智能控制题目及解答
第一章绪论作业
作业内容
1．什么是智能、智能系统、智能控制？
2．智能控制系统有哪几种类型，各自的特点是什么？
3．比较智能控制与传统控制的特点。
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?
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。
1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应。智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。
（2）人-机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。
3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标，而智能控制通常是学习积累非精确知识；传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。
但是，智能控制与传统的或常规的控制有密切的关系，互相取长补短，而并非互相排斥。基于智能控制与传统控制在应用领域方面、理论方法上和性能指标等方面的差异，往往将常规控制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。
4 答：人工只能（AI）是一个用来模拟人思维的知识处理系统，具有学习、记忆、信息处理、形式语言、启发推理等功能；自动控制（AC）描述系统的动力学特性，是一种动态反馈；运筹学（OR）是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等；信息论（IT）信息论是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。
早期产生的的二元结构被发现是很大程度上局限于符号主义的人工智能，无助于智能控制的有
效的、成功的应用，所以后来又引入了运筹学。考虑到信息论对知识和智能的解释作用、控制论和系统论与信息之间的密切关系、信息论对智能控制的作用等方面的因素之后，蔡自兴教授创新性的提出了四元结构，即在三原结构的基础上增加了信息论作为智能控制的一个重要组成部分。智能控制作为一门交叉的学科，所用到的知识都包含这几门学科的内容，所以说可以把智能控制看成是这几门的交集。
5 答：主要应用领域：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、社会经济管理系统、交通运输系统、环保及能源系统。
实例应用：机器人运动轨迹控制。
机器人腿部机构由连杆和连接在其端部的从动滚轮组成。机器人行走是通过后部两条腿的两个连杆带动从动滚轮向后作类似于滑冰动作的后蹬动作实现。此类机器人也称滑冰机器人。机器人的行走方向和轨迹通过同时调整几个从动滚轮的方向角来控制。这是一个多自由度、非线性、强耦合的系统,用常规控制器对单个从动滚轮方向角, 难以实现精确的轨迹控制。针对上述控制对象运动轨迹控制问题,作者提出了一种基于模糊神经网络自适应控制方法。该方法利用模糊神经网络来辩识机器人的逆动力学模型,并以此模型作为控制器提供给机器人主要的广义驱动力, 加上常规的PD 控制器构成完整的控制系统。当模糊神经网络模型给出的驱动力合适, 系统误差小, PD 控制器的控制作用就很弱; 反之, PD 控制器起主要作用。模糊规则的制定是利用PD 控制器提取初始模糊规则,利用专家经验对初始规则进行补充, 最后利用误差的反向传播算法对参数进行在线自适应调整。文献给出的验证结果表明该方法很好的解决了该种机器人的运动轨迹控制问题。这种方法的优点是利用智能控制理论解决运动轨迹控制问题, 利用常规控制方法解决控制系统抗干扰的问题。
①举例说明模糊性的客观性和主观性。
答：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：如果一个人的身高大于等于180cm算高的，170-180cm之间的算中等，低于170cm的算矮的.如果一个人的身高为179.999cm那么算高还是中等？理论上从客观的角度说他是中等的，但是179.999与180我们是分辨不出来的，从主观上我们认为他是高的。这就是没有量化的模糊的概念。
②模糊性与随机性有哪些异同？
答：同：模糊性由于事物类属划分的不分明而引起的判断上的不确定性；随机性是由于条件不充分而导致的结果的不确定性。所以，它们都表示不确定性。
异：随机性反映了因果律的破缺；模糊性所反映的是排中律的破缺。随机性现象可用概率论的数学方法加以处理，模糊性现象则需要运用模糊数学。
③比较模糊集合与普通集合的异同。
答：异：（1）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。因此每个对象对于集合的隶属关系也是明确的，非此即彼。模糊集合就是指具有某个模糊概念所描述的属性的对象的全体。由于概念本身不是清晰的、界限分明的，因而对象对集合的隶属关系也不是明确的、非此即彼的。
（2）普通集合的表示法有列举法、描述法、图示法、自然语言。模糊集合表示法有Zadeh 表示法、向量表示法、序偶表示法。
同：都属于集合，同时具备集合的基本性质。
第二章模糊控制的理论基础作业1
作业内容
1．举例说明模糊性的客观性和主观性。
2．模糊性与随机性有哪些异同？
3．比较模糊集合与普通集合的异同。
4-5. 见本空间分类资源习题-第二章第4、5题。
1 答:模糊性的主观性反映在模糊隶属函数的确定性，依靠主观认识和认为经验，客观反映在虽然在方法的使用过程中有主观性，但得到的对事物的认知结果，反映了事物的本质，是对事物的客观认识。例如：对温度的界定，按经典集合的定义，人感到适宜的温度是15到25摄氏度，低于15摄氏度定义为冷，并且14摄氏度和0摄氏度都定义为冷，显然冷的程度是不同的，高于25摄氏度定义为热。因此采用这种离散型严格的不能明显的划分，模糊性的划分不仅容易被大众接受和区别，也更接近事实，反映了温度连续性的客观事实。
2 答：模糊性是从主观性上反应事物发展的可能性，客观性是从客观上反应事物发生的可能性。随机性是由于事物的因果关系不确定而造成的，由概率统计加以研究，是概率分析、设计的范畴，表现的是语言的不确定性。
模糊性在本质上没什么明确的含义，在量上没有什么明确界限，这种边界的模糊不是由于人的主观认识达不到客观实际而造成的，而是事物的客观属性，是事物的差异之间存在中间过渡过程而造成的。
在描述方法上，模糊性采用隶属函数划分，揭示事物的客观可能性分析。模糊实验常常与心理等主观因素联系在一起，而随机性采用概率函数来划分，采用对随机现象的统计观察，求出平均比例分布，且随机实验可以客观进行。
3 答：普通集合是经典集合或者称为清晰集合，具有清晰的边界。模糊集合不具有清晰的界限。普通集合也就是一个元素不属于一个集合是突变或非此即彼的，属于就是属于，不属于就是不属于。而模糊集合中引入了隶属度的概念，元素只在一定程度上属于集合，有时候这种表示方法更接近实际，更便于研究问题，更为人所接受。
