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。
4．把智能控制看作是AI(人工智能)、OR(运筹学)、AC(自动控制)和IT(信息论)的交集，其根据和内涵是什么?
答：智能控制具有明显的跨学科特点，在最早傅金孙提出的二元论中，智能控制系统被认为是自动控制与人工智能的交互作用，随着认识的深入，萨瑞迪斯提出运筹学融入智能控制而提出三元结构，蔡自兴教授提出将信息论引入智能控制，其依据在于：信息论是解释知识和智能的一种手段；控制论、信息论和系统论是紧密相连的；信息论已经成为控制智能机器的工具；信息论参与智能控制的全过程并对执行级起到核心作用，因此最终确定了智能控制的四元结构。 5．智能控制有哪些应用领域？试举出一个应用实例，并说明其工作原理和控制性能。
答：智能控制应用于机器人、汽车、制造业、水下和陆地自助式车辆、家用电器、过程控制、电子商务、医疗诊断、飞行器、印刷、城市铁路、电力系统等领域。例如焊接机器人其基本工作原理是示教再现，即由用户导引机器人，一步步按实际任务操作一遍，机器人在导引过程中自动记忆示教的每个动作的位置、姿态、运动参数、焊接参数等，并自动生成一个连续执行全部操作的程序。完成示教后，只需给机器人一个起动命令，机器人将精确地按示教动作，一步步完成全部操作，实际示教与再现。控制性能为：弧焊机器人通常有五个自由度以上，具有六个自由度的弧焊机器人可以保证焊枪的任意空间轨迹和姿态。点至点方式移动速度可达60m/min 以上，其轨迹重复精度可达到±0.2mm 。这种弧焊机器人应具有直线的及环形内插法摆动的功能，共六种摆动方式，以满足焊接工艺要求，机器人的负荷为5kg 。
第二章 模糊控制的理论基础
1． 举例说明模糊性的客观性和主观性。
答：模糊性起源于事物的发展变化性，变化性就是不确定定性；模糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量的特点。例如：年龄分段的问题；如果一个人的年龄大于60岁算老年，45-59岁之间的岁中年，小于44岁的就算青年；如果一个人的年龄是59岁零11个月零28天，那么他是属于中年还是老年呢？理论上从客观的角度说他是中年人，但是与60岁只有两天区别，这区别我们是分辨不出来的。从主观上我们认为他又是老年人。这就是模糊性的主观性和客观性的体现。 2． 模糊性与随机性有哪些异同？
答：模糊性处于过渡阶段的事物的基本特征，是性态的不确定性，类属的不清晰性，是一种内在的不确定性；而随机性是在事件是否发生的不确定性中表现出来的不确定性，而事件本身的性态和类属是确定的，是一种外在的不确定性。 相同点是：模糊性是由于事物类属划分的不分明而引起的判断上的不确定性；而随机性是由于天剑不充分而导致的结果的不确定性。但是他们都共同表现出不确定性。
异同点是：模糊性反映的是排中的破缺，而随机性反映的是因果律的破缺；模糊性现象则需要运用模糊数学，随机性现象可用概率论的数学方法加以处理。 3． 比较模糊集合与普通集合的异同。
答：模糊集合用隶属函数作定量描述，普通集合用特征函数来刻划。 两者相同点：都属于集合，同时具有集合的基本性质。
两者异同点：模糊集合就是指具有某个模糊还年所描述的属性的对象的全体，由于概念本身不是很清晰，界限分明的，因而对象对集合的隶属关系也不是明确的；普通集合是指具有某种属性的对象的全体，这种属性所表达的概念应该是清晰的，界限分明的，因而每个对象对于集合的隶属关系也就是明确的。
。
4.考虑语言变量：“Old ”，如果变量定义为：
[]
?
?
?<≤-+<≤=--10050 )5/50(150
0 0)(1
2x x x x old μ 确定“NOT So Old ”，“Very Old ”，“MORE Or LESS Old ”的隶属函数。
解：1 o old 22
0 050
()1(50/5) 50100
NOT S x x x x μ--≤
=???+-≤
ery old 20 050
()1(50/5) 50100
V x x x x μ--≤
1 or less old 24
0 050()1(50/5) 50100
MORE x x x x μ--≤
=?
??+-≤
5.已知存在模糊向量A 和模糊矩阵R 如下：()
??
??
?
?????==3.06.03.001.004.06.02.01.08.05.04.01.07.0R A 计算R A
B =。
6.令论域{}432
1=U ，给定语言变量“Small ”=1/1+0.7/2+0.3/3+0.1/4和模糊关系R=“Almost 相等”定义
如下：????
??
??????=16.01.006.016.01.01.06.016.001.06.01R 利用max-min 复合运算，试计算：相等）是Almost Small X y R ()()( =。
解：10.60.100.610.60.1y (10.70.30.1)0.10.610.600.10.61R
??
??
??=??????
（） [](11)(0.70.6)(0.30.1)(0.10)(10.6)(0.71)(0.30.6)(0.10.1)10.70.60.3(10.1)(0.70.6)(0.31)(0.10.6)(10)(0.70.1)(0.30.6)(0.11)T
∧∨∧∨∧∨∧????
∧∨∧∨∧∨∧?
?==??∧∨∧∨∧∨∧??∧∨∧∨∧∨∧?? 7.已知模糊关系矩阵：?????
??
?????????=15.05.01009.002.01.00014.009.004.018.02.01.008.01R 计算R 的二至四次幂。
解：2
10.800.1
0.210.800.1
0.20.810.400.90.810.400.900.410
000.41000.10
010.50.10010.50.20.900.510.20.900.51R R R ?????????
??
?????=?=?
??
?????????????10.80.40.20.80.810.40.50.90.40.4100.40.20.5010.50.80.90.40.51??
??????=????????
32
10.80.40.50.80.810.40.50.90.4
0.410.40.40.50.50.410.50.8
0.90.40.51R R R ?????
???=?=????????422
10.8
0.40.50.80.810.40.50.90.40.4
10.40.40.50.5
0.410.50.80.9
0.40.51R R R ??
???
???=?=?
?
??????
8.设有论域},{ },,
,{ },,,{21321321z z Z y y y Y x x x X ===，二维模糊条件语句为“若A 且B 则C ”，其
中
)(C , 1
4.0)( , 6.011.0)( , 1
.015.02
13
213
21Z F z z C Y F B y y y B X F A x x x A ∈+=
∈++=∈++=已知 )(B , 15.01.0)( , 1.05.01*3
21**321*Y F y y y B X F A x x x A ∈++=
∈++=
由关系合成推理法，求得推理结论*
C 。 解：令R 表示模糊关系，则R A B C =??.
[]10.510.110.60.1T T R A B ????=?=??????0.50.10.510.50.60.10.50.510.11110.60.110.60.10.10.110.10.60.10.10.1∧∧∧????
????=∧∧∧=????
????∧∧∧????
将1T
R 按行展开写成列向量为[]0.10.5
0.50.110.60.10.10.1T
所以，[]10.10.10.40.110.50.50.40.510.50.50.40.510.10.10.4
0.110.41110.4
110.60.60.40.610.10.10.40.110.10.10.40.110.10.10.40.11T
R R C ∧∧????????∧∧????????∧∧????∧∧????????=?=?==∧∧????∧∧????????∧∧????∧∧????????∧∧????0.1
0.10.40.50.4
0.50.10.10.4
10.40.60.1
0.10.1
0.10.10.1??
???
???????
????????????????
.又因为()C A B R ***=??，[]10.10.510.50.10.510.10.50.50.10.10.10.1A B **????
?????==????
????????
