文库 2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态 误差为 零，超调量不大于 1%，输出上升时间w 0.3s 。假定被 控对象的传递函数分别为： Gg e 0亦 (s 1)2 G2(S ) 4.228 (s 0.5)( s 2 1.64 s 8.456) 解： 在matlab 窗口命令中键入 fuzzy ，得到如下键面: 设e 的论域范围为［-1 1］ , de 的论域范围为［-0.1 0.1］ , u 的论 域范围为［ 0 2］。 将e 分为8个模糊集，分别为 NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为 NB ,NM ,NS, Z ,PS ,PM ,PB;
智能控制 1对于模糊控制（fuzzy）的认识和体会 模糊控制作为给合传统的基于规则的专家系统、模糊集理论和控制理论的成果而诞生,使其与基于被控过程数学模型的传统控制理论有很大的区别。在模糊控制中，并不是像传统控制那样需要对被控过程进行定量的数学建模，而是试图通过从能成功控制被控过程的领域专家那里获取知识，即专家行为和经验，当被控过程午分复杂甚全“病态”时，建立被控过程的数学校型或者不可能，或者需要高昂的代价。此时模糊控制就显得具有吸引力和实用性。由于人类专家的行为是实现模糊控制的基础，因此，必须用一种容易且有效的方式来表达人类专家的知识。IF-THEN规则格式是这种专家控制知识最和适的表式方式之一，即1F“条件”THEN“结果”，这种表示方式有两个显著的特征:它们是定性的而不是定量的;它们是一种局部知识，这种知识将局部的“条件”与局部的“结果”联系起来，前者可用模糊子集表示，而后者需要模糊蕴涵或模糊关系来表达。然而，当用计算机实现时，这种规则最终需具有数位形式，隶属函数和近似推理为数值表示集合模糊蕴涵提供了一种有利工具。 一个实际的模糊控制系统实现时需要解决三个问题:知识表示、推理策略和知识获取。知识表示是指如何将语言规则用数值方式表示出来;推理策略是指如何根据当前输入“条件”生一个合理的“结果”；知识的获取解决如何获得一组恰当的规则。由于领域专家提供的知识常常是定性的，包含某种不确定性。因此，知识的表示和推理必须是模糊的或近似的，近似推理理论正是为满足这种需要而提出的。近似推理科看做是根据一些不精确的条件推导出个精确结论的过程，许多学者对模糊表示、近似推理进行了大量的研究，在近似推理算法中，最厂泛使用的是关系矩阵模型，它基于L.A.Zadeh的合成推理规则首次由Mamdani采用，由于规则可被解释成逻辑意义上的蕴涵关系，因此人最的蕴涵算子已被提出并应用于实际中由此可见。模糊控制是以模糊集合沦、模糊语言变量及校糊逻辑推理为基础的一种计算机控制，从线性控制与非线性控制的角度分类，模糊井制是一种非线性控制。从控制器智能性看，模糊控制属智能能控制的范畴，而且它已成为日前实现智能控制的一种重要而又有效的形式。尤其是模糊制和神经网络、预测控制、遗传算法和混沌理论等新学科的相结合，正在显示出其巨大的应用潜力。 模糊控制器的基本结构包括以下四部分 1.模糊化 模糊化的作用是将输入的精确量转换成模糊化量，其中输入成份包括外界的参考输入、系统的输出或状态等。模糊化的具体过程如下：首先对这此输入进行处理，以变成模糊控制器要求的输入从。然后将上述己经处理过的输入量进行尺度变换，使其变换到各自的论域范围。在将已经变换到论域范的输入最进行模糊处理，使原先精确的输入带变成模糊量，并用相应的模糊集合来表。 2.知识库 知识库包含了具体应用领域中的知识和要求的控制目标。它通常由数据库和模糊控制规则库两部分组成：1.数据库主要包括各种语言变量的隶属函数，尺度变换因子以及模糊空间的分级数等。2.规则库包括了用模糊语言变量表示的一系列控制规则。它们反映了控制专家的经验和知识。 3.模糊推理 模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。 4.清晰化 洁晰化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制的清晰量，它包
2-3 设误差的离散论域为【-30，-20，-10，0，10，20，30】，且已知误差为零(ZE)和误差为正小（PS ）的隶属度函数为 000.410.400()30201001020300000.3 1.00.30()3020100102030ZE PS e e μμ= ++++++---=++++++--- 求： （1）误差为零和误差为正小的隶属度函数() ()ZE PS e e μμ （2）误差为零或误差为正小的隶属度函数() ()ZE PS e e μμ 解 定义2-4 并：并()A B 的隶属函数A B μ对所有u U ∈被逐点定义为取大运算，即()()A B A B u u μμμ=∨，式中，符号“∨”为取极大值运算。 定义2-5 交：交()A B 的隶属函数A B μ对所有u U ∈被逐点定义为取小运算，即 ()()A B A B u u μμμ=∧，式中，符号“∧”为取极小值运算。 2-4已知模糊矩阵P 、Q 、R 、S 为 0.60.90.50.70.20.30.10.20.20.70.10.40.70.70.60.5P Q R S ????????====???????????????? 求： （1）()P Q R (2) ()P Q S (3) () ()P S Q S 解 定义2-14 模糊关系合成： 如果R 和S 分别为笛卡尔空间U V ?和V W ?上的模糊关系，则R 和S 的合成是定义在笛卡尔空间 U V W ??上的模糊关系，并记作R S ，其隶属度函数的计算方法 {[sup((,)(,))],,,}R S R S u v u w u U v V w W μμ∨ =∧∈∈∈
