一、填空题
1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成
2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 1
3、神经网络的学习方式有导师监督学习、无导师监督学习
和灌输式学习
4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法
5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习
6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类
7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是
、和。
7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控
制系统
8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。
8、不确定性、高度的非线性、复杂的任务要求
9．智能控制系统的主要类型有、、、
、和。
9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统
10．智能控制的不确定性的模型包括两类：(1) ；
(2) 。
10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。
12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机
14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据
15．专家系统的推理机可采用的3种推理方式为 推理、 和 推理。 15、正向推理、反向推理和双向推理 16．根据专家控制器在控制系统中的功能，其可分为 和 。
16、直接型专家控制器、间接型专家控制器 17．普通集合可用 函数表示,模糊集合可用 函数表示。特征、隶属 18．某省两所重点中学在(x 1~x 5)五年高考中，考生“正常发挥”的隶属函数分别为0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。则在研究该省重点中学高考考生水平发挥的状况时，论域应为X = ，若分别用A %、B %
表示两个学校考试“正常发挥”的状况，则用序偶表示法分别表示为
A =%
，B =%
；
“未正常发挥”模糊子集（用行向量表示）分别为 和 ；而该省两所重点中学每年高考考生
“正常发挥”的模糊子集应该是 （用Zadeh 法表示）。{}12345,,,,X x x x x x =，{}12345(,0.85),(,0.93),(,0.89),(,0.91),(,0.96)A x x x x x =:
{}12345(,0.92),(,0.96),(,0.87),(,0.93),(,0.94)B x x x x x =:
[0.15,0.07,0.11,0.09,0.04]A =:
，[0.08,0.04,0.13,0.07,0.06]B =:
12345
0.850.930.870.910.94
x x x x x ++++ 19.确定隶属函数的方法大致有 、 和 。 19、模糊统计法 主观经验法 神经网络法 20．在模糊控制中应用较多的隶属函数有6种，它们分别为高斯型隶属函数、 、 、 、 和 。
20、广义钟形隶属函数 S 形隶属函数 梯形隶属函数 三角形隶属函数 Z 形隶属函数 21．在天气、学问、晴朗、表演和渊博中可作为语言变量值的有 和 。 21、晴朗、渊博
23．模糊控制是以 、 、和 为基础的一种智能控制方法。模糊集理论，模糊语言变量，模糊逻辑推理 24．模糊控制的数学基础为 。24、模糊集合
25．模糊控制中，常用的语言变量值用2PM
,±PS ,2NM ,2NO 等表示,其中2PM 代表 , 2NO
代表 。25、正中、负零 26. 在模糊控制中，模糊推理的结果是 量。26、模糊 27. 在模糊控制中，解模糊的结果是 量。确定量
28. 基本模糊控制器的组成包括知识库以及 、 和 。 模糊化接口、推理机、解模糊接口
29. 在模糊控制中，实时信号需要 才能作为模糊规则的输入，从而完成模糊推理。
29、模糊化
30．模糊控制是建立在基础之上的，它的发展可分为三个阶段，分别为、、和。
30、人工经验模糊数学发展和形成阶段产生了简单的模糊控制器高性能模糊控制阶段31．模糊集合逻辑运算的模糊算子为、和。
31、交运算算子并运算算子平衡算子
32．在温度、成绩、暖和、口才和很好中可作为语言变量值的有和
32.暖和、很好
33．在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。
33、暖和、中年人和比较好
34．在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。
34.寒冷、偏高
35. 模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列
以“”形式表示的控制规则。
35、控制策略“IF条件THEN 作用”
36．神经网络的发展历程经历了4个阶段，分别为、、和。
36、启蒙期、低潮期、复兴期、新连接机制期
37．神经元由4部分构成，它们分别为、、和突触。
37、细胞体、树突、轴突
38．根据神经网络的连接方式，神经网络的３种形式为：、
和。38、前向网络反馈网络自组织网络
39．神经网络的3个要素为：、和。
39、神经元的特性拓扑结构学习规则
41.目前神经网络的学习算法有多种，按有无导师分类，可分为、
和。
41、有导师学习无导师学习再励学习
42.神经网络的研究主要分为3个方面的内容，即、和。
42.神经元模型、神经网络结构、神经网络学习算法
43.神经网络的学习过程主要由正向传播和反向传播两个阶段组成。
44．神经网络控制是将和相结合而发展起来的智能控制方法。神经网络，控制理论
45. 遗传算法的主要用途是。45、寻优（优化计算）
46．常用的遗传算法的染色体编码方法有二种，它们分别为实数编码和。
46、二进制编码
47.遗传算法的3种基本遗传算子、和。
47、比例选择算子单点交叉算子变异算子
48．遗传算法中，适配度大的个体有被复制到下一代。更多机会49. 遗传算法中常用的3种遗传算子（基本操作）为、、和。
49、复制、交叉和变异
二、简答题：
1. 试说明智能控制的的基本特点是什么？
（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。
（4）遗传算法（2分）
遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科. 遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。
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
制和运筹学交接如下表示：（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.