4 解：1 o old 220 050
()1(50/5) 50100
NOT S x x x x μ--≤
()1(50/5) 50100
V x x x x μ--≤
MORE x x x x μ--≤
(0.70.5)(0.10.6)(0.40) (0.70.8)(0.10.4)(0.40.3) (0.70.1)(0.10)(0.40.6) (0.70.2)(0.10.1)(0.40.3)0.5 0.7 0.4 0.3A R =∧∨∧∨∧∧∨∧∨∧∧∨∧∨∧∧∨∧∨∧= 第二章 模糊控制的理论基础 作业2
作业内容
6 令论域{
}4321=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 ()()( = 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。
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 , 14.0)( , 6.011.0)( , 1.015.02
13213
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 。
6 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 解：210.800.10.210.800.10.20.810.400.90.810.400.900.410000.41000.10
010.50.10010.50.20.900.510.20.900.51R R R ????????????????=?=????????????????
10.80.40.20.80.810.40.50.90.40.4100.40.2
0.5010.50.80.90.40.51????????=????????
3210.80.40.50.80.810.40.50.90.40.410.40.40.50.50.410.50.80.90.40.51R R R ????????=?=????????
42210.80.40.50.80.810.40.50.90.40.410.40.40.50.50.410.50.80.90.40.51R R R ????????=?=????????
8 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[]0.10.50.50.110.60.10.10.1T
所以，[]10.10.10.40.110.50.50.40.510.50.50.40.510.10.10.4
0.110.41110.4110.60.60.4
0.610.10.10.40.110.10.10.4
0.110.10.10.40.11T R R C ∧∧????????∧∧????????∧∧????∧∧????????=?=?==∧∧????∧∧????????∧∧????∧∧????????∧∧????0.10.10.40.50.40.50.10.10.410.40.60.10.10.10.10.10.1????????????????????????????
. 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[]0.10.510.10.50.50.10.10.1，
则 ()()0.40.5C A B R ***=??=
即 12
0.40.5C z z *=+ 第二章 模糊控制的理论基础 作业3
作业内容
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。
解： 1）设“如果X 是大并且Y 是高，那么Z 是长”，X,Y,Z 之间的模糊关系为1R ； “如果X 是小并且Y 是中，那么Z 是短”，X,Y ,Z 之间的模糊关系为2R 。
所以：R=[（X 是大×Y 是高）×Z 是长]∪[（X 是小×Y 是中）×Z 是短]=1R ∪2R
X 是大×Y 是高=[]????
??????=??????????15.005.05.0000000000015.000015.00
1R =（X 是大×Y 是高）×Z 是长=????????????????????????????????????????????????15.00005.05.000000000[]15.00=???????????????????????
?????????????????????????15.005.05.000000000005.05.005.05.00000000000000000000000000
同理，
X 是小×Y 是中=[]??????????=??????????0000
005.05.05.0005.015.0005.015.0005.01 2R =（X 是小×Y 是中）×Z 是短=????????????????????????????????????????????????0000005.05.05.0005.015.00[]05.01=???????????????????????
?????????????????????????15.005.05.00000
000000
5.05.005.05.05.005.05
,005.05.0000
00005.05
.005.0105.05.0000。
R =1R ∪2R =????????????????????????????????????????????????15.005.05.000000000005.05.005.05.00000000000000000000000000∨??????
????????????????????????
??????????????????15.005.05.000000000005.05.0005.05.005.05.005.05.000000005.05.005.0105.05.0000=???
?
?
?
?
?
?
??
??
?
?
?
?
?
?
?
??
?
?
??????????????
??????????15.005.05.00000000
0005.05.005.05.05.005.05.005.05
.0000000
05.05.005.0105.05
.0000
Zadeh 法：
]0.250.250[]max []max [1=∧∧∧∧=长高略高略小大Z Y Y X X Z
]05.05.0[]max []max [2=∧∧∧∧=短中略高略小小Z Y Y X X Z
]25.05.05.0[21=∨=Z Z Z
Mamdani 法：
[]??
?
?
?
?????=??????
?????=?15.00005.05.00000000015.000015.00高大Y X
[][]T
T T
Z Y X R ???
?