，将A B **?按行展开写成行向量，为
[]0.1
0.510.10.50.50.10.10.1，则 ()()0.40.5C A B R ***=??=即12
0.40.5
C z z *=
+ 9. 已知语言变量x ，y ，z 。
X 的论域为{1,2,3}，定义有两个语言值： “大”＝{0, 0.5, 1}；“小”={1, 0.5, 0}。 Y 的论域为{10,20,30,40,50}，语言值为： “高”={0, 0, 0, 0.5, 1}；“中”={0, 0.5, 1, 0.5, 0}; “低”={1, 0.5, 0, 0, 0}。 Z 的论域为{0.1,0.2,0.3}，语言值为：“长”={0, 0.5, 1}；“短”={1, 0.5, 0}
则：1）试求规则：
如果x 是“大”并且y 是“高”那么z是“长”；
否则，如果x 是“小”并且y 是“中”那么z是“短”。
所蕴涵的x，y，z之间的模糊关系R。
2）假设在某时刻，x是“略小”={0.7, 0.25, 0}，y是“略高”={0, 0, 0.3, 0.7, 1}
试根据R分别通过Zadeh法和Mamdani法模糊推理求出此时输出z的语言取值。
第三章模糊控制
1.模糊控制器有哪几部分组成？各完成什么功能？
1:答：模糊控制器由四个部分组成，这四个功能模块是模糊化、知识库、模糊推理和去模糊化。
(1)模糊化：为实现模糊控制而将精确的输入量进行模糊化处理，是将精确量转化为模糊量的过程。模糊化模块在不同的阶段有不同的作用：a、确定符合模糊控制器要求的输入量和输出量。b、对输入输出变量进行尺度变换，使之落于各自的论域范围内。c、对已经论域变换的输入量进行模糊化处理，包括模糊分割和隶属函数的确定。
(2)知识库：知识库通常由数据库和规则库组成，包含了具体应用领域的知识和要求。其中，数据库主要包含输入输出变量的初度变换因子、输入输出空间的模糊分割以及模糊变量的模糊取值及相应的隶属度函数选择和形状等方面的内容。规则库包含了用模糊语言描述专家的经验知识，来表示一系列控制规则。它们反映了控制专家的经验和知识。
(3)模糊推理：是一种近似推理，根据模糊控制规则库和当前系统状态推断出应施加的控制量的过程，由推理机完成。
(4)去模糊化：由于控制器输出到具体地执行机构的信号必须是清晰的精确量。因此，需要一个与输入模糊化相反的过程，即把模糊推理结果转变成清晰量，它实现从输出论域上输出模糊空间到输出精确空间的映射。
2.模糊控制器设计的步骤怎样？
2：答：模糊控制器设计的步骤如下：
(1)：输入变量和输出变量的确定。
(2)：输入输出变量的论域和模糊分割，以及包括量化因子和比例因子在内的控制参数的选择。
(3)：输入变量的模糊化和输出变量的清晰化。
(4)：模糊控制规则的设计以及模糊推理模型的选择。
(5)：模糊控制程序的编制。
3.清晰化的方法有哪些？
3：答：清晰化的方法一般有四种：
(1)：最大隶属度法：这种方法将模糊推理得到的结论中最大隶属度值最对应的元素作为控制器输出的精确值，如果有多个最大点，则取其平均值。
(2)：加权平均法：这种方法是指以各条规则的前件和输入的模糊集按一定法则确定的值为权值，并对后件代表值加权平均计算输出的清晰值的方法。
(3)：面积等分法：把输出的模糊集合所对应的隶属函数与横坐标之间围成的面子分成两部分，那么该方法得到的精确值应满足使该两部分的面积相等。
(4)：由于Tsukamoto模型和Takagi-Sugeno模型输出本身就是清晰量，则不需要去模糊化。
4.已知某一炉温控制系统，要求温度保持在600度恒定。针对该控制系统有一下控制经验：
（1）若炉温低于600度，则升压；低得越多升压就越高。 （2）若炉温高于600度，则降压；高得越多降压就越低。 （2）若炉温等于600度，则保持不变。
设计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。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： 定义理想温度点的温度为
T ,实际测量温度为T ，温度差为
0e T T T
=?=-。
以为输入、输出变量的量化等级均为7级， 5个模糊集，则 误差e 变化划分表为：
控制电压u 变化划分表为：
若e 负大，则u 正大；若e 负小，则u 正小；若e 为0，则u 为0； 若e 正小，则
u 负小；若e 正大，则u 负大。
模糊控制规则表为： 第四章 神经网络基础
1、生物神经元模型的结构功能是什么？ 答：生物神经元结构：
（1）、细胞体：由细胞核、细胞质和细胞膜等组成。 （2）、树突：胞体上短而多分枝的突起。相当于神经元的输入端，接受传入的神经冲动。 （3）、轴突：胞体上最长枝的突起，也称神经纤维。端部有很多神经末稍传出神经冲动。 （4）、突触：神经元间的连接接口，每个神经元约有1万~10万个突触。神经元通过其轴突的神经末稍，经突触与另一神经元的树突联接，实现信息的传递。由于突触的信息传递特性是可变的，形成了神经元间联接的柔性，称为结构的可塑性。
（5）、细胞膜电位：神经细胞在受到电的、化学的、机械的刺激后，能产生兴奋，此时，细胞内外有电位差，称膜电位。电位膜内为正，膜外为负。
生物神经元功能：
（1）、兴奋与抑制
当传入神经元的冲动，经整合，使细胞膜电位升高，超过动作电位的阈值时，为兴奋状态，产生神经冲动，由轴突经神经末稍传出。
当传入神经元的冲动，经整合，使细胞膜电位降低，低于阈值时，为抑制状态，不产生神经冲动。
（2）、学习与遗忘
由于神经元结构的可塑性，突触的传递作用可增强与减弱，因此，神经元有学习与遗忘的功能。
2、人工神经元模型的特点是什么？
答：人工神经元模型的特点：
（1）、神经元及其联接；（2）、神经元间的联接强度决定信号传递的强弱；（3）、神经元间的联接强度是可以随训练改变的；（4）、信号是可以起刺激作用的，也可以起抑制作用；（5）、一个神经元接受的信号的累积效果决定该神经元的状态；（6）、每个神经元可以有一个“阈值”。
3、人工神经网络的特点是什么？如何分类？
答：人工神经网络的特点：
（1）、非线性（2）、分布处理（3）、学习并行和自适应（4）、数据融合（5）、适用于多变量系统
（6）、便于硬件实现
人工神经网络的分类：
根据神经网络的连接方式，神经网络可分为三种形式：
（1）、前向网络：神经元分层排列，组成输入层、隐含层和输出层。每一层的神经元只接受前一层神经元的输入。输入模式经过各层顺次的变换后，由输出层输出。在各神经元间不存在反馈。感知器和误差反向传播网络采用前向网络形式。
（2）、反馈网络：该网络结构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。这种神经网络是一种反馈动力学系统，它需要工作一段时间才能达到稳定。
（3）、自组织网络：当神经网络在接受外界输入时，网络将会分成不同的区域，不同区域具有不同的响应特征，即不同的神经元以最佳方式响应不同性质的信号激励，从而形成一种拓扑意义上的特征图，该图实际上是一种非线性映射。这种映射是通过无监督的自适应过程完成的，所以也称为自组织特征图。
4、有哪几种常用的神经网络学习算法？
常用的神经网络学习算法：
（1）、有教师学习：在学习过程中，网络根据实际输出与期望输出的比较，进行联接权系的调整，将期望输出称导师信号是评价学习的标准。