7．比较智能控制与传统控制的特点。
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。（2分）
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。
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？
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 : →[0,1] 确定了的一个模糊子集；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 ~
” 所决定的二元模糊关系为：
]~[]~~[~
~~E A B A R B
A ??=→Y （1分） （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 C ~” 所决定的二元模糊关系为：
]~~[]~~[~
~~C ??=→A B A R B
A Y （2分） （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：
[]
C B
A R ~~~~
1
??=T
18．人工神经网络有哪些主要的结构特征？
（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,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 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，具体略。
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)。
32. 简述基本遗传算法的构成要素。
（1）染色体编码方法，基本遗传算法使用固定长度的二进制来表示群体中的个体，其等位基因是由二值符号集{0，1}所组成的，其中个体的基因值可用均匀分布的随机值来生成。
(2)个体适应度评价，基本遗传算法与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体的概率多少。为正确计算这个概率必须先确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则；
(3)遗传算子，即选择运算、交叉运算和变异运算的基本遗传算子；
P和m P等参数。
(4)基本遗传算法的运行参数，即Ｍ、Ｇ、
c
33. 简述遗传算法的应用领域。
遗传算法的应用领域：（1）函数优化；（2）组合优化；（3）生产调度问题；（4）自动控制；（5）机器人；（6）图像处理；（７）人工生命（８）遗传编程（９）机器学习。
34. 简述基本遗传算法的特点。
见书P201页
35. 简述基本遗传算法的应用步骤。
（1）确定决策变量及各种约束条件,即确定出个体的表现型Ｘ和问题的解空间；
(2)建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法；（3）确定表示可行解的染色体编码方法，即确定出个体的基因型Ｘ及遗传算法的搜索空间；
(4)确定个体适应度的量化评价方法，即确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则；
(5)设计遗传算子，即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法；
P和m P等参数；
(6)确定遗传算法的有关运行参数，即Ｍ、Ｇ、
c
(7)确定解码方法，即确定出由个体表现型Ｘ到个体基因型x的对应关系或转换方法。
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
三、作图题
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
4π附近的e(t)是“正小”，只有当e(t)足够远离4
π时，我们才失去e(t)是“正小”的信心；（4分） （b ）我们相信
2π附近的e(t)是“正大”，而对于远离2
π的e(t)我们很快失去e(t)是“正大”的信心；（4分） （c ）随着e(t)从
4π向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从4
π
向右移动，我们较慢失去e(t)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
2π附近的e(t)是“正小”，只有当e(t)足够远离2
π时，我们才失去e(t)是“正小”的信心；（4分） （b ）我们相信
3π附近的e(t)是“正大”，而对于远离3
π的e(t)我们很快失去e(t)是“正大”的信心；（4分）
（c ）随着e(t)从
6π向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从6
π
向右移动，我们较慢失去e(t)是“正小”的信心。（4分）
)
.
)
.
(a) (b)
3.论域X=[0，100]上的模糊集合°A 代表“偏大”，在[0，80]区间上°()0.0125A x x =，在（80，100]区间上°
()1A x =。 （1）写出°
A 的隶属度函数的解析表达式 （2）画出°
A 的隶属度函数曲线 答 °
()A x =0.0125x 080x ≤≤ 1 80100x <≤
（2分） 图略（2分）
4.设实数论域X 上的模糊集°A “大约是5”采用高斯型隶属函数表示，其中参数
5c σ=
=
（1）写出°
A 的隶属度函数的解析表达式 （2分） （2）画出°
A 的隶属度函数曲线 （2分） 答（1） °
()A x =2
(5)x e -- （2分） （2） 图略（2分） 5.设实数论域X 上的模糊集°
A “大约是6”采用三角形隶属函数表示，其中参数a=3; b=6; C=8
（1）写出°
A 的隶属度函数的解析表达式 （2）画出°
A 的隶属度函数曲线
答 °0
33363()868208x x x A x x x x ≤??-?≤≤?=?-?≤≤??≥?
（2分） 图略（2分）
6. 画出以下两种情况的隶属函数图：
（a ）画出精确集合 {}42A x x ππ=≤≤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 {}82A x x ππ=≤≤的隶属函数图；（4分）
(a)
() 1 ?0 x u i
fuz x A i
otherwise
μ=???=????
(b)
(c)
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
语言变量值
－3 －2 －1 0 1 2 3
PB 0 0 0 O 0 0．5 1
PS 0 0 0 1 1 0．5 0
O O O 0．5 1 0．5 0 0
NS 0 0．5 1 l 0 0 0
NB 1 0．5 0 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。
8. 一个模糊系统的输入和输出的隶属函数如图1所示。试计算以下条件和规则的隶属函数：（a）规则1：If error is zero and chang-in-error is zero Then force is zero。均使用最小化操作表示蕴含(using minimum opertor)；（5分）
（b）规则2：If error is zero and chang-in-error is possmall Then force is negsmall。均使用乘积操作表示蕴含(using product opertor)；（5分）
假定当前的输入条件为：error= 0 , chang-in-error=/9
π
3．(a)
8
π
4
π
()()
,.
d
e t r a
d t
“zero”
“negsmall”
“neglarge”
-1
-2012
“possmall”“poslarge”
8
π
-
4
π
-
16
π
()()
,
u t N
“zero”
“negsmall”
“neglarge”
-1
-2012
“possmall”“poslarge”
30
20
10
-10
-20
-30
4
π
2
π()(,.
e t r a d
“zero”
“negsmall”
“neglarge”
-1
-2012
“possmall”“poslarge”
4
π
-
2
π
-
()
,N
(b)
()()
,
t N )
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）
假定当前的输入条件为：error= 0 , chang-in-error =/9π 3． (a)
).
)
()
,N
(b)
()()
,
t N )
10. 一个模糊系统的输入和输出的隶属函数如图1所示。试计算以下条件和规则的隶属函数：
（a ）规则1：If error is negsmall and chang-in-error is possmall Then force is zero 。 均使用最小化操作表示蕴含(using minimum opertor)；（5分）
(b) 规则2：If error is negsmall and chang-in-error is zero Then force is possmall 。均使用乘积操作表示蕴含(using product opertor)；（5分）
假定当前的输入条件为：error= /4π- , chang-in-error =/16π (a)略 (b)略
四、计算题
).
)
1. 设论域12345{,,,,}U u u u u u =，且 123450.20.40.910.5
A u u u u u =++++
1345
0.1
0.710.3
B u u u u =
+++
试求,,C A B A B A ??（补集），C B （补集）
12345
0.20.40.910.5
A B u u u u u ?=
++++
3分 1345
0.10.710.3
A B u u u u ?=+++
3分 1235
0.80.60.10.5
c
A
u u u u =
+++
2分 1235
0.910.30.7
c
B u u u u =+++
2分 2. 设有下列两个模糊关系:
试求出R1与R2的复合关系R1○R2
R1○R2=0.40.4
0.70.7???
???0.80.90.50.6??????
3. 设有下列两个模糊关系: R1=0.80.5??