目录 有害气体的检测、报警、抽排.................. . (2) 1 意义与要求 (2) 1.1 意义 (2) 1.2 设计要求 (2) 2 设计总体方案 (2) 2.1 设计思路 (2) 2.2 总体设计方框图 2.3 完整原理图 (4) 2.4 PCB制图 (5) 3设计原理分析 (6) 3.1 气敏传感器工作原理 (7) 3.2 声光报警控制电路 (7) 3.3 排气电路工作原理 (8) 3.4 整体工作原理说明 (9) 4 所用芯片及其他器件说明 (10) 4.1 IC555定时器构成多谐振荡电路图 (11) 5 附表一：有害气体的检测、报警、抽排电路所用元件 (12) 6.设计体会和小结 (13)
有害气体的检测、报警、抽排 1 意义与要求 1.1.1 意义 日常生活中经常发生煤气或者其他有毒气体泄漏的事故，给人们的生命财产安全带来了极大的危害。因此，及时检测出人们生活环境中存在的有害气体并将其排除是保障人们正常生活的关键。本人运用所学的电子技术知识，联系实际，设计出一套有毒气体的检测电路，可以在有毒气体超标时及时抽排出有害气体，使人们的生命健康有一个保障。 1.2 设计要求 当检测到有毒气体意外排时，发出警笛报警声和灯光间歇闪烁的光报警提示。当有毒气体浓度超标时能自行启动抽排系统，排出有毒气体，更换空气以保障人们的生命财产安全。抽排完毕后，系统自动回到实时检测状态。 2 设计总体方案 2.1 设计思路 利用QM—N5气敏传感器检测有毒气体，根据其工作原理构成一种气敏控制自动排气电路。电路由气体检测电路、电子开关电路、报警电路、和气体排放电路构成。当有害气体达到一定浓度时，QM—N5检测到有毒气体，元件两极电阻变的很小，继电器开关闭合，使得555芯片组成的多谐电路产生方波信号，驱动发光二极管间歇发光；同时LC179工作，驱使蜂鸣器间断发出声音；此时排气系统会开始抽排有毒气体。当气体被排出，浓度低于气敏传感器所能感应的范围时，电路回复到自动检测状态。
1、已知某一炉温控制系统，要求温度保持在600度恒定。针对该控制系统有以下控制经验： （1）若炉温低于600度，则升压；低的越多升压越高。（2）若炉温高于600度，则降压；高的越多降压越低。（3）若炉温等于600度，则保持电压不变。 设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。输入、输出变量的量化等级为7级，取5个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解：1）确定变量 定义理想温度为600℃，实际温度为T，则温度误差为E=600-T。 将温度误差E作为输入变量 2）输入量和输出量的模糊化 将偏差E分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将偏差E的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1所示。
表1 温度变化E划分表 控制电压u也分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将电压u的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。 表2 电压变化u划分表
表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB
2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零，超调量不大于1%，输出上升时间≤0.3s 。假定被控对象的传递函数分别为： 2 55 .01)1()(+=-s e s G s ) 456.864.1)(5.0(228 .4)(22+++= s s s s G 解： 在matlab 窗口命令中键入fuzzy ，得到如下键面： 设e 的论域范围为[-1 1]，de 的论域范围为[-0.1 0.1]，u 的论域范围为[0 2]。 将e 分为8个模糊集，分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB;
《智能控制》课程设计报告题目：采用BP网络进行模式识别院系： 专业： 姓名： 学号： 指导老师： 日期：年月日
目录 1、课程设计的目的和要求 (3) 2、问题描述 (3) 3、源程序 (3) 4、运行结果 (6) 5、总结 (7)
课程设计的目的和要求 目的：1、通过本次课程设计进一步了解BP网络模式识别的基本原理，掌握BP网络的学习算法 2、熟悉matlab语言在智能控制中的运用，并提高学生有关智能控制系统的程序设计能力 要求：充分理解设计容，并独立完成实验和课程设计报告 问题描述 采用BP网络进行模式识别。训练样本为3对两输入单输出样本，见表7-3。是采用BP网络对训练样本进行训练，并针对一组实际样本进行测试。用于测试的3组样本输入分别为1,0.1；0.5,0.5和 0.1,0.1。 表7-3 训练样本 说明：该BP网络可看做2-6-1结构，设权值wij，wjl的初始值取【-1，+1】之间的随机值，学习参数η=0.5，α=0.05.取网络训练的最终指标E=10^（-20），在仿真程序中用w1,w2代表wij，wjl，用Iout代表 x＇ｊ。 源程序 %网络训练程序