??????=?=??=15.00005.05.0000000005.05.00005.05.0000000000000000000000001
5.0015.0000
5.05.000000000)(1长高大[]???
?
?
???
??=????
???????=?0000005.05.05.0005.015.0005.015.0005.01中小Y X 第四章 神经网络基础作业
作业内容
1． 生物神经元模型的结构功能是什么？
2．人工神经元模型的特点是什么？
3．人工神经网络的特点是什么？如何分类？
4．有哪几种常用的神经网络学习算法？
1答：生物神经元由细胞体、树突和轴突组成。其中，细胞体是神经元的主体，担当着信息处理的角色；树突主要作用是接受神经元的输入信息；轴突的主要作用是信息的输出，把细胞体处理的信息从轴突起点传递到轴突末梢，轴突末梢与另一个神经元的树突或细胞体形成一种突触结构，实现神经元之间的信息传递。
2 答：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
3 答：特点：（1）能逼近任意非线性函数；
（2）信息的并行分布式处理与存储；
（3）可以多输入、多输出；
（4）便于用超大规模集成电路（VISI）或光学集成电路系统实现，或用现有的计算机技术实现；
（5）能进行学习，以适应环境的变化。
分类：根据网络连接结构分：前馈型网络、反馈型网络和自组织网络；根据知识获取方式分：监督学习型、无监督学习型和再励学习型；根据连接权对网络输出的影响：可以把前馈网络分成全局性网络和局部性网络。
4 答：目前神经网络的学习算法有多种，按有无导师分类，可分为有教师学习（Supervised Learning）、无教师学习（Unsupervised Learning）和再励学习（Reinforcement Learning）等几大类。
有导师的学习（监督学习）：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。
无导师的学习（无监督、或称自组织）：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，进行联系权系的调整，此时，网络的学习评价标准隐含于其内部。
再励学习（强化学习）：把学习看为试探评价过程，学习机选择一动作作用于环境，环境的状态改变，并产生再励信号re反馈至学习机，学习机依据再励信号与环境当前状态，再选择下一动作作用于环境，选择的原则是是受到激励的可能性增加。
其中，最基本的神经网络学习算法：
1）Widrow-Hoff学习规则
2) Hebb学习规则
第五章典型神经网络作业
作业内容
1、BP算法的特点是什么？增大权值是否能够使BP学习变慢？
2、为什么说BP网络是全局逼近的，而RBF网络是局部逼近的？
它们各有突出特点是什么？
3、何为神经网络的泛化能力？影响泛化能力的因素有哪些？
1、BP算法的特点是什么？增大权值能否使BP学习变慢？
答：BP模型可以实现多层网络学习的设想，它的学习是典型的有导师学习，基本思想是梯度下降法，以期网络的实际输出与期望输出的误差均方值最小。BP算方有正向传播和反向传播组成，具有很好的逼近能力和泛化能力。
增大权值不一定使BP学习变慢，因为它还与输出层相连的权值的调整量有关。
2、为什么说BP网络是全局逼近的，而RBF网络是局部逼近的？他们各自的突出特点是什么？答：BP网络的活化函数是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；
RBF网络的活化函数是高斯基函数，其值在输入空间中有限范围是非零值，所以是局部逼近的神经网络。
BP网络特点：
（1）是一种多层网络，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，同一层神经元之间不连接；
（3）权值通过Delta学习算法进行调节；
（4）活化函数为S函数；
（5）学习算法由正向算法和反向算法组成；
（6）层与层之间的连接是单向的，信息的传播是双向的。
RBF网络特点：
（1）活化函数为高斯基函数，其值在输入空间有限范围内为非零值，因而是局部逼近神经网络；
（2）RBF网络隐层节点的中心及基宽度参数的确定是一个困难的问题；
（3）RBF网络具有唯一最佳逼近特性，且无局部极小。
3、何为神经网络泛化能力？影响泛化能力的因素有哪些？
答：
泛化能力：用较少的样本进行训练，使网络能在给定区域内达到要求的精度。
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、
第五章典型神经网络作业2
作业内容
已知一个非线性函数y=12(πx12)sin(2πx2)，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。
'1()1j
j ij i
i j j x x w x x f x e -===+∑ （采用S 传递函数）
'
l jl j j
x w x =∑ 选择线性函数则有y xl =，选择S 函数则有 1()1xl y f xl e
-==
+ 范围：1212'
()()11(,)2155(,)21j x x l x x x e x e -+-+∈+∈+ 第六章 高级神经网络 作业
作业内容
PID控制器的一般形式为
u(k)=kpe(k)+ki∑j=0ke(j)+kd[e(k)-e(k-1)]
可写成等价形式
u(k)=k1u1(k)+k2u2(k)+k3u3(k)
其中，u1(k)=e(k)，amath u2(k)=∑j=0ke(k)endmath，
amath u3(k)=Δe(k)=e(k)-e(k-1)endmath，amath k1endmath、
amath k2endmath和amath k3endmath为PID控制器
amath kp endmath、amath ki endmath和amath kd endmath三个参数的线性表示。这一形式可以看成以amath u1(k)endmath、
amath u2(k)endmath和amath u3(k)endmath为输入，
amath k1endmath、amath k2endmath 和amath k3endmath 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。
第八章专家控制_作业
作业内容
1．什么叫产生式系统？它由哪些部分组成？试举例略加说明。