（2）、无教师学习：无导师信号提供给网络，网络能根据其特有的结构和学习规则，进行联接权系的调整，此时网络学习评价的标准隐含于其内部。
（3）、再励学习:把学习看为试探评价过程，学习及选择一动作作用于环境，环境的状态改变，并产生再励信号反馈至学习机，学习机依据再励信号与环境当前的状态，再选择下一动作作用于环境，选择的原则是使受到奖励的可能性增大。
（4）、Hebb学习规则
（5）、Delta学习规则
第五章典型神经网络
1、BP算法的特点是什么？增大权值是否能够使BP学习变慢？
答：误差反向传播的BP算法简称BP算法，是有导师的学习，其基本思想是梯度下降法。它采用梯度搜索技术，以使网络的实际输出值与期望输出值的误差均方值为最小。学习的过程由正向传播和反向传播组成，在正向过程中，输入信息由输入层经隐层逐层处理，并传向输出层，每层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转至反向传播，将误差信号按连接通路反向计算，由梯度下降法来调整各层神经元的权值，使误差信号减小。
主要优点：（1）非线性映射能力：无需事先了解描述这种映射关系的数学方程，只要提供足够多的样本模式对BP 网络进行详细训练，它便能完成由n维输入空间到m输出空间的非线性映射。（2）泛化能力：当向网络输入训练时未曾见过的非样本数据时，网络也能完成由输入空间向输出空间的正确映射，这种能力称为多层前馈网络的泛化能力。（3）容错能力：输入样本中带有较大的误差，甚至个别错误对网络的输入输出规律影响很小。
标准的BP算法内在的缺陷：（1）易形成局部极小而得不到全局最优；（2）训练次数多使得学习效率低，收敛速
度慢；（3）隐节点的选取缺乏理论指导；（4）训练时学习新样本有遗忘旧样本的趋势。增大权值不一定能够使BP 学习变慢，由BP 权值修正的原理可知，权值调整公式可汇总如下：
2、为什么说BP 网络是全局逼近的，而RBF 网络是局部逼近的？它们各有突出的特点是什么？
BP 网络的活化函数为S 函数，其值在输入空间中无限大的范围内为非零值，因而是全局逼近的神经网络。
其突出特点如下：1、是一种多层网络化，包括输入层、隐含层和输出层；2、层与层之间采用全互联方式，同一层神经元不连接；3、权值通过delta 学习算法进行调节；4、神经元活化（激发）函数为S 函数；5、学习算法由正向算法和反向算法组成；6、层与层之间的连接时单向的，信息的传播史双向的。
RBF 网络的活化函数为高斯基函数，其值在输入空间中有限范围内为非零值，并且RBF 神经网络的神经元具有局部逼近的神经网络。其输出特点如下：1、RBF 径向基函数是局部的，学习速度快；2、已证明RBF 网络具有唯一最佳逼近的特性，且无局部最小；3、在函数创建过程中可以自动增加隐含层的神经元个数，直到满足均方差要求为止无需单独的代码来训练函数，网络的创建过程就是训练过程。4、RBF 网络用于非线性系统辨识与控制中，虽具有唯一最佳逼近特性，且无局部最小的优点，避免去确定隐层和隐层点数，网络可以根据具体问题自适应的调整，因此适应性更好。
3、何为神经网络的泛化能力？影响泛化能力的因素有哪些？ 答：泛化能力（综合能力、概括能力）：用较少的样本进行训练，是网络能在给定的区域内达到要求的精度。所以没有泛化能力的网络没有使用价值。
影响泛化能力的因素：1、样本；2、结构；3、初始权值4、训练样本集；5、需测试集。 4. 已知一个非线性函数2121
()sin(2)2
y x x ππ=
，试用三层BP 网络逼近输出y ，画出网络的结构，写出网络各层节点的表达式以及各层节点输出值的范围。 解：非线性函数2121
()sin(2)2
y x x ππ=
画出三层BP 网络的结构图
由输入得到两个隐节点、一个输出层节点的输出，输入层不考虑阈值 两个隐节点、一个输出层节点输出为
活化函数选择S 型函数1
()1xl
y f xl e -==
+
如教材例6.1，取第一个输入、输出神经元与各隐含神经元的连接权均为1，第二个输入、输出神经元与各隐含层单元的连接权为2.则
由上式可得
第六章 高级神经网络
1.PID 控制器的一般形式为0
()()()[()(1)]k
p i
d
j u k k e k k e j k e k e k ==++--∑，也可写成等价形式
112233()()()()u k k u k k u k k u k =++，其中
120
3()(),()(),
()()()(1)
k
j u k e k u k e k u k e k e k e k ====?=--∑，123,,k k k 为PID 控制器,,p i d k k k 三个参数
的线性表示。这一形式可以看成以123(),(),()u k u k u k 为输入，123,,k k k 为权系数的神经网络结构，试推导出自适应神经网络PID 控制器参数调整的学习算法。
解：自适应神经网络PID 控制器结构如下图所示：
由图可知：控制器由两部分组成，分别为常规PID 控制和神经网络。其中，常规PID 直接对被控对象进行闭环控制，并且其控制参数kp 、ki 、kd 为在线调整方式；神经网络根据系统的运动状态，调节PID 控制器的参数，使输出层神经元的输出对应于PID 控制器的三个可调参数。
学习算法如下：首先确定神经网络的结构，即确定输入节点数和隐含层节点数，并给出各层加权系数的初值w1和w2，并选定学习速率和惯性系数，令k=1；采样得到r(k)和y(k),计算当前时刻误差r(k)-y(k)；计算各神经网络的输入和输出，其输出层的输出即为PID 控制器的三个控制参数kp 、ki 、kd 并计算PID 控制器的输出进行神经网络学习，在线调整加权系数，实现PID 控制参数的自适应调整；令k=k1,进行上述步骤。 网络各层输入输出算法：
第八章 专家控制
1.什么叫产生式系统？它由哪些部分组成？试举例略加说明。
答：如果满足某个条件，那么就应当采取某些行动，满足这种生产式规则的专家系统成为产生式系统。 产生式系统主要由总数据库，产生式规则和推理机构组成。 举例：医疗产生式系统。
2.专家系统有哪些部分构成？各部分的作用如何？专家系统它具体有哪些特点和优点？
答：知识库：知识库是知识的存储器，用于存储领域专家的经验性知识以及有关的事实、一般常识等。知识库中的知识来源于知识获取机构，同时它又为推理提供求解问题所需的知识。
推理机：推理机时专家系统的思维机构，实际上是求解问题的计算机软件系统，综合推理机的运行可以有不同的控制策略。
数据库：它是用于存放推理的初始证据、中间结果以及最终结果等的工作存储器。
解释接口：它把用户输入的信息转换成系统内规范化的表现形式，然后交给相应的模块去处理，把系统输出的信息转换成用户易于理解的外部形式显示给用户，回答提出的问题。
知识获取：知识获取是指通过人工方法或机器学习的方法，将某个领域内的事实性知识和领域专家所特有的经验性知识转化成计算机程序的过程。对知识库的修改和扩充也是在系统的调试和验证中进行，是一件困难的工作。
专家系统的特点：具有专家水平的专门知识，能进行有效的推理，专家系统的透明性和灵活性，具有一定的复杂性与难度。
3.在专家系统中，推理机制，控制策略和搜索方法是如何定义的，它们之间存在什么样的关系？