?0.70.3??? R2=0.20.6???0.40.9?
?
?
试求出R1与R2的复合关系R1○R2
R1○R2=0.60.3??
?0.70.4?
??
4.已知子女与父母的相似关系模糊矩阵为
父 母
??
?
???=
6.03.03.08.0女子R 父母与祖父母的相似关系模糊矩阵为：
??
?
???=1.01.05.07.0母父S
求：子女与祖父祖母的相似关系模糊矩阵。( 4 分) 答0.70.50.30.3R S ??
=?
?
??
o 5 、设论域X=Y=｛1，2，3，4，5｝，X 、Y 上的模糊子集“大”、“小”、“较小”分别定义为：
0.40.71"345=
++大" 10.70.3"123=++小" 10.60.40.2
""1234
=+++
较小 已知：规则若x 小，则y 大
问题：当x=较小时，y=？(采用Mamdani 推理法)( 5 分)
答 000.40.71000.40.70.70
00.30.30.30000000000??
????
????
??????
00.40.71000.40.70.7[000.40.71]0
00.30.30.30000000000??
???
?
??=??
??????
o [1 0.6 0.4 0.2 0]
6. 设论域X =Y ={1,2,3,4,5}，以下为X 、Y 上的模糊集合
34.026.011""~
+
+==低A 41.032.023.011""~
1+++==较低A
5
140.8" "~
+==高B
设A ~=“低”则“高”=B ~，已知1~A ＝“较低”，问1~
B 如何?
答 R ~=)~()~
~(E A B A ??Y
祖父 祖母
?????
??
?????????=004.06.01]18.0000[Y ?????
??
?
????????116.04.00]11111[ ???
??
??
?
????????????????????????=11111111116.06.06.06.06.04.04.04.04.04.0000000000
000004.04.00006.06.000018.000
Y
?????
??
?????????=11111111116.06.06.06.06.06.06.04.04.04.018.0000
R A B ~~~
11ο=
7 、对于一个系统，当输入A 时，输出为B ，否则为C,且有：
3211.05.01u u u A ++=
3213
.06.07.0v v v B ++=
3
219.07.06.0v v v C ++=
已知当前输入123
0.310.5
'A u u u =
++。求输出D 。( 5 分) 答()0.70.60.30
000.70.60.30.50.50.30.50.50.50.50.50.50.10.10.10.60.70.90.60.70.9R A B A C -
???????? ? ???=??== ? ? ????? ? ?????????
U U
'
[0.5
0.50.5]D R A =
=o
8. 设模糊集合A 、B 和C 的论域分别为：X=
{}321,,a a a ，Y={}321,,b b b 和Z={}21,c c ，且
0.510.1123A a a a =
++,0.110.6123B b b b =++,0.4112C c c =+。试确定”IF A and B then C ”所决
定的模糊关系R ，以及输入为
1.00.1113A a a =
+,0.10.51
1123B b b b =++时的输出C1
答 0.50.10.50.51[0.110.6]0.1 1.00.60.10.10.10.1A B ????
????== ???
???????
o 1
0.10.40.40.10.40.40.10.10.1()[0.41][
]0.10.50.50.110.60.10.10.1
T T
R A B =?=o 10.10.51110[0.10.51]0000.10.10.10.1A B ????
????== ???
???????
o C1=2((11)[0.40.5]T A B R ?=o
9.已知10.512A x x =
+,0.10.51123B y y y =++,0.21
12
C z z =+。试确定”IF A and B then C ”所决定的模糊关系R ，以及输入为0.80.1
112
A x x =
+
,0.50.201123B y y y =++时的输出C1。 答0.10.510.10.50.5A B ??
?=??
??
0.10.10.20.50.2
1()[0.21]0.10.10.20.50.2
0.5L R A B ????????=?=?
?????????
o C1=((11))[0.20.2]L T A B R ?=o
一、填空题 1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成 2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 1 3、神经网络的学习方式有导师监督学习、无导师监督学习 和灌输式学习 4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法 5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习 6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控 制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、 、和。 9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类：(1)； (2)。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、 和。知识库的设计推理机的设计人机接口的设计 13．专家系统的核心组成部分为和。知识库、推理机 14．专家系统中的知识库包括了3类知识，它们分别为、、 和。判断性规则控制性规则数据