2．专家系统有哪些部分构成？各部分的作用如何？专家系统它具有哪些特点与优点？
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？
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？
5．专家控制系统的特点是什么？它和一般的专家系统相同和区别在哪里？
6．直接专家控制系统和间接专家控制系统各自有什么特点，从保证系统
的稳定性来看哪种方法更困难些？
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。
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，满足这种产生式规则的专家系统成为产生式系统。
产生式系统主要是由总数据库、产生式规则和推理机构组成。
举例：医疗产生时系统
2专家系统有哪些部分构成？各部分的作用如何？专家系统它具有哪些特点与优点？
答：专家系统组成：
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，同时它又为推理机提供求解问题所需的知识。
推理机：推理机是专家系统的“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（全局数据库）：又称为“黑板”或“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（Working Memory）。
解释接口：又称人-机界面，它把用户输人的信息转换成系统内规范化的表示形式，然后交给相应模块去处理，把系统输出的信息转换成用户易于理解的外部表示形式显示给用户，回答用户提出的“为什么？”“结论是如何得出的？”等问题。
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为计算机程序的过程。对知识库的修改和扩充也是在系统的调试和验证中进行的，是一件很困难的工作。知识获取被认为是专家系统中的一个“瓶颈”问题。
专家系统特点：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关系。
控制策略求解问题的策略，即推理的控制策略。而控制策略包括推理方向、推理路线、冲突消解策略、理的效果与效率等，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。
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：专家控制器的设计原则：（1）多样化的模型描述。
（2）在线处理的灵巧性。
（3）灵活性的控制策略。
（4）决策机构的递阶性。
（5）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和区别在哪里？
答：专家控制系统具有全面的专家系统结构、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。设计较小的知识库、简单的推理机制，可以省去复杂的人-机接口。由于其结构较为简单，又能满足工业过程控制的要求。
专家控制与一般的专家系统的区别：
（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系统各自有什么特点，从保证系统的稳定性来看哪种方法更困难些？
答：当基于知识的控制器直接影响被控对象时，叫做直接专家控制。直接专家控制系统中，专家系统直接起控制器的作用。专家控制器在控制系统中所处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机理。常规控制器基于PID等常规的控制算法，而专家控制器采用类似的专家系统的结构和原理，基于知识库和推理机得到相应的控制输出。
当基于知识的控制器仅仅间接影响控制系统时(如：监督控制系统，调节一关键结构参数等)，称作间接专家控制系统。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，其间接地控制作用。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，同样是PID参数的整定专家。这种专家控制的最大特点是专家系统间接地对控制信号起作用。
专家系统可以用来协调所有算法。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参数及增益等。所以从保证系统的稳定性来看直接专家控制器方法更困难些。
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，作为已知的新事实继续推理，从而把求解的问题由未知状态转换为已知状态。可见，专家系统的工作过程是专家工作过程的一种机器模拟。
（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）专家系统的推理机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。专家系统推理机包括三种推理方式：（1）正向推理（2）反向推理（3）双向推理
（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(而不是推演出)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
①先验知识：包括问题的类型及开环特性；②动态知识：包括中间状态及特性变化。
（b）控制、辨识、诊断知识
①定量知识：各种算法；②定性知识：各种经验、逻辑、直观判断。
按照专家系统知识库的结构，有关知识可以分类组织，形成数据库和规则库，从而构成专家控制系统的知识源。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。
（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地建立知识库。
数据库的定性设计包括：量化等级的选择；量化方法（线性量化或非线性量化）；量化因子（比例因子）；模糊子集的隶属度函数。