答：推理机制是根据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统的自动推理是知识推理。而知识推理是在计算机或者智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。在专家系统中，可以依据专家所具有的知识的特点来选择知识表示的方法，而只是推理技术同知识方法有密切的关系。
控制策略求解问题的策略，是推理的控制策略。而控制策略包括推理方向、推理路线、冲突消解策略等，按推理进行的路线与方向，推理可分正向推理、反向推理、混合推理。
搜索方法：推理机时用于对知识库中的知识进行推理来得到结论的思维机构。
三者关系：推理机制，控制策略（推理机构）和搜索方法三者都属于推理范畴，是一个整体。只是执行顺序不同而已。
4.设计专家控制器时应考虑哪些特点？专家控制系统的一般结构模型为何？
答：设计控制器的一般原则：多样化的模型描述，在线处理的灵活性，灵活性的控制策略，决策机构的递阶性，推理与决策的实时性。
专家控制系统的一般结构模型：
5.专家控制系统的特点是什么？它和一般的专家系统相同与区别在哪里？
答：专家控制系统具有全方面的专家系统结构、完善的知识处理功能和实时控制的可靠性能。这种系统采用黑板等结构，知识库庞大，推理机复杂。它包括有知识获取子系统和学习子系统，人机接口要求较高。专家式控制器，多为工业专家控制器，是专家控制系统的简化形式，针对具体的控制对象或过程，着重于启发式控制知识的开发，具有实时算法和逻辑功能。
专家控制系统与一般的专家控制系统的区别：
（1）通常的专家系统只完成专门领域问题的咨询功能，它的推理结果一般用于辅助用户的决策；而专家控制则要求能对控制动作进行独立的、自动的决策，它的功能一定要具有连续的可靠性和较强的抗干扰性。
（2）通常的专家系统一般处于离线工作方式，而专家控制则要求在线地获取动态反馈信息，因而是一种动态系统，它应具有使用的灵活性和实时性，即能联机完成控制。
6.直接专家控制系统和间接专家控制各有什么特点，从保证系统的稳定性来看有哪种方法更困难些？
答：直接专家控制系统的特点：直接专家控制系统中，专家控制系统直接起控制器作用，专家控制器在控制系统中所处的位置与常规控制器完全相同，所不同的是其内部组成和工作原理，专家控制器采用PID常规的控制算法，基于知识库和推理机得到相应的控制输出。
间接专家控制系统的特点：其基本的控制作用由算法来完成，专家系统通过对使用算法的调用以及对各种算法参数的整定和修正，间接的控制作用。间接专家控制的系统结构因具体应用的不同会表现出更大的多样性，同时是PID参数的整定专家，这种专家控制的特点是专家系统间接的对控制信号起作用。
直接专家控制系统更困难一些：根据现场过程响应情况和环境条件，利用知识库中的专家经验规则，决定什么时候使用什么参数启动什么算法，它也可以是一个调参专家。根据知识库中的专家规则，调整PID参数及增益，所以从保证系统稳定性来看直接专家控制器方法更困难一些。
7.试比较专家控制系统和模糊控制系统在工作原理、推理机制、知识和规则表示方法的异同。
答：1.工作原理：
（1）专家控制系统：专家系统的工作过程是根据知识库中的知识和用户提供的事实推理，不断地由已知的前提推出未知的结论，并把这些未知的结论纳入工作存储空间，作为已知的新事物继续推理，从而把求解的问题由未知状态转换为已知状态。
（2）模糊控制系统：模糊控制是模仿人的思维方式和人的控制经验来实现的一种控制，把模糊集合的理论应用于控制就可以把人的经验形式化，在控制过程中实现模糊推理与决策。
2.推理机制：
（1）专家控制系统的推理机制是用于对知识库中的知识进行推理来得到结论的思维机构。专家系统的自动推理是知识推理。而知识推理是在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。
（2）模糊控制系统：模糊推理作为近似推理的一个分支，是模糊控制的理论基础。在实际应用中，它以数值计算而不是以符号推演为特征，它并不注重如像经典逻辑那样的基于公理的形式推演或基于赋值的语义运算，而是通过模糊推理的算法，由推理的前提计算出结论。
3.知识
（1）专家控制系统：专家控制将系统视为基于知识的系统，控制系统的知识表示如下：
（a）受控过程的知识：先验知识，动态知识。
（b）控制、辨识、诊断知识：定量知识、定性知识。
（2）模糊控制系统：知识库包括数据库和规则库，模糊控制器设计的关键在于如何有效建立知识库。数据库的定性设计包括：量化等级的选择；量化方法；量化因子；模糊子集的隶属函数。
规则库：用一系列模糊条件描述的模糊控制规则就构成模糊控制规则库。
4.规则表示：
（1）专家控制系统：专家控制的规则库一般采用产生式规则表示：“IF控制局势，THEN操作结论”，由多条产生式规则构成规则库。
（2）模糊控制系统：规则的制定有很多种方法，最初的方法就是根据专家经验来确定，不过这种模糊规则有很大的主观性，因人而异，但大致趋势还是差不多的，还可以从已知数据中制造模糊规则，比如可以从最优控制得到的数据中提取模糊规则，还可以得到和最优控制类似的结果。还有就是专家经验与数据相结合，首先由专家提供一个初始的经验表，然后在进行过程中，根据测得的数据调整得到的经验表。
第九章遗传算法
1遗传算法的基本操作有哪些步骤？在函数极大值遗传算法仿真中，通过改变群体大小M、终止进化代数G、交叉概率Pc和变异概率Pm，分析群体大小、终止进化代数、交叉概率和变异概率对优化效果的影响。
答：1、基本操作：
（1）选择操作：对种群中的个体进行逐个解码并根据目标函数计算适应值，以此为根据确定各个体的复制概率。
（2）复制操作：复制过程是个体串按照它们适配度进行复制，适配度越大的串，在下一代中将有更多的机会提供一个或多个子孙。
（3）交叉操作：通过在两个父代染色体的位串上随机选择一个位置，并把交叉点以后的部分互换而产生两个子代染色体的过程。
（4）变异操作：用来模拟生物在自然的遗传环境中由于各种偶然因素引起的基因突变，它以很小的概率随机地改变遗传基因的值。
各参数对优化效果的影响：
(1)种群大小M。种群规模M表示每一代种群中所含个体数目。当M取值较小时，可提高遗传算法的运算速度，但降低了种群的多样性，容易引起遗传算法早熟，出现假收敛，而当M取值较大时，又会使得遗传算法效率降低。一般建议的取值范围是20~100.
（2）终止进化代数G。遗传算法不同于传统优化算法，它很难有明确的搜索终止准则（特别是对于非数值优化问题），于是通常需指定一个终止进化代数来终止算法，一般设G为[100,1000]。一般来说，事先指定G通常只能找到给定问题的在给定时限内所能寻求的相对满意解，但不一定使问题的最优解或较高精度的近似解。为了获得较高精度解，通常可依据种群适应度的稳定情况来实现调整G的设置。
（3）交叉概率Pc。在遗传算法中交叉算子被认为是主要搜索算子，因而一般取较大值。一般说，较大的Pc容易破坏群体中已形成的优良模式，是搜索的随机性太大的Pc，后期降低Pc以保留优良个体。
（4）变异概率Pm。较大的变异概率Pm使遗传算法在整个搜索空间中大步跳跃，而小的变异概率使遗传算法聚焦于特别区域作局部搜索。一般在不使用交叉算子的情形下，变异算子作主要搜索算子，Pm取较大值（0.4~1）而在与交叉算子联合使用的情形，Pm通常取较小值（0.0001~0.5）.