模糊神经网络技术研究的现状及展望 摘要：本文对模糊神经网络技术研究的现状进行了综述，首先介绍了模糊控制技术和神经网络技术的发展，然后结合各自的特点讨论了模糊神经网络协作体的产生以及优越性，接着对模糊神经网络的常见算法、结构确定、规则的提取等进行了阐述，指出了目前模糊神经网络的研究发展中还存在的一些问题，并对模糊神经网络的发展进行了展望。 关键字：模糊控制；神经网络；模糊神经网络 引言 系统的复杂性与所要求的精确性之间存在尖锐的矛盾。为此，通过模拟人类学习和自适应能力，人们提出了智能控制的思想。控制理论专家Austrom（1991）在IFAC大会上指出：模糊逻辑控制、神经网络与专家控制是三种典型的智能控制方法。通常专家系统建立在专家经验上，并非建立在工业过程所产生的操作数据上，且一般复杂系统所具有的不精确性、不确定性就算领域专家也很难把握，这使建立专家系统非常困难。而模糊逻辑和神经网络作为两种典型的智能控制方法，各有优缺点。模糊逻辑与神经网络的融合——模糊神经网络由于吸取了模糊逻辑和神经网络的优点，避免了两者的缺点，已成为当今智能控制研究的热点之一了。 1 模糊神经网络的提出 模糊集理论由美国著名控制论专家L.A.Zadeh于1965年创立[1]。1974年，英国著名学者E.H.Mamdani将模糊逻辑和模糊语言用于工业控制，提出了模糊控制论。至今，模糊控制已成功应用在被控对象缺乏精确数学描述及系统时滞、非线性严重的场合。 人工神经网络理论萌芽于上世纪40年代并于80年代中后期重掀热潮，其基本思想是从仿生学的角度对人脑的神经系统进行功能化模拟。人工神经网络可实现联想记忆，分类和优化计算等功能，在解决高度非线性和严重不确定系统的控制问题方面，显示了巨大的优势和潜力 模糊控制系统与神经网络系统具有整体功能的等效性[2]，两者都是无模型的估计器，都不需要建立任何的数学模型，只需要根据输入的采样数据去估计其需要的决策：神经网络根据学习算法，而模糊控制系统则根据专家提出的一些语言规则来进行推理决策。实际上，两者具有相同的正规数学特性，且共享同一状态空间[3]。 另一方面，模糊控制系统与神经网络系统具有各自特性的互补性[。神经网络系统完成的是从输入到输出的“黑箱式”非线性映射，但不具备像模糊控制那样的因果规律以及模糊逻辑推理的将强的知识表达能力。将两者结合，后者正好弥补前者的这点不足，而神经网络的强大自学习能力则可避免模糊控制规则和隶属函数的主观性，从而提高模糊控制的置信度。 因此，模糊逻辑和神经网络虽然有着本质上的不同，但由于两者都是用于处理不确定性问题，不精确性问题，两者又有着天然的联系。Hornik和White(1989)证明了神经网络的函数映射能力[4]；Kosko(1992)证明了可加性模糊系统的模糊逼近定理(FAT，Fuzzy Approximation Theorem)[5]；Wang和Mendel(1992)、Buckley和Hayashi(1993)、Dubots 和Grabish(1993)、Watkins(1994)证明了各种可加性和非可加性模糊系统的模糊逼近定理[6]。这说明模糊逻辑和神经网络有着密切联系，正是由于这类理论上的共性，才使模糊逻辑
模糊神经网络（备课笔记） 参考书： 杨纶标，高英仪。《模糊数学原理及应用》（第三版），广 州：华南理工大学出版社 彭祖赠。模糊数学及其应用。武汉：武汉科技大学 胡宝清。模糊理论基础。武汉：武汉大学出版社 王士同。模糊系统、模糊神经网络及应用程序设计。 《模糊系统、模糊神经网络及应用程序设计》 本书全面介绍了模糊系统、模糊神经网络的基本要领概念与原理，并以此为基础，介绍了大量的应用实例及编程实现实例。 顾名思义，模糊神经网络就是模糊系统和神经网络的结合，本质上就是将常规的神经网络（如前向反馈神经网络，Hopfield神经网络）赋予模糊输入信号和模糊权值。 选自【模糊神经网络P17】 预备知识 复杂的东西是难以精确化的，这使得人们所需要的精确性和问题的复杂性间形成了尖锐的矛盾。 正如模糊数学的创始人L.A.Zadeh(查德)教授（美国加利福尼亚大学）所说：“当系统的复杂性增加时，我们使它精确化的能力将减小。直到达到一个阈值，一旦超越它，复杂性和精确性将相互排斥。”这就是著名的“互克性原理”。 该原理告诉我们，复杂性越高，有意义的精确化能力就越低；而复杂性意味着因素众多，以致人们往往不可能同时考察所有因素，只能把研究对象适当简化或抽象成模型，即抓住其中的主要部分而忽略掉次要部分。当在一个被压缩了的低维因素空间考虑问题时，即使本来是明确的概念，也会变得模糊起来。或者某些抽象简化模型本身就带有概念的不清晰，如“光滑铰链”这个力学模型，什么叫“光滑”、什么叫“粗糙”就没有一个明确的定义，客观上两者之间没有绝对分明的界限；主观上，决策者对此类非程序化决策做出判断时，主要是根据他的经验、能力和直观感觉等模糊概念进行决策的。 或者判断一个人的好坏，本来有很多因素，比如人品、性格、相貌
智能控制导论实验报告 2012-01-09 姓名：_______________ 常青_________ 学号：0815321002 班级：____________ 08自动化 指导老师：___________ 方慧娟________
实验一：模糊控制器设计与实现 一、实验目的 1. 模糊控制的特征、结构以及学习算法 2. 通过实验掌握模糊自整定PID 的工作原理 二、实验内容 已知系统的传递函数为：1/(10s+1)*e(-0.5s) 。假设系统给定为阶跃值r=30 ，系统初始值r0=0. 试分别设计 (1) 常规的PID 控制器； (2) 常规的模糊控制器； (3) 比较两种控制器的效果； (4) 当通过改变模糊控制器的比例因子时，系统响应有什么变化？ 三、实验设备 Matlab 7.0 软件/SIMULINK 四、实验原理 1.模糊控制 模糊逻辑控制又称模糊控制，是以模糊集合论，模糊语言变量和模糊逻辑推理为基础的一类计算机控制策略，模糊控制是一种非线性控制。图1-1 是模糊控制系统基本结构，由图可知模糊控制器由模糊化，知识库，模糊推理和清晰化(或去模糊化)四个功能模块组成。
控制的。其传递函数的形式是: G(s) k p(1 T I S T D S），PID控制原理 针对模糊控制器每个输入，输出，各自定义一个语言变量。因为对控制输出的判断，往往不仅根据误差的变化，而且还根据误差的变化率来进行综合评判。所以在模糊控制器的设计中，通常取系统的误差值e和误差变化率ec为模糊控制器的两个输入，则在e的论域上定义语言变量“误差 E ” ，在ec的论域上定义语言变量“误差变化EC ” ；在控制量u的论域上定义语言变量“控制量U”。 通过检测获取被控制量的精确值，然后将此量与给定值比较得到误差信号e，对误差取微分得到误差变化率ec,再经过模糊化处理把分明集输入量转换为模糊集输入量，模糊输入变量根据预先设定的模糊规则，通过模糊逻辑推理获得模糊控制输出量，该模糊输出变量再经过去模糊化处理转换为分明集控制输出量。 2.PID控制 在模拟控制系统中，控制器最常用的控制规律是PID控制。PID 控制器是一种线性控制器。它根据给定值与实际输出值之间的偏差来 框图如图1-2所示。