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（事实和数据） 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，这样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，然后在运行过程中，根据测得的数据调整得到的经验表。
第九章遗传算法_作业
作业内容
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：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：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（适配度），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的适配度进行复制，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（交叉点），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（表示染色体的符号串的某一位）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，但却降低种群的多样性，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，但不一定是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时调整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，而较小的Pc使发现新个体（特别是优良新个体）的速度太慢。一般建议的取值范围是 0.4 -0.99。另外，比较理想的的方式是非一致地使用交叉概率，例如在遗传算法的前期使用较大的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（演化策略算法，进化程序算法），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（遗传算法），Pm 通常取较小值（0.0001 ~ 0.5）。
自动控制原理本科教学要求 自动控制专业的自动控制原理课程包括自动控制原理Ⅰ和现代控制理论两部分，分两个学期讲授。 《自动控制原理I》教学大纲 课程编号：T1043010 课程中文名称：自动控制原理 课程英文名称： Automatic Control Theory 总学时： 100 讲课学时：88 实验学时：16 习题课学时：0 上机学时： 学分：6.0 授课对象：自动控制专业本科生 先修课程：电路原理、电子技术和电机方面的有关课程；复变函数和线性代数 教材：《自动控制原理》（第三版）李友善主编，国防工业出版社，2005年 参考书：《自动控制原理》（第四版）胡寿松主编，科学出版社，2001年 《Linear Control System Analysis and Design》（第四版）清华大学出版社，2000年 一、课程教学目的： 自动控制原理是控制类专业最重要的一门技术基础课。这门课主要讲解自动控制的基本理论、自动控制系统的分析方法与设计方法。 本课程的主要任务是培养学生掌握自动控制系统的构成、工作原理和各件的作用;掌握建立控制系统数学模型的方法。掌握分析与综合线性控制系统的三种方法：时域法、根轨迹法和频率法。掌握计算机控制系统的工作原理以及分析和综合的方法。了解非线性控制系统的分析和综合方法。建立起以系统的概念、数学模型的概念、动态过程的概念。 通过课程的学习使学生掌握分析、测试和设计自动控制系统的基本方法。结合各种实践环节，进行自动控制领域工程技术人员所需的基本工程实践能力的训练。从理论和实践两方面为学生进一步学习自动控制专业的其他专业课如:过程控制、数字控制、飞行器控制、智能控制、导航与制导、控制系统设计等打下必要的专业技术基础。自动控制原理课程是自动控制专业学生培养计划中承上启下的一个关键环节，因此该课程在自动控制专业的教学计划中占有重要的位置。 二、教学内容及基本要求 第一章控制系统的一般概念（2学时） 本课程的目的及讲授内容，自动控制的基本概念和自动控制系统，开环控制与闭环控制，控制系统的组成，控制系统的基本要求。 第二章控制系统的数学模型（12学时） 控制系统微分方程的建立，传递函数的基本概念和定义，传递函数的性质，基本环节及传递函数，控制系统方框图及其绘制，方框图的变换规则，典型系统的方框图与传递函数，方框图的化简，用梅森增益公式化简信号流图。 第三章线性系统的时域分析（14学时） 典型输入信号，一阶系统的瞬态响应，线性定常系统的重要性质，二阶系统的标准型及其特点，二阶系统的单位阶跃响应，二阶系统的性能指标，二阶系统的脉冲响应，二阶系统的单位速度响应，初始条件不为零时二阶系统的过渡过程。 闭环主导极点的概念，高阶系统性能指标的近似计算。稳定的基本概念和定义，线性系统的稳定条件，劳斯稳定判据。控制系统的稳态误差，稳态误差的计算：泰勒级数法和长除法，控制系统的无静差度，用终值定理计算稳态误差，减小稳态误差的方法 第四章根轨迹法（12学时） 控制系统的根轨迹，绘制根轨迹的基本规则，控制系统的根轨迹分析，参数根轨迹，闭环系统的零极点分布域性能指标 第五章线性系统的频域分析（14学时） 频率特性的概念，典型环节频率特性的极坐标图表示，典型环节频率特性的对数坐标图表示，开环系统的对数频率特性，最小相位系统。v=0、1、2时开环系统的极坐标图，Nyquist稳定判据，用开环系统的Bode图判定闭环系统的稳定性，控制系统的相对稳定性。控制系统的性能指标，二阶系统性能指标间的关系，高阶系统性能指标间的关系，开环对数频率特性和性能指标的关系。 第六章控制系统的综合与校正（14学时） 控制系统校正的基本方法，基本控制规律。相位超前校正网络，用频率特法确定相位超前校正参数，按根轨迹法确定相位超前校正参数。相位滞后网络，用频率特性法确定相位滞后校正参数，按根轨迹法确定相位滞后校正参数。相位滞后-超前校正网络，控制系统的期望频率特性，控制系统的固有频率特性，根据期望频率特性确定串联校正参数。