1.什么叫产生式系统？它由哪些部分组成？试举例略加说明。 答：如果满足某个条件，那么就应当采取某些行动，满足这种生产式规则的专家系统成为产生式系统。 产生式系统主要由总数据库，产生式规则和推理机构组成。 举例：医疗产生式系统。 2.专家系统有哪些部分构成？各部分的作用如何？专家系统它具体有哪些特点和优点？ 答：知识库：知识库是知识的存储器，用于存储领域专家的经验性知识以及有关的事实、一般常识等。知识库中的知识来源于知识获取机构，同时它又为推理提供求解问题所需的知识。推理机：推理机时专家系统的思维机构，实际上是求解问题的计算机软件系统，综合推理机的运行可以有不同的控制策略。 数据库：它是用于存放推理的初始证据、中间结果以及最终结果等的工作存储器。 解释接口：它把用户输入的信息转换成系统内规范化的表现形式，然后交给相应的模块去处理，把系统输出的信息转换成用户易于理解的外部形式显示给用户，回答提出的问题。 知识获取：知识获取是指通过人工方法或机器学习的方法，将某个领域内的事实性知识和领域专家所特有的经验性知识转化成计算机程序的过程。对知识库的修改和扩充也是在系统的调试和验证中进行，是一件困难的工作。 专家系统的特点：具有专家水平的专门知识，能进行有效的推理，专家系统的透明性和灵活性，具有一定的复杂性与难度。 3.在专家系统中，推理机制，控制策略和搜索方法是如何定义的，它们之间存在什么样的关系？ 答：推理机制是根据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统的自动推理是知识推理。而知识推理是在计算机或者智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。在专家系统中，可以依据专家所具有的知识的特点来选择知识表示的方法，而只是推理技术同知识方法有密切的关系。 控制策略求解问题的策略，是推理的控制策略。而控制策略包括推理方向、推理路线、冲突消解策略等，按推理进行的路线与方向，推理可分正向推理、反向推理、混合推理。 搜索方法：推理机时用于对知识库中的知识进行推理来得到结论的思维机构。 三者关系：推理机制，控制策略（推理机构）和搜索方法三者都属于推理范畴，是一个整体。只是执行顺序不同而已。 4.设计专家控制器时应考虑哪些特点？专家控制系统的一般结构模型为何？ 答：设计控制器的一般原则：多样化的模型描述，在线处理的灵活性，灵活性的控制策略，
1-4为什么能够用计算机模拟人类智能？ 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 之所以能够借助计算机来模拟人类智能，首先是因为计算机具有以下5个特点： 1、可以告诉精准的完成算数运算，运算速度最高可达每秒万亿次； 2、可以完成高精度的计算，一般计算机可以有十几位甚至几十位的有效数字； 3、计算机不仅能进行精确计算，还具有逻辑运算功能，能对信息进行比较和判断； 4、计算机内部的存储器具有记忆特性，可以存储大量的信息，这些信息，不仅包括各 类数据信息，还包括加工这些数据的程序； 5、由于计算机具有存储记忆能力和逻辑判断能力，所以人们可以将预先编好的程序组 纳入计算机内存，在程序控制下，计算机可以连续、自动地工作，不需要人的干预。 有了这些有点，计算机就具有了模拟人类智能的首要前提，为人工智能中海量的数据处理分析和深度学习等提供了条件。 第二个原因：深度学习的提出；深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术之首。 大脑的工作过程是一个不断迭代、不断抽象概念化的过程。例如从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定眼前物体的形状，比如是圆形的），然后进一步抽象（大脑进一步判定该物体是一张人脸），最后进行识别。我们可以看出，大脑是一个深度架构，认知过程也是深度的。而深度学习，恰恰就是通过组合低层特征形成更加抽象的高层特征。在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，然后在此基础上来得到高层次表达。深度学习可以模拟人脑进行分析学习，模仿人脑的机制来解释数据。深度学习的主要优势在于可以利用海量训练数据（大数据），自动从大数据中学习特征。 深度学习能够自动地从海量大数据中去学习特征，极大地推进了智能自动化。因此深度学习有了一个别名：无监督特征学习。 在《科学革命的结构》一书中，托马斯·库恩介绍说，很多科学革命都具备叫做范式转移的特点，也就是说对新思想的认知和老观点很不一样。比如哥白尼提出的“日心说”，有力地
（勤奋、求是、创新、奉献） 2011～2012学年第2学期考试试卷B 学院班级姓名__________ 学号___________ 《智能控制系统》课程试卷 （本卷考试时间90 分钟） 一． 1．写出4种专家系统的知识表示方法。 逻辑表示法、产生式表示法、框架表示法、语义网络表示法 2．递阶智能系统的智能程度分布一般要遵循什么原则。 随着智能程度的提高，精度下降 3．写出宽度优先搜索和深度优先搜索的根本区别？ 深度优先与宽度优先算法最根本的不同在于：扩展的后继节点放在OPEN表的前端。 4．何谓多层前向神经网络？ 具有分层的结构，通常包括输入层、隐层（也称中间层）和输出层。每一层的神经元只接受上一层神经元的输入，并且该层神经元的输出送给下一层的各个神经元。 5．写出3种模糊输出向量的解模糊方法 重心法、最大隶属度法、取中位数判决法
6． 写出基本遗传算法的3个基本操作 选择、交叉、变异 二、简答题（共24分，每题6分） 1、下式是永真蕴含式吗？如是请证明之。 ┐Q ∧ (P →Q)? ┐P 证明：（1）┐Q ∧ (P →Q)为T 推出┐P 为T ┐Q ∧ (P →Q)为T 推出┐Q 且(P →Q)为T →Q 为F 且(P →Q)为T 分情况讨论p F-----------------p T ---???为显然不成立 为成立 （2）┐P 为F 推出┐Q ∧ (P →Q)为F →P 为T 推出┐Q ∧ (P →Q)为F 分情况讨论Q F-----------------Q T -------???为成立 为成立 (3)真值表法 2、简述隶属度函数建立的一般准则？ 表示隶属度函数的模糊集合必须是凸模糊集合 变量所取隶属度函数通常是对称和平衡的 隶属度函数要符合人们的语义顺序，避免不恰当的重叠
2010级智能控制基础期末 复习思考题 一重要概念解释 1 智能控制 所谓的智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化做出适应性反应，从而实现由人来完成的任务。 2 专家系统与专家控制 专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 专家控制是智能控制的一个重要分支。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。它由知识库和推理机构构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时的选用恰当的规则进行推理输出，实现对实际对象的控制 3 模糊集合与模糊关系，模糊推理模糊控制 ● 1）模糊集合：给定论域U 上的一个模糊集A %是指：对任何元素u U ∈ 都存在一个数()[] 0,1A u μ∈与之对应，表示元素u 属于集合A % 的程度，这个数称为元素u 对集合A %的隶属度，这个集合称为模糊集合。 ● 模糊关系：二元模糊关系：设A 、B 是两个非空集合，则直积(){},|,A B a b a A b B ?=∈∈中的一个 模糊集合 称为从A 到B 的一个模糊关系。模糊关系R %可由其隶属度(),R a b μ完全描述，隶属度 (),R a b μ 表明了元素a 与元素b 具有关系R %的程度。 ● 模糊推理：知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出 的情况，这就叫“模糊推理”。 4 神经网络？ 答：人工神经网络是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为,对人脑进行抽象和简化，反映了人脑的基本特征，信息处理、学习、联想、模式分类、记忆等。 5 遗传算法 答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适配置函数并通过遗传的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。 一 专家控制部分 1. 专家系统的组成及各部分特点？
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 AHA12GAGGAGAGGAFFFFAFAF
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 AHA12GAGGAGAGGAFFFFAFAF