基于神经网络的仿真实验 一、实验目的 1．熟悉神经网络的结构、特征及学习算法 2．通过实验掌握利用神经网络进行样本学习与训练的方法。 3．通过实验了解神经网络的结构、权值、学习速率、动量因子对控制效果的影响。 4．通过实验掌握用Matlab 实现神经网络控制系统仿真的方法 二、实验内容 1．给出仿真系统的设计过程和程序清单。 2．记录实验数据和曲线 三、实验步骤 1．在Matlab 下依据原理编写仿真程序并调试。 2．给定输入信号，或训练样本，运行程序，记录实验数据和控制曲线 3．修改神经网络结构参数，如权值、学习速率、动量因子、隐含层神经元个数等，重复步骤（2） 四、实验要求 1. 使用BP 网络逼近对象： 采样时间取2ms,输入信号为u(k)=2sin(10πt),神经网络为3-10-2结构,权值W1,W2的初始取值取[-1,+1]之间的随机值,取η=0.80,α=0.06。 2．取标准样本为3 神经网络为3-12-2结构,权值的初始取值取[-1,+1]之间的随机值,取η =0.70,α=0.05，训练最终目标为 。 3．被控对象为 输入指令为一方波信号：))4sgn(sin(8.0)(t k rin π=,采样时间为1ms ，η=0.60，采用有监督Hebb 学习实现权值的学习，初始权值取 [][]2.0,15.015.015.0321===K w w w W 五、实验程序 1.clear all; 清除所有文件； close all; 关闭所有已开文件； xite=0.80; 惯性系数为0.8； alfa=0.06; 学习速率为0.06； w2=rands(6,1); 初始化隐含层与输出层6行1列的权值矩阵； s t k y k y k u k yout 5.0) 1(1)1()()(2 3 ≤-+-+=) 2(632.0)1(10.0)2(26.0)1(368.0)(-+-+-+-=k u k u k y k y k y 1010-=E
智能控制题库
1. 试说明智能控制的的基本特点是什么？ （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、自动控制和运筹学交接如下表示：（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
BP神经网络 BP (Back Propagation)神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。 如图所示拓扑结构的单隐层前馈网络，一般称为三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，够成具有层次结构的前馈型神经网络系统。单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络。 在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 神经网络 神经网络是： 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 （2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。 （3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。 （4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。 纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。 【人工神经网络的工作原理】 人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。 所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。
一、选择题 1、蔡自兴教授提出智能控制系统的四元结构,认为智能控制就是人工智能、控制理论、系统理论与运筹学四种学科的交叉。 2、专家就是指在某一专业领域内其专业知识与解决问题的能力达到很高水平的学者。 3、专家系统中的知识按其在问题求解中的作用可分为三个层次,即数据级、知识库级与控制级。 4、不确定性知识的表示有三种:概率、确定性因子与模糊集合。 5、Hebb学习规则就是一种无教师的学习方法,它只根据神经元连接间的激活水平改变权值,因此这种方法又称为相关学习与并联学习。 6、交叉运算就是两个相互配对的染色体按某种方式相互交换其部分基因,从而形成两个新的个体。 二、判断题 1、IEEE控制系统协会把智能控制归纳为:智能控制系统必须具有模拟人类学习与自适应的能力。( T ) 2、不精确推理得出的结论可能就是不确定的,但会有一个确定性因子,当确定性因子超过某个域值时,结论便不成立。( F ) 3、一般的专家系统由知识库、推理机、解释机制与知识获取系统等组成。( T ) 4、人机接口就是专家系统与领域专家、知识工程师、一般用户间进行交互的界面,由一组程序及相应的硬件组成,用于完成知识获取工作。( F ) 5、Hopfield神经网络就是反馈神经网络中最简单且应用广泛的模型,它具有联想记忆的功能。( F ) 6、知识就是将有关的信息进一步关联在一起,形成了更高层次含义的一种信息结构,信息与关联就是构成知识的两个基本要素。( T ) 7、建造知识库涉及知识库建造的两项主要技术就是知识获取与知识存放。( F ) 8、模糊控制系统往往把被控量的偏差(一维)、偏差变化(二维)以及偏差的变化率(三维) 作为模糊控制器的输入。( T ) 9、RBF网络的学习过程与BP网络的学习过程就是类似的,两者的主要区别在于使用了相同的激励函数。( F ) 10、应用遗传算法求解问题时,在编码方案、适应度函数及遗传算子确定后,算法将利用进化过程中获得的信息自信组织搜索。( T ) 三、简答题 1、分别说明专家系统与专家控制系统？ 答:专家系统就就是利用存储在计算机内的某一特定领域内人类专家的知识,来解决过去需要人类专家才能解决的现实问题的计算机系统。专家控制就是将人工智能领域的专家系统理论与技术与控制理论方法与技术相结合,仿效专家智能,实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统。 2、人工神经网络中两种典型的结构模型就是什么？它们进行学习时具有哪些特点？ 答:两种典型的结构模型就是前馈神经网络与反馈神经网络。前馈神经网络有感知器与BP 网络等;主要采用 学习规则,这就是有教师学习方法。反馈神经网络有Hopfield神经网络、Boltzmann机网络等;主要采用Hebb学习规则,概率式学习算法。 3、应用遗传算法计算时,设计编码的策略与编码评估准则(即编码原则)就是什么？ 答:设计编码策略:(1)完备性(2)健全性(3)非冗余性 编码评估准则,即编码原则:(1)有意义基因块编码规则(2)最小字符集编码原则。