智能控制理论简述 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。智能控制是指驱动智能机器自主地实现其目标的过程,即无需人的直接干预就能独立地驱动智能机器实现其目标。其基础是人工智能、控制论、运筹学和信息论等学科的交叉,也就是说它是一门边缘交叉学科。 控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。 近20年来,智能控制理论(IntelligentControl Theory)与智能化系统发展十分迅速[1].智能控制理论被誉为最新一代的控制理论,代表性的理论有模糊控制(Fuzzy Control)、神经网络控制(Neural Networks Control)、基因控制即遗传算法(Genetic Aigorithms)、混沌控制[2](Chaotic Control)、小波理论[3](Wavelets Theo-ry)、分层递阶控制、拟人化智能控制、博奕论等.应用智能控制理论解决工程控制系统问题,这样一类系统称为智能化系统。它广泛应用于复杂的工业过程控制[4]、机器人与机械手控制[5]、航天航空控制、交通运输控制等.它尤其对于被控对象模型包含有不确定性、时变、非线性、时滞、耦合等难以控制的因素.采用其它控制理论难以设计出合适与符合要求的系统时,都有可能期望应用智能化理论获得满意的解决。 自从“智能控制”概念的提出到现在,自动控制和人士_智能专家、学者们提出了各种智能控制理论,下面对一些有影响的智能控制理论进行介绍。 （1）递阶智能(Hierarchical IntelligentControl) 阶智能控制是由G.N.Saridis提出的,它是最早的智能控制理论之一。它以早期的学习控制系统为基础,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。递阶智能控制遵循“精度随智能降低而提高”的原理分级分布。该控制系统由组织级、协调级、执行级组成。在递阶智能控制系统中,
学习智能控制课程研究报告 标题：高速公路隧道节能智能模糊控制系统研究姓名： 学号： 专业：测试计量技术及仪器
高速公路隧道通风照明节能智能模糊控制系统研究1.国内外公路隧道节能研究现状 1.1 国内高速公路隧道通风照明节能的研究现状 据统计，2002年我国公路隧道通车里程已达704km/1782座。公路隧道通车里程比1979年增长了13倍。同时隧道建设技术不断的提高，1995年建成的成渝高速公路上的中梁山隧道长3.165km，缙云山隧道长2.529km，解决了我国长大公路隧道的通风问题，1999年通车的四川省川藏公路上的二郎山隧道长 4.176km，同年通车的四川广安地区公路隧道长4.534km，1999年底实现双洞通车的全长2×4.116km的浙江省甬台高速公路大西邻至糊雾岭隧道，设置了照明、通风、防火监控等完善的运营机电设施。截至2009年底，我国已经建成公路隧道6139座，总长394.20万米。如此大规模的隧道建设，不但运营管理的任务十分艰巨，其安全与节能问题也日益突出。其中隧道耗电占高速公路运营中的很大一部分，以3公里长隧道为例，年电费约为400万元。 如福建高速公路监控厦门分中心在对高速公路厦门大帽山隧道供配电系统、照明系统和通风系统进行了节能技术改造，通过适当提高线路电压、提高功率因素来改造供配电系统，经过一年的试运行，2009年5月底同比无功电量下降了85.48％，为福建高速公路减少电费支出87492.8元，取得了可喜的经济效益；对照明技术进行改造，将射流风机出风口处的风导向下方后，以此损坏率计算，一年可减少高压钠灯损坏38盏、镇流器损坏l8只、触发器损坏2只、灯具损坏l1套，合计节省购买灯具费用约2万多元。如全国高速公路隧道风机都采用“两台风机共用一套自耦降压起动装置”可节省50％的起动装置。 1.2 国外高速公路隧道通风照明节能研究现状 在公路隧道照明技术方面国外研究较早，通过长期的研究和实践，技术成熟。早在20世纪60年代，依据交通量、速度和洞外亮度进行自动调光技术就已经应用于意、法两国之间的Mont Blanc隧道照明。80年代后期，为了规范隧道照明设计和施工，减少交通事故，世界各国相继颁布了公路隧道照明设计规范。随后各国制定了适合本国国情的标准，如欧洲指定的《欧洲隧道照明标准》、日本的《隧道照明指南》等。为了节约电能，提高隧道照明效果和行车舒适性，保证公路隧道安全运行，针对隧道灯具国外进行了大量的研究。依据驾驶员视觉特性和隧道内的视觉环境制定了一系列数值计算准则。如德国的侧壁面计算方法和日本
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。
一）智能控制的主要应用领域？ 答：1在机器人系统中的应用2）在CIMS计算机/现代集成制造系统和CIPS计算机/现代集成作业系统中的应用3）在航天航空控制系统中的应用4）在社会经济管理系统中的应用5）在交通运输系统中的应用。 二）专家系统的组成、主要类型？ 答：专家系统主要有四部分组成1）知识库，包括事实、判断、规则、经验知识和数学模型2）推理机，首先把知识库中的专家知识及数据库中的有关事实，以一定的推理方式进行逻辑推理以给出结论3）解释机制是专家系统区别于传统计算机程的主要特征之一，它可以向用户回答如何导出推理的结论4）知识获取系统，主要完成机器学习。 类型：1）控制系统辅助设计2）过程监控、在先诊断、故障分析与预测维护；3）过程控制4）航天故障诊断与处理5）生产过程的决策与调度。 三）智能控制的产生和发展过程及其主要代表人物？ 答：1）启蒙期从20世纪60年代起，F.W.史密斯提出采用性能模式识别器;1965年,美国扎德模糊集合;1966年,J.M.门德尔人工智能控制; 2)形成期20世纪70年代傅京孙、曼德尼3）发展期20世纪80年代4）高潮期20世纪90年代 四)人工神经网络的特点? 答:1)可以充分逼近任意复杂的非线形关系2)所有定量或定性的信息都分布储存于网络内的各神经元的连接上,故有很强的鲁棒性和容错性3)采用并行分布处理方法,使得快速进行大量运算成为可能4)可自学习和自适应不确知或不确定的系统。 五）智能控制的应用对象？ 答：1）不确定的模型传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型。 2）高度的非线性传统控制理论中的线性系统理论比较成熟。 3）复杂的任务要求在传统的控制系统中，控制的任务或者是要求输出量为定值，或者是要求输出量跟随期望的运动轨迹，因此控制任务的要求比较单一。对于智能控制系统，任务的要求往往比较复杂。 六）傅京孙关于智能控制的论文中列举的三种智能控制系统？ 答：1）人作为控制器的控制系统2）人机结合作为控制器的控制系统3）无人参与的智能控制系统。 七）模糊控制器的主要特点？ 答：1）设计简单。模糊控制器是一种基于规则的控制。 2）适用于数学模型难以获取、动态特性不易掌握或变化非常显著的对象。 3）控制效果优于常规控制器。 4）具有一定的智能水平， 5）模糊控制系统的鲁棒性强。 八）隶属函数选择的基本准则？ 答：1）表示隶属度函数的模糊集合必须是凸模糊集合。 2）变量所取隶属度函数通常是对称的、平衡的。 3）隶属度函数要符合人们的语义顺序，避免不恰当的重叠。 4）论域中每个点至少属于一个隶属度函数的区域，并应属于不超过两个隶属度函数的区域， 5）当两个隶属度函数重叠时，重叠部分对两个隶属度函数的最大隶属度不应有交叉，6）当两个隶属度函数重叠时，重叠部分的任何点的隶属度函数的和应该小于或等于1。九）隶属度函数确定的三种主要方法。