第一章 1．计算机系统由哪些部分组成？并画出方框图。 解： 若将自动控制系统中控制器的功能用计算机或数字控制装置来实现，就构成了计算机控制系统，其基本框图如图1-1所示。因此，简单说来，计算机控制系统就是由各种各样的计算机参与控制的一类系统。 图1-1 计算机控制系统基本原理图 在计算机控制系统中，控制规律是用软件实现的，计算机执行预定的控制程序就能实现对被控参数的控制。控制器与执行机构之间是DA转换器，负责将数字信号转换成模拟信号；AD转换器则相反将传感器采集的模拟信号，转换成数字信号送给控制器。 2．计算机控制系统是怎样分类的？按功能和控制规律可分为几类？ 解： 计算机控制系统与其所控制的对象、采取的控制方法密切相关。因此，计算机控制系统的分类方法很多，可以按照系统的功能、控制规律或控制方式等进行分类。 按功能及结构分类：操作指导控制系统、直接数字控制系统、监督控制系统、集散控制系统、现场总线控制系统、工业以太网控制系统、综合自动化系统。 按照控制规律分类：程序和顺序控制、比例积分微分控制(简称PID控制)、最少拍控制、复杂规律的控制、智能控制。 3．计算机控制系统的主要特点有哪些？ 解： 主要有以下特点： 1．数字模拟混合的系统。在连续控制系统中，各处的信号是连续模拟信号。而在计算机控制系统中，除仍有连续模拟信号外，还有离散信号、数字信号等多种信号。因此，计算机控制系统是模拟和数字的混合系统。 2．灵活方便、适应性强。一般的模拟控制系统中，控制规律是由硬件电路实现的，控制规律越复杂，所需要的模拟电路往往越多，如果要改变控制规律，一般就必须更改硬件电路。而在计算机控制系统中，控制规律是由软件实现的，计算机执行预定的控制程序就能实现对被控参数的控制，需要改变控制规律时，一般不对硬件电路作改动，只要改变控制程序就可以了。 3．可实现复杂控制规律。计算机具有丰富的指令系统和很强的逻辑判断功能，能够实现模拟电路不能实现的复杂控制规律。 4．离散控制。在连续控制系统中，给定值与反馈值的比较是连续进行的，控制器对产生的偏差也是连续调节的。而在计算机控制系统中，计算机每隔一定时间间隔，向A/D转换器发出启动转换信号，并对连续信号进行采样获得离散时间信号，经过计算机处理后，产生的控制时间信号通过D/A将离散信号转换成连续时间信号输出，作用于被控对象。因此，计算机控制系统并不是连续控制的，而是离散控制的。
一、选择题 1、蔡自兴教授提出智能控制系统的四元结构，认为智能控制是人工智能、控制理论、系统理论和运筹学四种学科的交叉。 2、专家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、知识库级和控制级。 4、不确定性知识的表示有三种:概率、确定性因子和模糊集合。 5、Hebb学习规则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和并联学习。 6、交叉运算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和自适应的能力。（ T ） 2、不精确推理得出的结论可能是不确定的，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、解释机制和知识获取系统等组成。（ T ） 4、人机接口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是知识获取和知识存放。（ 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。专家控制是将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，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是前馈神经网络和反馈神经网络。前馈神经网络有感知器和BP网络等；主要采用 学习规则，这是有教师学习方法。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。
填空题（每空1分，共20分） 控制论的三要素是：信息、反馈和控制。 传统控制是经典控制和现代控制理论的统称。 智能控制系统的核心是去控制复杂性和不确定性。 神经元（即神经细胞）是由细胞体、树突、轴突和突触四部分构成。 按网络结构分，人工神经元细胞可分为层状结构和网状结构按照学习方式分可分为：有教师学习和无教师学习。 前馈型网络可分为可见层和隐含层，节点有输入节点、输出节点、计算单元。 神经网络工作过程主要由工作期和学习期两个阶段组成。 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一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，遗传算法控制系统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术和神经网络控制技术。 6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成输入单元、输出单元和隐层单元三类。 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。 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性
、时不变性等相对简单的控制。 智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。 IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学) AC：描述系统的动力学特征，是一种动态反馈。 AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。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。 智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。 智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。 智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能 智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。 智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。 10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成） 18、专家控制的特点：灵活性、适应性和鲁棒性。 19、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的一种智能控制方法。，它从行为上模仿人的模糊推理和决策过程。 20、模糊控制理论具有一些明显的特点：1，模糊控制不需要被控对象的数学模型2，
1．递阶智能控制系统的主要结构特点有哪些。 答：递阶智能控制是在研究早期学习控制系统的基础上，从工程控制论角度总结人工 智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。 递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的。如下所 示： 1. 组织级 组织级代表控制系统的主导思想，并由人工智能起控制作用。根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。 其结构如下： 2．协调级 协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用。协
调级借助于产生一个适当的子任务序列来执行原指令，处理实时信息。 它是由不同的协调器组成，每个协调器由计算机来实现。下图是一个协调级结构的候选框图。该结构在横向上能够通过分配器实现各协调器之间的数据共享。 3. 执行级 执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。 其结构模型如下：
2．信息特征，获取方式，分层方式有哪些？ 答：一、信息的特征 1，空间性：空间星系的主要特征是确定和不确定的（模糊）、全空间和子空间、同步和非同步、同类型和不同类型、数字的和非数字的信息，比传统系统更为复杂的多源多维信 息。 2，复杂性：复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干 扰性等特性的复杂被控对象，要求系统具有下层的实时性和上层的多因素综合判断决策能 力，以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下， 获得整个系统的综合指标最优。 3，污染性：复杂生产制造过程的信息都会受到污染，但在不同层次的信息受干扰程度 不同，层次较低的信号受污染程度较大。 二、获取方式 信息主要是通过传感器获得，但经过传感器后要经过一定的处理来得到有效的信息， 具体处理方法如下： 1，选取特征变量 可分为选择特征变量和抽取特征变量。选择特征变量直接从采集样本的全体原始工艺参 数中选择一部分作为特征变量。抽取特征变量对所选取出来的原始变量进行线性或非线性 组合，形成新的变量，然后去其中一部分作为特征变量。 2，滤波的方法 数字滤波用计算机软件滤波，通过一定的计算程序对采样信号进行平滑加工，提高信噪比，消除和减少干扰信号，以保证计算机数据采集和控制系统的可靠性。模拟滤波用硬件 滤波。 3，剔除迷途样本 使用计算机在任意维空间自动识别删除迷途样本。 三、分层方式 1，通过计算机系统进行信号分层 2，人工指令分层 3，通过仪器设备进行测量，将数据进行分层 4，先归类，后按照一定的规则集合分层 3．详细描述数据融合的流程和方法 答：数据融合是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理。 一、数据融合的流程： 分析数据融合目的和融合层次→→智能地选择合适的融合算法→→将空间配准的数据 （或提取数据的特征或模式识别的属性说明）进行有机合成→→准确表示或估计。有时还 需要做进一步的处理，如"匹配处理"和"类型变换"等，以便得到目标的更准确表示或估计。 具体可分为： 1，特征级融合 经过预处理的数据→→特征提取→→特征级融合→→融合属性说明 2，像元级融合