一、填空题 1．智能控制是一门新兴的交叉学科学科，它具有非常广泛的应用领域，例如在机器人控制中的应用、在过程控制中的应用、飞行器控制和。 1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制 2．传统控制包括经典反馈控制和现代理论控制。 3．一个理想的智能控制系统应具备的基本功能是、、和。 3 、学习功能适应功能自组织功能优化能力 4．智能控制中的三元论指的是：、和。 4、运筹学，人工智能，自动控制 5．近年来，进化论、、和等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。 5、神经网络模糊数学专家系统 6．智能控制方法比传统的控制方法更能适应对象的、和 。6、时变性非线性不确定性 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是 、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控 制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、、和。 9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类：(1) ； (2) 。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机 14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据 15．专家系统的推理机可采用的3种推理方式为推理、和推理。 15、正向推理、反向推理和双向推理 16．根据专家控制器在控制系统中的功能，其可分为和。
智能控制大作业报告 模糊部分 姓名： 学号： 专业： 2011年06月03日
题目：已知()() 0.52 50.528s G e s s s -= +++，分别设计PID 控制与模糊 控制，使系统达到较好性能，并比较两种方法的结果。 PID/FC G(s) y r _ e 具体要求： 1、采用Fuzzy 工具箱实现模糊控制器。 2、分析量化因子和比例因子对模糊控制器控制性能的影响。 3、分析系统阶数发生变化时模糊控制和PID 控制效果的变化。 4、分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)、抗非线性能力(加死区和饱和特性)以及抗时滞的能力(对时滞大小加以改变)。
一 原系统仿真分析 原系统是一个带有时滞环节的三阶系统，系统的三个极点均在s 域左半平面，系统是稳定的。利用Matlab/Simulink 工具箱搭建系统框图，对原系统进行阶跃响应分析。 原系统框图如图1 所示： 图1 原系统框图 设定仿真时间为10秒，其它为默认设置，运行程序，可以得到如图2所示仿真结果。 012345678910 0.1 0.2 0.3 0.4 0.5 0.6 0.7 t/s 原系统阶跃响应 图2 原系统阶跃响应曲线
由图可以看出，原系统是稳定的，但是稳态误差比较大。 二 PID控制器设计 根据上述仿真分析，可以知道系统性能比较差，因此设计初步设计PID控制器以在一定程度上改善系统性能。PID参数的整定采用尝试的方法，遵循先比例后积分再微分的整定顺序，达到保持两个周期、前后超调比约为1:4的理想响应波形。 带PID控制器的系统框图如图3所示： 图3 PID控制系统框图 其中PID控制器参数如图4所示： 图4 PID参数设置
《智能控制技术》实验报告书 学院： 专业： 学号： 姓名：
实验一：模糊控制与传统PID控制的性能比较 一、实验目的 通过本实验的学习，使学生了解传统PID控制、模糊控制等基本知识，掌握传统PID控制器设计、模糊控制器设计等知识，训练学生设计控制器的能力，培养他们利用MATLAB进行仿真的技能，为今后继续模糊控制理论研究以及控制仿真等学习奠定基础。 二、实验内容 本实验主要是设计一个典型环节的传统PID控制器以及模糊控制器，并对他们的控制性能进行比较。主要涉及自控原理、计算机仿真、智能控制、模糊控制等知识。 通常的工业过程可以等效成二阶系统加上一些典型的非线性环节，如死区、饱和、纯延迟等。这里，我们假设系统为：H(s)=20e0.02s/(1.6s2+4.4s+1) 控制执行机构具有0.07的死区和0.7的饱和区，取样时间间隔T=0.01。 设计系统的模糊控制，并与传统的PID控制的性能进行比较。 三、实验原理、方法和手段 1.实验原理： 1)对典型二阶环节，根据传统PID控制，设计PID控制器，选择合适的PID 控制器参数k p、k i、k d； 2)根据模糊控制规则，编写模糊控制器。 2.实验方法和手段： 1)在PID控制仿真中，经过仔细选择，我们取k p=5，k i=0.1，k d=0.001； 2)在模糊控制仿真中，我们取k e=60，k i=0.01，k d=2.5，k u=0.8； 3)模糊控制器的输出为：u= k u×fuzzy(k e×e, k d×e’)－k i×∫edt 其中积分项用于消除控制系统的稳态误差。 4)模糊控制规则如表1-1所示： 在MATLAB程序中，Nd用于表示系统的纯延迟（Nd=t d/T）,umin用于表示控制的死区电平，umax用于表示饱和电平。当Nd=0时，表示系统不存在纯延迟。 5)根据上述给定内容，编写PID控制器、模糊控制器的MATLAB仿真程序，
江西理工大学研究生考试试卷 专业学号姓名 一、填空题（每空 1 分，共20分） 1、神经网络的学习算法分为有有导师学习、无导师学习和再励学习 2、神经网络控制器可分为两类：神经控制和神经网络的控制 3、确定隶属函数的方法大致有模糊统计法、主观经验法和神经网络法 4、反模糊化的方法有三种：最大隶属度法、中心法和加权平均法 5、神经网络控制器按照结构分类有监督控制、直接逆控制、模型参考控制、内膜控制、 自适应线性控制和最优决策控制 6、神经元由树突、轴突和细胞体三部分构成。 二、简答题：（每题 5 分，共30 分） 1．有哪些比较有名和重要的人工神经网络及其算法？ 自适应线性神经网络—1962年由美国斯坦福大学教授Berhard Widrow 提出的自适应线性元件网络，它是一个由输入层和输出层构成的单层前馈型网络。它采用LMS算法来调整网络的权值和阈值。 BP神经网络—1986年D.E.Rumelhart和J.L.MClelland提出了一种利用误差反向传播训练算法的神经网络，是一种有隐含层的多层前馈网络。BP学习算法的基本原理是梯度最速下降法，它的中心思想是调整权值使网络总误差最小。 径向基神经网络—1985年Powell提出了多变量插值的径向基函数方法。1988年，Broomhead 和Lowe首先将RBF应用于神经网络设计，从而构成了RBF神经网络。RBF算法的基本原理是一种局部逼近的神经网络。