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？
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。
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，
自动控制、现代控制与智能控制的关系 一、基本区别 控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。 自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。 在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。 二、华山论剑：自动控制的机遇与挑战 传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而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，一般无法获得精确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。 为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(University of Santa Clare)联合组织了一次名为“对控制的挑战”的专题报告会。有50多位知名的自动控制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了《对控制的挑战——集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。 到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢? 在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术
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。
智能控制理论及其应用 [摘要] 本文回顾了智能控制理论的提出与发展过程，介绍了智能控制的特点，给出了智能控制理论的主要类型及其特点，列举了智能控制理论与技术的主要应用领域，最后总结了智能控制理论的发展趋势。 [关键词] 智能控制模糊控制神经网络专家控制[abstract] this paper reviewed the development of intelligence control, and introduced its main methods and characteristics, and particularized their mostly application fields, and pointed out the prospects of intelligent control development trend and put forward the study direction. [key words] intelligent control fuzzy control net neural expert control 0.引言 随着工业和自动化技术的发展，控制理论的应用日趋广泛，所涉及的控制对象日益复杂化，对控制性能的要求也越来越高，控制对象或过程的复杂性主要体现在系统缺乏精确的数学模型、具有高维的判定空间、多种时间尺度和多种性能判据等，要求控制理论能够处理复杂的控制问题和提供更为有效的控制策略。现代控制理论从理论上解决了系统的可观、可控、稳定性以及许多复杂系统的控制。但实际中的许多复杂系统具有非线性、时变性、不确定性、多层次、多因素等热点，难以建立精确的数学模型，因此需要引入新
《智能控制》课程教学大纲 课程代码：0806715003 课程名称：智能控制 英文名称：Intelligent Control 总学时：24 讲课学时：24 学分：1.5 适用专业：车辆工程专业 先修课程：自动控制原理 一、课程性质、目的和任务 智能控制是近20年来发展起来的一门新兴交叉前沿学科，具有非常广泛的应用领域。该课程是自动化及相关专业方向的一门专业选修课，其目的是使学生了解模糊理论与控制、神经网络及控制、学习控制、仿人智能控制等各种智能控制技术的基本原理与思想，拓宽学生的知识面，为今后进一步深入学习和应用智能控制技术打下必要的基础。 二、教学基本要求 本课程主要介绍模糊理论与控制、神经网络理论及控制、学习控制、仿人智能控制等各种智能控制技术的基本原理，以模糊控制、神经网络控制为重点。学完本课程应达到以下基本要求： (1) 了解以隶属度函数、模糊集合、模糊关系、模糊推理为基础的模糊数学理论。 (2) 掌握典型模糊控制系统的结构、特点与工作原理，掌握模糊控制系统中模糊化、清晰化的方法、模糊规则的建立及模糊控制器的常规设计方法。 (3) 掌握神经网络的基本概念与特点，理解人工神经元模型的意义，了解神经网络的主要学习方法。 (4) 了解掌握前向网络的概念及BP学习算法，了解神经网络在系统模型辩识与控制中的基本应用。 (5) 了解学习控制的概念；以迭代学习控制或遗传学习控制为例，了解其基本思想与原理、特点。 (6) 了解基于规则的仿人智能控制的基本思想、仿人智能特征变量，了解其典型控制系统的结构。 三、教学内容及要求 1．智能控制概述 从经典控制理论与现代控制理论的发展及所遇到的问题，引出智能控制的提出与解决的问题，了解智能控制的基本概念，研究的对象，智能控制的几个主要分支及其特点。 2．模糊理论与控制 了解模糊集的概念，普通集合与模糊集合的关系，掌握隶属度函数的意义与建立；熟悉模糊关系的基本概念与模糊关系的合成；了解模糊逻辑及基本逻辑运算，模糊语言，模糊推理的大前提、小前提与结论，掌握各种模糊逻辑推理的原理与过程；掌握模糊控制系统的