第一章 1.计算机系统由哪些部分组成？并画出方框图。 解： 若将自动控制系统中控制器的功能用计算机或数字控制装置来实现，就构成了计算机控 制系统，其基本框图如图1-1所示。因此，简单说来，计算机控制系统就是由各种各样的计算机参与控制的一类系统。 图1-1 计算机控制系统基本原理图 在计算机控制系统中，控制规律是用软件实现的，计算机执行预定的控制程序就能实现对被控参数的控制。控制器与执行机构之间是DA转换器，负责将数字信号转换成模拟信号；AD转换器则相反将传感器采集的模拟信号，转换成数字信号送给控制器。 2?计算机控制系统是怎样分类的？按功能和控制规律可分为几类？ 解： 计算机控制系统与其所控制的对象、采取的控制方法密切相关。因此，计算机控制系统 的分类方法很多，可以按照系统的功能、控制规律或控制方式等进行分类。 按功能及结构分类：操作指导控制系统、直接数字控制系统、监督控制系统、集散控制系统、现场总线控制系统、工业以太网控制系统、综合自动化系统。 按照控制规律分类：程序和顺序控制、比例积分微分控制（简称PID控制）、最少拍控制、复杂规律的控制、智能控制。 3.计算机控制系统的主要特点有哪些？解： 主要有以下特点： 1.数字模拟混合的系统。在连续控制系统中，各处的信号是连续模拟信号。而在计算机控制系统中，除仍有连续模拟信号外，还有离散信号、数字信号等多种信号。因此，计算机控制系统是模拟和数字的混合系统。 2?灵活方便、适应性强。一般的模拟控制系统中，控制规律是由硬件电路实现的，控制规律越复杂，所需要的模拟电路往往越多，如果要改变控制规律，一般就必须更改硬件电 路。而在计算机控制系统中，控制规律是由软件实现的，计算机执行预定的控制程序就能实 现对被控参数的控制，需要改变控制规律时，一般不对硬件电路作改动，只要改变控制程序 就可以了。 3?可实现复杂控制规律。计算机具有丰富的指令系统和很强的逻辑判断功能，能够实现模拟电路不能实现的复杂控制规律。 4.离散控制。在连续控制系统中，给定值与反馈值的比较是连续进行的，控制器对产生的偏差也是连续调节的。而在计算机控制系统中，计算机每隔一定时间间隔，向A/D转 换器发出启动转换信号，并对连续信号进行采样获得离散时间信号，经过计算机处理后，产
一、填空题 1．智能控制是一门新兴的学科，它具有非常广泛的应用领域，例 如、、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．传统控制包括和。2、经典反馈控制现代理论控制 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。
习题一 1，微型计算机控制系统的硬件由哪几部分组成？各部分的作用是什么？ 答：CPU，接口电路及外部设备组成。 CPU，这是微型计算机控制系统的核心，通过接口它可以向系统的各个部分发出各种命令，同时对被控对象的被控参数进行实时检测及处理。 接口电路，微机和生产对象之间进行信息交换的桥梁和纽带。 外部设备：这是实现微机和外界进行信息交换的设备 2，微型计算机控制系统软件有什么作用？说出各部分软件的作用。 答：软件是指能够完成各种功能的计算机程序的总和。整个计算机系统的动作，都是在软件的指挥下协调进行的，因此说软件是微机系统的中枢神经。就功能来分，软件可分为系统软件、应用软件 1)系统软件：它是由计算机设计者提供的专门用来使用和管理计算机的程序。对用户来说，系统软件只是作为开发应用软件的工具，是不需要自己设计的。 2)应用软件:它是面向用户本身的程序，即指由用户根据要解决的实际问题而编写的各种程序。 3，常用工业控制机有几种？它们各有什么用途？ 4，操作指导、DDC和SCC系统工作原理如何？它们之间有何区别和联系？ 答：(1)操作指导控制系统：在操作指导控制系统中，计算机的输出不直接作用于生产对象，属于开环控制结构。计算机根据数学模型、控制算法对检测到的生产过程参数进行处理，计算出各控制量应有的较合适或最优的数值，供操作员参考，这时计算机就起到了操作指导的作用。 (2)直接数字控制系统(DDC系统)：DDC(Direct Digital Control)系统就是通过检测元件对一个或多个被控参数进行巡回检测，经输入通道送给微机，微机将检测结果与设定值进行比较，再进行控制运算，然后通过输出通道控制执行机构，使系统的被控参数达到预定的要求。DDC系统是闭环系统，是微机在工业生产过程中最普遍的一种应用形式。 (3)计算机监督控制系统(SCC系统)：SCC(Supervisory Computer Control)系统比DDC系统更接近生产变化的实际情况，因为在DDC系统中计算机只是代替模拟调节器进行控制，系统不能运行在最佳状态，而SCC系统不仅可以进行给定值控制，并且还可以进行顺序控制、最优控制以及自适应控制等SCC是操作指导控制系统和DDC系统的综合与发展。 5，说明嵌入式系统与一般微型计算机扩展系统的区别。 答：嵌入式计算机一般没有标准的硬件配置。嵌入式系统可采用多种类型的处理器和处理器结构。软硬件协同设计采用统一的工具描述，可合理划分系统软硬件，分配系统功能，在性能、成本、功耗等方面进行权衡折衷，获取更优化的设计。嵌入式系统多为低功耗系统。简单地说，就是嵌入式系统和微型计算机的扩展标准不大一样。 6，PLC控制系统有什么特点？ 答：（1）可靠性高。由于PLC大都采用单片微型计算机，因而集成度高，再加上相应的保护电路及自诊断功能，因而提高了系统的可靠性。 （2）编程容易。PLC的编程多采用继电器控制梯形图及命令语句，其数量比微型机指令要少得多，除中、高档PLC外，一般的小型PLC只有16条左右。由于梯形图形象而简单，因而编程容易掌握、使用方便，甚至不需要计算机专门知识，就可进行编程。 （3）组合灵活。由于PLC采用积木式结构，用户只需要简单地组合，便可灵活地改变控制系统的功能和规模，因此，可适用于任何控制系统。 （4）输入/输出功能模块齐全。PLC的最大优点之一，是针对不同的现场信号，均有相应的模块可与工业现场的器件直接连接，并通过总线与CPU主板连接。
常州工学院继续教育学院 武进函授站20学年第学期科目试卷：传感器原理试卷类型：A（A或B） 姓名：学号：班级：20级机电一体化专科 总分 题号一二三四五六题目分值 评卷人得分 一、填空题（） 1、控制论的三要素是：信息、反馈和控制。 2、传统控制是经典控制和现代控制理论的统称。 3、智能控制系统的核心是去控制复杂性和不确定性。 4、神经元（即神经细胞）是由细胞体、树突、轴突和突触四部分构成。 5、按网络结构分，人工神经元细胞可分为层状结构和网状结构，按照学习方式分可分为有教师学习和无教师学习。 6、前馈型网络可分为可见层和隐含层，节点有输入节点、输出节点、计算单元。 7、神经网络工作过程主要由工作期和学习期两个阶段组成。 二、判断题（） 1、对反馈网络而言，稳定点越多，网络的联想与识别能力越强，因此，稳定点的数据目越多联想功能越好。（错） 2、简单感知器仅能解决一阶谓词逻辑和线性分类问题，不能解决高阶谓词和非线分类问题。（对） 3、BP算法是在无导师作用下，适用于多层神经元的一种学习，它是建立在相关规则
的基础上的。（错） 4、在误差反传训练算法中，周期性函数已被证明收敛速度比S型函数慢。（错） 5、基于BP算法的网络的误差曲面有且仅有一个全局最优解。（错） 6、对于前馈网络而言，一旦网络的用途确定了，那么隐含层的数目也就确定了。（错） 7、对离散型HOPFIELD网络而言，如权矩阵为对称阵，而且对角线元素非负，那么网络在异步方式下必收敛于下一个稳定状态。（对） 8、对连续HOPFIELD网络而言，无论网络结构是否对称，都能保证网络稳定。（错） 9、竞争学习的实质是一种规律性检测器，即是基于刺激集合和哪个特征是重要的先验概念所构造的装置，发现有用的部特征。（对） 10、人工神经元网络和模糊系统的共同之处在于，都需建立对象的精确的数学模型，根据输入采样数据去估计其要求的决策，这是一种有模型的估计。（错） 三、简答题（） 1、智能控制系统有哪些类型？ 答：1）多级递阶智能控制2）基于知识的专家控制3）基于模糊逻辑的智能控制——模糊控制4）基于神经网络的智能控制——神经控制5）基于规则的仿人智能控制6）基于模式识别的智能控制7）多模变结构智能控制8）学习控制和自学习控制9）基于可拓逻辑的智能控制——可拓控制10）基于混沌理论的智能控制——混沌控制 2、比较智能控制与传统控制的特点？ 答：1）传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力，智能控制在处理复杂性、不确定性方面能力高2）传统控制是基于被控对象精确模型的控制方式，可谓“模型论”智能控制是智能决策论，相对于“模型论”可
（勤奋、求是、创新、奉献） 2010～2011学年第1学期考试试卷A 学院班级__ __ 姓名__________ 学号___________ 《智能控制系统》课程试卷 （本卷考试时间90 分钟） 一． 1．写出4种专家系统的知识表示方法。 逻辑表示法、产生式表示法、框架表示法、语义网络表示法 2．递阶智能系统的智能程度分布一般要遵循什么原则。 随着智能程度的提高，精度下降 3．写出宽度优先搜索和深度优先搜索的根本区别？ 深度优先与宽度优先算法最根本的不同在于：扩展的后继节点放在OPEN表的前端。 4．何谓多层前向神经网络？ 具有分层的结构，通常包括输入层、隐层（也称中间层）和输出层。每一层的神经元只接受上一层神经元的输入，并且该层神经元的输出送给下一层的各个神经元。 5．写出3种模糊输出向量的解模糊方法 重心法、最大隶属度法、取中位数判决法