2、画出模糊控制原理框图。 3．BP算法的优缺点 BP算法的优点：1.只要有足够多的隐含层和隐节点，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的方法，因而它具有较好的泛化能力。 BP算法的缺点：1.收敛速度慢。2.局部极值。3.难以确定隐含层和隐节点的个数。 从原理上，只要有足够多的隐含层和隐节点，即可实现复杂的映射关系，但是如何根据特定的问题来具体确定结构尚无很好的方法，人需要凭借经验和试凑。BP网络能够实现输入输出的非线性映射关系，但它并不依赖于模型。其输入与输出之间的关联信息分布地储存于连接权中。由于连接权的个数很多，个别神经元的损坏只对输入输出关系有较小的影响，因此BP网络显示了较好的容错性。 4．考虑论域U={1,2,3,4,5,6,7,8,9,10}和模糊集F：“远大于1的整数”。用模糊集合的三种形式表示F。 Zadeh表示法。用论域中的元素x i与其隶属度μA（x i）按下式表示F，则（假设认为5及以上） F=μA（x1）/1+μA（x2）/2+…+μA（x10）/10=μA（x5）/5+μA（x6）/6+μA（x7）/7+μA（x8）/8+μA（x9）/9+μA（x10）/10 序偶表示法。用论域中的元素x i与其隶属度μA（x i）按下式表示F，则 F={（1，μA（x1）），（2，μA（x2）），…，（10，μA（x10））}={（5，μA（x5）），（6，μA（x6）），（7，μA（x7）），（8，μA（x8）），（9，μA（x9）），（10，μA（x10））} 向量表示法。用论域中的元素x i与其隶属度μA（x i）按下式表示F，则 F=[μA（x1）μA（x2）… μA（x10）]=[ μA（x5）μA（x6）μA（x7）μA（x8）μA（x9）μA（x10）] 5．神经网络用于控制的优越性主要表现在哪些方面？ （1）神经网络可是处理那些难以用模型或规则描述的对象； （2）神经网络采用并行分布式信息处理方式，具有很强的容错性； （3）神经网络在本质上是非线性系统，可以实现任意非线性映射。神经网络在非线性控制系统中具有很大的发展前途； （4）神经网络具有很强的信息综合能力，它能够同时处理大量不同类型的输入，能够很好地解决
神经网络与模糊控制考试题及答案
一、填空题 1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机 组成 2、一个单神经元的输入是1.0 ，其权值是1.5，阀值是-2，则其激活函数的净输入是 -0.5 ，当激活函数是阶跃函数，则神经元的输出是 1 3、神经网络的学习方式有导师监督学习、无导师监督学习 和灌输式学习 4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法 5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习 6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参 与的自主控制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、 、和。
9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学 习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类： (1) ； (2) 。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内 变化。 11．控制论的三要素是： 信息 、 反馈 和 控制 。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别 是 、 和 。知识库的设计 推理机的设计 人机接口的 设计 13．专家系统的核心组成部分为 和 。知识库、推理机 14．专家系统中的知识库包括了3类知识，它们分别为 、 、 和 。判断性规则 控制性规则 数据 15．专家系统的推理机可采用的3种推理方式为 推理、 和 推理。 15、正向推理、反向推理和双向推理 16．根据专家控制器在控制系统中的功能，其可分为 和 。 16、直接型专家控制器、间接型专家控制器 17．普通集合可用 函数表示,模糊集合可用 函数表示。特征、隶属 18．某省两所重点中学在(x 1~x 5)五年高考中，考生“正常发挥”的隶属函数分别 为0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。则在研究该 省重点中学高考考生水平发挥的状况时，论域应为X = ，若分 别用A %、B %表示两个学校考试“正常发挥”的状况，则用序偶表示法分别表示为A =% ，B =% ；“未正常发挥”模糊子集（用行向量表示）分别为 和 ； 而该省两所重点中学每年高考考生“正常发挥”的模糊子集应该是 （用Zadeh 法表示）。{}12345,,,,X x x x x x =，{}12345(,0.85),(,0.93),(,0.89),(,0.91),(,0.96)A x x x x x =: {}12345(,0.92),(,0.96),(,0.87),(,0.93),(,0.94)B x x x x x =: [0.15,0.07,0.11,0.09,0.04]A =:，[0.08,0.04,0.13,0.07,0.06]B =:
智能控制BP算法神经网络训练 采用“提前停止”方法提高BP 网络的推广能力。 我们将采用训练函数traingdx 和“提前停止”相结合的方法来训练BP 网络，以提高BP 网络的推广能力。 解：在利用“提前停止”方法时，首先应分别定义训练样本、验证样本或测试样本，其中，验证样本是必不可少的。在本例中，我们只定义并使用验证样本，即有验证样本输入矢量：val.P = [-0.975:.05:0.975] ，验证样本目标矢量：val.T = sin(2*pi*val.P)+0.1*randn(size(val.P)) 值得注意的是，尽管“提前停止”方法可以和任何一种BP 网络训练函数一起使用，但是不适合同训练速度过快的算法联合使用，比如trainlm 函数，所以我们采用训练速度相对较慢的变学习速率算法traingdx 函数作为训练函数。 本例的MATLAB 程序如下： close all clear echo on clc % NEWFF——生成一个新的前向神经网络 % TRAIN——对BP 神经网络进行训练 % SIM——对BP 神经网络进行仿真 pause % 敲任意键开始 clc % 定义训练样本矢量 % P 为输入矢量 P = [-1:0.05:1]; % T 为目标矢量 randn('seed',78341223); T = sin(2*pi*P)+0.1*randn(size(P)); % 绘制训练样本数据点 plot(P,T,'+'); echo off hold on; plot(P,sin(2*pi*P),':'); % 绘制不含噪声的正弦曲线 echo on clc pause clc