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
智能控制课程设计
《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、经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：充分理解设计内容，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
智能控制系统考试题库 考试类型 概念题：3’*5 论述题：6’*4 计算题：10’+11’ 设计题：20’*2 一：概念题： 1.智能控制；模糊控制；专家控制；神经网络定义 2.写出模糊控制器的四个主要组成部分名称 3.递阶智能系统的智能程度分布一般要遵循什么原则？ 4.何谓神经网络的泛化能力？ 5.写出遗传算法的三个基本操作 6.写出自组织神经网络的三个基本过程 7.写出四种专家系统的知识表示方法 8.写出遗传算法中两种编码方法 二：论述题 1.为什么模糊输出向量要进行解模糊计算？ 2.简述隶属度函数建立的一般准则 3.简述BP算法中误差信号反向传播过程 4.简述模糊控制器的各组成部分功能 5.简述遗传算法进化过程中两种“早熟”现象 6.简述三种提高网络泛化能力的措施 7.写出专家系统组成中知识赛，数据库和推理机的功能 8.简述隶属度函数建立的一般准则 9.简述专家系统各组成部分的功能 10.为什么模糊推理得到的结果要进行解模糊处理?写出常见的两种解模糊方法 11.简述适应度函数在遗传算法中的作用 12.递阶智能控制系统的主要结构特点有哪些？ 13.信息特征，获取方式，分层方式有哪些？ 14.详细描述数据融合的流程和方法 15.详细描述递阶智能控制系统的优化算法模型 16.比较模糊集合和普通集合的异同 17.简述模糊控制系统的组成与工作原理 18.试举例说明传统集合中叉积序偶的顺序是不能颠倒的 19.结合自身理解浅谈模糊数学与模糊集合的概念 20.举例说明模糊数学隶属函数的概念 21.简述人工神经网络定义及特征 22.生物神经元由哪几部分组成？每一部分的作用是什么？他有哪些特征？ 23.简述BP算法的神经网络结构及学习算法 24.简述遗传算法的特点及关键问题
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
（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
2015 年秋季学期研究生课程考核 （读书报告、研究报告） 考核科目:机电系统智能控制 学生所在院（系）:机电工程学院 学生所在学科:机械设计制造及其自动化学生姓名: 学号: 学生类别: 考核结果阅卷人
智能控制在机电一体化领域中的应用 Application of intelligent control in Mechatronics 摘要 随着科技的发展，对机电一体化系统控制的要求也越来越高，被控制的对象、目标与环境及其任务都变得复杂，因此智能控制技术在机电一体化系统中的应用越来越受到重视。本文介绍了智能控制技术的分类、特点以及在机电一体化系统中的应用，分析了智能控制在机电一体化领域中得到应用的原因，认为智能控制有利于提高机电一体化产品的整体性能，并提出了对未来智能控制技术在机电一体化领域中应用的展望。 关键词：智能控制，机电一体化，应用
目录 摘要 (Ⅰ) 第一章绪论 (2) 第二章智能控制与传统控制的比较 (2) 第三章智能控制技术的主要方法 (2) 3.1 引言 (2) 3.2 模糊控制 (2) 3.3 专家控制 (3) 3.4 神经网络控制 (3) 3.5 优化算法 (4) 3.5.1 遗传算法 (5) 3.5.2 蚁群算法 (5) 3.6 综合智能控制技术 (5) 3.6.1 专家系统与神经网络控制 (5) 3.6.2 模糊神经网络技术 (5) 3.6.3 遗传算法与模糊逻辑 (6) 3.6.4 遗传算法与神经网络 (7) 第四章智能控制技术在机电一体化系统中的应用 (7) 4.1 智能控制在机床中的应用 (7) 4.2 智能控制在交流伺服系统中的应用 (8) 4.3 智能控制在机器人领域中的应用 (8) 4.4 智能控制在设置装备中的应用 (8)
智能控制的发展趋势和应用 学号0000000 姓名****** 老师钟春富
摘要：描述了智能控制产生的历史以及全世界对于智能控制有研究的多个国家在智能控制的研究方向以及研究水平，介绍了智能控制的发展趋势以及智能控制发展面临的问题，详述了智能控制的主要研究方向，说明了智能控制的应用方向以及具体应用，展望了智能控制的发展前景以及对于社会生产和日常生活的积极意义。 关键词：智能控制、模糊控制、神经网控制、专家控制、智能化。 一、智能控制的产生 人类的进化归根结底是智能的进化，而智能反过来又为人类的进步服务。我们学习与研究智能系统、智能机器人和智能控制等，其目的就在于创造和应用智能技术和智能系统，从而为人类进步服务。因此，可以说对智能控制的钟情、期待、开发和应用，是科技发展和人类进步的必然趋势。 在科学技术发展史上，控制科学同其他技术科学一样，它的产生与发展主要由人类的生产发展需求和人类当时的知识水平所决定和限制的。 20世纪以来，特别是第二次世界大战以来，控制科学与技术得到了迅速的发展，由研究单输入单输出被控对象的经典控制理论，发展成了研究多输入多输出被控对象的现代控制理论。1948年，美国著名的控制论创始人维纳(N．Wiener)在他的《控制论》中第一次把动物和机器相提并论，引起哲学界的轩然大波，有人骂控制论是“伪科学”。 直到1954年钱学森博士在《工程控制论》中系统地揭示了控制论这一新兴学科对电子通讯、航空航天和机械制造工业等领域的重要意义和深远影响后，反控制论的热潮才逐渐开始平息。20世纪60年代，由于空间技术，海洋技术和机器人技术发展的需要，控制领域面临着被控对象的复杂性和不确定性，以及人们对控制性能要求越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非线性和不确定性，高噪声干扰，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量。 面对复杂的对象，复杂的环境和复杂的任务，用传统控制(即经典控制和现代控制)