clear all; close all; xite=0.50; alfa=0.05; w2=rands(6,1); w2_1=w2;w2_2=w2; w1=rands(2,6); w1_1=w1;w1_2=w1; dw1=0*w1; I=[0,0,0,0,0,0]'; Iout=[0,0,0,0,0,0]'; FI=[0,0,0,0,0,0]'; k=0; E=1.0; NS=3; while E>=1e-020 k=k+1; times(k)=k; for s=1:1:NS xs=[1,0; 0,0; 0,1]; ys=[1,0,-1]'; x=xs(s,:); for j=1:1:6 I(j)=x*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end y1=w2'*Iout;
智能控制复习题 Document number：WTWYT-WYWY-BTGTT-YTTYU-2018GT
智能控制复习 第一章 选择题 1． 智能控制的概念首次由着名学者（ D ）提出 A 蔡自兴 B C D 傅京孙 2．经常作为智能控制典型研究对象的是 （ D ） A 智能决策系统 B 智能故障诊断系统 C 智能制造系统 D 智能机器人 3．解决自动控制面临问题的一条有效途径就是，把人工智能等技术用入自动控制系 统中， 其核心是 （ B ） A 控制算法 B 控制器智能化 C 控制结构 D 控制系统仿真 4．智能自动化开发与应用应当面向 （ C ） A 生产系统 B 管理系统 C 复杂系统 D 线性系统 5．不属于．．． 智能控制是 （ D ） A 神经网络控制 B 专家控制 C 模糊控制 D 确定性反馈控制 6．以下不属于智能控制主要特点的是 （ D ） A 具有自适应能力 B 具有自组织能力
C 具有分层递阶组织结构 D 具有反馈结构 7．以下不属于智能控制的是( D ) A 神经网络控制 B 专家控制 C 模糊控制 D 自校正调节器 第二章选择题 1．地质探矿专家系统常使用的知识表示方法为（ D ） A 语义网络 B 框架表示 C 剧本表示 D 产生式规则 2．自然语言问答专家系统使用的知识表示方法为（ B ） A 框架表示B语义网络 C 剧本表示 D 产生式规则 3．专家系统中的自动推理是基于（ C ）的推理。 A 直觉 B 逻辑 C 知识 D 预测 4．适合专家控制系统的是 （ D ） A 雷达故障诊断系统 B 军事冲突预测系统 C 聋哑人语言训练系统 D 机车低恒速运行系统 5．直接式专家控制通常由( B )组成 A 控制规则集、知识库、推理机和传感器 B 信息获取与处理、知识库、控制规则集和推理机 C 信息获取与处理、知识库、推理机和传感器 D 信息获取与处理、控制规则集、推理机和传感器 6．专家控制可以称作基于（ D ）的控制。
智能控制作业 学生： 学 号： 专业班级： 7-2 采用BP 网路、RBF 网路、DRNN 网路逼近线性对象 2) 1(1)1(9.0)1()(-+-?--=k y k y k u k y ，分别进行matlab 仿真。 （一）采用BP 网络仿真 网络结构为2-6-1。采样时间1ms ，输入信号)6sin(5.0)(t k u ?=π，权值21,W W 的初值随机取值，05.0,05.0==αη。 仿真m 文件程序为： %BP simulation clear all; clear all; xite=0.5; alfa=0.5; w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1; w2=rands(6,1); % value of w2,initially by random w2_1=w2;w2_2=w2_1; dw1=0*w1; x=[0,0]'; u_1=0; y_1=0; I=[0,0,0,0,0,0]'; % input of yinhanceng cell Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell FI=[0,0,0,0,0,0]'; ts=0.001; for k=1:1:1000 time(k)=k*ts;
u(k)=0.5*sin(3*2*pi*k*ts); y(k)=(u_1-0.9*y_1)/(1+y_1^2); for j=1:1:6 I(j)=x'*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end yn(k)=w2'*Iout; %output of network e(k)=y(k)-yn(k); % error calculation w2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2 for j=1:1:6 FI(j)=exp(-I(j))/(1+exp(-I(j))^2); end for i=1:1:2 for j=1:1:6 dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation end end w1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1 % jacobian information yu=0; for j=1:1:6 yu=yu+w2(j)*w1(1,j)*FI(j); end dyu(k)=yu; x(1)=u(k); x(2)=y(k); w1_2=w1_1;w1_1=w1; w2_2=w2_1;w2_1=w2; u_1=u(k); y_1=y(k); end figure(1); plot(time,y,'r',time,yn,'b'); xlabel('times');ylabel('y and yn');