模糊控制系统的发展现状 一、模糊控制系统简介 模糊控制系统是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制技术。1965年美国的扎德创立了模糊集合论, 1973 年, 他给出了模糊逻辑控制的定义和相关的定理。1974 年英国的Mamdani 首先用模糊控制语句组成模糊控制器,并把它用于锅 炉和蒸汽机的控制, 在实验室获得成功, 这一开拓性的工作标志着 模糊控制论的诞生。 模糊控制系统主要是模拟人的思维、推理和判断的一种控制方法, 它将人的经验、常识等用自然语言的形式表达出来, 建立一种适用于计算机处理的输入输出过程模型, 是智能控制的一个重要研究领域。从信息技术的观点来看, 模糊控制是一种基于规则的专家系统。从控制系统技术的观点来看, 模糊控制是一种普遍的非线性特征域控制器。 相对传统控制, 包括经典控制理论与现代控制理论。模糊控制能避开对象的数学模型(如状态方程或传递函数等) , 它力图对人们关 于某个控制问题的成功与失败和经验进行加工, 总结出知识, 从中 提炼出控制规则, 用一系列多维模糊条件语句构造系统的模糊语言 变量模型, 应用CRI 等各类模糊推理方法,可以得到适合控制要求的 控制量, 可以说模糊控制是一种语言变量的控制。 模糊控制具有以下特点: (1) 模糊控制是一种基于规则的控制。它直接采用语言型控制规
则, 出发点是现场操作人员的控制经验或相关专家的知识, 在设计中不需要建立被控对象的精确数学模型, 因而使得控制机理和策略易于接受与理解, 设计简单, 便于应用; (2) 由工业过程的定性认识出发, 比较容易建立语言控制规则, 因而模糊控制对那些数学模型难以获取、动态特性不易掌握或变化非常显著的对象非常适用; (3) 基于模型的控制算法及系统设计方法, 由于出发点和性能指标的不同, 容易导致较大差异; 但一个系统的语言控制规则却具有相对的独立性, 利用这些控制规律间的模糊连接, 容易找到折中的选择, 使控制效果优于常规控制器; (4) 模糊控制算法是基于启发性的知识及语言决策规则设计的, 这有利于模拟人工控制的过程和方法, 增强控制系统的适应能力, 使之具有一定的智能水平; (5) 模糊控制系统的鲁棒性强, 干扰和参数变化对控制效果的影响被大大减弱, 尤其适合于非线性、时变及纯滞后系统的控制。 除此, 模糊控制还有比较突出的两个优点: 第一, 模糊控制在许多应用中可以有效且便捷地实现人的控制 策略和经验; 第二, 模糊控制可以不需被控对象的数学模型即可实现较好的 控制, 这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。 模糊控制也有缺陷, 主要表现在: 1) 精度不太高; 2) 自适应能力有
智能控制与应用实验报告 模糊控制器设计
一、 实验内容 考虑一个单连杆机器人控制系统，其可以描述为： 0.5sin()Mq mgl q y q τ +== (1) 其中 2 0.5M kgm =为杆的转动惯量，1m kg =为杆的质量，1l m =为杆长， 29.8/g m s =，q 为杆的角位置，q 为杆的角速度，q 为杆的角加速度，τ为系统 的控制输入。 实验具体要求： 1. 分别采用fuzzy 工具箱设计模糊控制器跟踪期望的角位置信号。 2. 分析量化因子和比例因子对模糊控制器控制性能的影响。 3. 分析系统在模糊控制和PID 控制作用下的抗干扰能力(加噪声干扰)和抗 非线性能力（加死区和饱和特性）。 4. 为系统设计模糊PID 控制器。 二、 对象模型建立 根据公式(1)，令状态量 121 =,x q x x =得到系统状态方程为： 12121 0.5**sin() x x mgl x x M y x τ=-= = (2) 由此建立单连杆机器人的模型如图1所示。 图1 单连杆机器人模型
三、模糊控制算法实现及仿真 本次实验设计一个二维模糊控制器，令误差* =-，误差变化 E q q =，模糊控制器输出语言变量为U。 EC E 1)三个变量E、EC和U的模糊词集为： ﹛NB,NM,NS,ZO,PS,PM,PB﹜ 模糊论域为： E和EC：{-6,-5,-4,-3,-2,-1,0, 1, 2, 3, 4, 5, 6} U:{-7,-6,-5,-4,-3,-2,-1, 0, 1, 2, 3, 4, 5, 6, 7} 2)模糊控制规则为： 表1 模糊控制规则表 3)确定E,EC和U的控制表 4)建立模糊控制表 5)建立SIMULINK模型 在Matlab/Simulink中建立单连杆机器人模糊控制系统模型如图2所示：
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： 0.30.810.50.1 12345 C=++++ ----- .试用重心
201*级硕士期末论文《智能控制学习心得》 课程智能控制 姓名******* 学号********** 专业************** 201*年*月**日
智能控制学习心得 这学期在老师的带领下，学习了智能控制课程。其中深入学习了启发式学习，专家系统，模糊控制，神经网络等内容。老师的教学方式很开放，打破了原来单纯老师讲学生听的旧传统，要求大家通过自己做课件，提高学习的自主性，对智能控制能够有更深入的了解。 当然自己做的课件也有不明白，讲不懂的地方，老师用他渊博的知识给我们把细节进行深入讲解，大家学得津津有味，对课程内容的，理解也更加深刻。通过智能控制的学习，不单单学习了新的内容，对以前的知识也做到了查漏补缺，老师深入讲解了PID控制和为什么系统要研究动态稳定性等问题，还举了通俗易懂的例子，介绍了系统辨识与自适应是怎么一会儿事。 由于我当时的作业做的事模糊控制相关的内容，所以这次心得主要介绍模糊控制的内容。 1.1模糊控制介绍 模糊控制是以模糊数学理论，及模糊集合论、模糊语言变量及模糊逻辑推理等作为理论基础，以传感器技术、计算机技术和自动控制理论作为技术基础的一种新型自动控制理论和控制方法。模糊控制是控制理论发展的高级阶段的产物，属智能控制的范畴，而且也是人工智能控制的一种新类型。 模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略抑郁接受与理解，设计简单，便于应用。基于模糊原理的模糊系统具有万能逼近的特点。 相比于常规控制办法，模糊控制有以下几点优势： （1）模糊控制是在操作人员经验控制基础上实现对系统的控制，无需建立精确的数学模型，是解决不确定系统的有效途径之一； （2）模糊控制具有很强的鲁棒性，被控对象参数的变化对模糊控制的影响不大，可用于非线性、时变、时滞的系统，并能获得很好的控制效果； （3）由离散计算得到的控制查询表，提高了控制系统的实时性、快速性； （4）控制机理符合人们对过程控制作用的直观描述和思维逻辑，是人工智能的