6．写出基本遗传算法的3个基本操作 遗传、交叉、变异 二、简答题（共24分，每题6分） 1、简述模糊控制器的组成，及各组成部分功能 （1）模糊化接口 对于任意输入x，将其映射到模糊集系统中去，映射的过程实际上是将当前的物理输入根据模糊子集的分布情况确定出此时此刻输入值对这些模糊子集的隶属程度。 （2）知识库 知识库包括数据库和规则库。模糊控制器设计的关键在于如何有效地建立知识库，决策逻辑控制实际上是依赖规则库来实现的。 （3）推理决策逻辑 它是模糊控制的核心，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，其实质是模糊逻辑推理。 （4）精确化过程 通过模糊推理得到的结果是一个模糊集合。但实际使用中，特别是模糊控制中，必须要有一个确定的值才能去控制或驱动执行机构。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 2、设个体域是人类，试用两种方法（全称量词和存在量词）将语句“没有不犯错误的人”译为谓词公式 设F(x)：“x犯错误”，M(x)：x是人，则语句形式化为： ┐?x(M(x)∧┐F(x)) 或?x(M(x)→F(x)) 3、简述BP算法中工作信号正向传播、误差信号反向传播过程 （1）工作信号正向传播：输入信号从输入层经隐层，传向输出层，在输出端产生输出信号，这是信号的正向传播。在信号向前传递过程中网络的权值是固定不变的，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入误差信号反向传播。 （2）误差信号反向传播：网络的实际输出与期望输出之间差值即为误差信号，误差信号由输出端开始逐层向前传播，这是误差信号的反向传播。在误差信号反向传播的过程中，网络权值由误差反馈进行调节，通过权值的不断修正使网络的实际输出更接近期望输出 W
试题 一、名词解释 1．智能 2. 自动控制 3. 专家控制系统 4. 学习控制 5. 免疫算法 6．信息7. 智能控制系统8. 专家系统9. 学习控制系统10. 人工免疫系统 11．信息论12. 黑板13. 模糊判决14. 学习系统15. 选择操作 二、填空题 16. 免疫系统在受到外界病菌的感染后，能够通过自身的免疫机制恢复健康以保持正常工作的一种特性称为免疫系统的。 17．智能控制是采用驱动智能机器实现其目标的过程 18．知识是人们通过体验、学习或联想而知晓的对客观世界。 19．与学习系统相似，学习控制系统分为在线学习控制系统和控制系统两类。 20．基于模式识别的学习控制系统，可被推广为一个具有在线特征辨识的分层递阶结构，该控制系统由三级组成，即组织级、和执行控制级。 21. 真体的行动受其心理状态驱动，人类心理状态的要素有认知、情感、三种。 22．神经网络主要通过两种学习算法进行训练，即无师学习算法和。 23．神经网络自适应控制和常规自适应控制一样，也分为两类，即和模型参考自适应控制。 24．实现学习控制系统需要三种能力：性能反馈、、训练。 25，遗传算法是模仿和自然选择机理，通过人工方式构造的一类优化搜索算法。 26. 把智能控制与传统控制有机地组合起来，即可构成系统。 27．人们通过体验、学习或联想而知晓的对客观世界规律性的认识是。 28．间接进化控制是由作用于系统模型，再综合系统状态输出与系统模型输出作用于进化学习，然后，系统在应用一般闭环反馈控制原理构成进化控制系统。 29. 仿人控制研究的主要目标不是控制对象，而是控制器本身如何对控制专家结构和的模拟。
《智能控制》考试试题 试题1： 针对某工业过程被控对象：0.520 ()(101)(21) s G s e s s -= ++，试分别设计常规PID 算法控制器、模糊控制器、模糊自适应PID 控制器，计算模糊控制的决策表，并进行如下仿真研究及分析： 1. 比较当被控对象参数变化、结构变化时，四者的性能； 2. 研究改善Fuzzy 控制器动、静态性能的方法。 解： 常规PID 、模糊控制、Fuzzy 自适应PID 控制、混合型FuzzyPID 控制器设计 错误！未找到引用源。. 常规PID 调节器 PID 控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。它是根据给定值()r t 与实际输出值()y t 构成控制偏差()e t ，从而针对控制偏差进行比例、积分、微分调节的一种方法，其连续形式为： 1 () ()[()()]t p d i de t u t K e t e t dt T T dt =+ +? （1.1） 式中，p K 为比例系数，i T 为积分时间常数，d T 为微分时间常数。 PID 控制器三个校正环节中p K ，i T 和d T 这三个参数直接影响控制效果的好坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。 Ziegler 和Nichols 提出的临界比例度法是一种非常著名的工程整定方法。通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特性的两个参数：临界增益u K 和临界振荡周期u T 。 用临界比例度法整定PID 参数如下： 表1.1 临界比例度法参数整定公式 控制器类型 P K i T d T P 0.5u K ∞ 0 PI 0.455u K 0.833u T
作业1 1 简述智能控制的概念。 定义一: 智能控制是由智能机器自主地实现其目标的过程。 定义二:K.J.奥斯托罗姆则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并用于控制系统的分析与设计中，以期在一定程度上实现控制系统的智能化，这就是智能控制。 定义三: 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。 2 智能控制由哪几部分组成？各自的特点是什么？ 智能控制由人工智能、自动控制、运筹学组成。 人工智能是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。 自动控制描述系统动力学特性，是一种动态反馈。 运筹学是一种定量优化的方法。如线性优化，网络规划，调度管理，优化决策和多目标优化的方法等等。 3 比较智能控制和传统控制的特点？ 1）传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力，智能控制在处理复杂性、不确定性方面能力高 2）传统控制是基于被控对象精确模型的控制方式，可谓“模型论”智能控制是智能决策论，相对于“模型论”可称为“控制论” 3）传统的控制为了控制必须建模，而利用不精确的模型又采用摸个固定控制算法，使整个的控制系统置于模型框架下，缺乏灵活性，缺乏应变性，因此很难胜任对复杂系统的控制智能控制的可信是控制决策，次用灵活机动的决策方式迫使控制朝着期望的目标逼近。 4）传统控制适用于解决线性、时不变等相对简单的的控制问题智能控制是对传统控制理论的发展，传统控制室智能控制的一个组成部分，是智能控制的低级阶段。 4 智能控制有哪些应用领域？试举出一个应用实例。 应用领域：模糊系统、神经网络、专家控制、工业想、系统、电力系统、机器人等其他领域的控制。 应用实例：模糊控制的交流伺服系统 作业2
智能控制考试题及答案 智能控制技术考试题及答案《智能控制技术》考试试题A 《智能控制》课程考试试题A参考答案 一、填空题 (1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字(5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能(10) 傅京孙(11) 萨里迪斯(12) 蔡自兴(13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统 (18) 模糊控制系统 (19) 神经控制系统 (xx年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期解决面临的难题。 智能控制采用各种智能化技术实现复杂系统和其它系统的控制目标,是一种具有强大生命力的新型自动控制技术。智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。下图表示自动控制的发展过程和通向智能控制路径上控制复杂性
增加的过程。从图中可以看出,这条路径的最远点是智能控制,至少在当前是如此。智能控制涉及高级决策并与人工智能密切相关。 智能控制是一门新建立的学科,无论在理论上或应用上,仍然不够完善,有待继续研究与发展。展望智能控制的发展,我们应该: (1) 与智能控制的目标和定义相比,智能控制研究尚存在一些需要解决的问题。 人脑的结构和功能要比人们想象的复杂得多,人工智能和智能控制研究面临的困难要比我们估计的重大得多,智能科学工作者的研究任务要比我们讨论过的艰巨得多。同时,要从根本上了解人脑的结构与功能,解决面临的困难,完成人工智能和智能控制的研究任务,需要寻找和建立更新的智能控制框架和理论体系,为智能控制的进一步发展打下稳固 (2) 与人工智能相似的是,智能控制技术是人工智能技术与其它信息处理技术,尤其是信息论、系统论、控制论和认识工程学等的集成。从学科结构的观点来看,提出了不同的思想,其中,智能控制的四元交集结构是最有代表性的一种集成思想。在智能控制领域内已集成了许多不同的控制方案,如模糊自学习神经控制就集成了模糊控制、学习控制和神经