下载文档原格式
智能控制技术专业第一篇：智能控制技术的概念与发展一、智能控制技术的概念智能控制技术是指利用现代计算机科学和控制理论，结合先进的传感器、执行器等元器件，实现对各种物理过程和系统的自动化控制和智能化管理的一种技术。
相比传统的控制技术，智能控制技术具有以下几个特点：1. 自主决策能力：智能控制系统具有自主感知、自主分析和自主决策的能力，能够根据环境的变化进行自适应控制。
2. 实时性强：智能控制系统采用高速计算机技术，能够对数据进行快速的采集和处理，实现高速、高精度的控制。
3. 灵活多变：智能控制系统具有良好的扩展性和可维护性，可根据用户需求进行定制和扩展。
4. 更加安全：智能控制系统能够实现对系统的自我监测和运行状态的实时监测，保证控制系统的安全性。
二、智能控制技术的发展历程智能控制技术的发展可以追溯到上世纪60年代。
当时，计算机技术和信息技术刚刚兴起，许多大型企业开始进行自动化生产。
这些企业在生产中采用计算机控制技术，但是由于计算机技术的限制，控制系统的自主性和可编程性不足，对实际生产过程的自适应控制能力较差。
到了上世纪70年代，先进的传感器、执行器技术以及计算机模拟技术逐渐发展起来，人们开始探索智能化控制技术。
这时期智能控制技术实现了从单纯的反馈控制向预测控制和优化控制的转变。
上世纪80年代，控制领域的专家学者提出了多层次、多目标决策的控制方法，这种控制方法通过构建多个控制层次，实现了自适应控制、模糊控制和神经网络控制等智能化控制方法的应用。
到了21世纪，计算机技术、网络技术、信息处理技术取得了巨大的发展，在智能控制技术中得到了广泛应用。
智能控制技术开始向泛化智能发展，包括遗传算法、模拟退火算法等进化算法的应用。
三、智能控制技术的应用前景随着传感器、执行器、通信技术和计算机技术的不断发展，智能控制技术将在更多领域得到应用。
以下是几个智能控制技术的应用前景：1. 工业自动化：随着人们对生产效率和质量的要求不断提高，工业自动化将成为智能控制技术的主要应用领域。
智能控制技术简介智能控制技术是指利用计算机、传感器、执行器等技术手段，对设备、系统或过程进行自动化控制和管理的一种技术。
通过智能控制技术，可以实现对设备运转状态、参数进行实时监测与调整，提高生产效率、降低生产成本，实现自动化生产和智能化管理。
本文将介绍智能控制技术的基本原理、应用领域以及解决方案。
一、智能控制技术的基本原理智能控制技术的基本原理是通过传感器采集设备或系统的状态信息，传递给微处理器或微控制器进行信号处理和决策，并通过执行器输出控制信号，实现对设备或系统的控制。
具体包括以下几个方面：1. 传感器技术：传感器是智能控制技术的重要组成部分，用于实时感知设备或系统的状态信息，并将其转化为电信号输出。
常见的传感器有温度传感器、压力传感器、湿度传感器等。
2. 微处理器或微控制器技术：微处理器或微控制器是指具有一定计算能力和控制功能的集成电路，用于接收传感器的信号，进行数据处理和控制决策。
根据控制算法的不同，可以实现不同的控制策略。
3. 执行器技术：执行器是将控制信号转化为设备或系统实际动作的装置，常见的执行器有电动机、液压马达、电磁阀等。
通过执行器的动作，可以实现对设备或系统的操作与控制。
二、智能控制技术的应用领域智能控制技术广泛应用于各个行业和领域，如工业自动化、智能家居、交通运输、能源管理等。
以下将介绍几个典型的应用领域：1. 工业自动化：智能控制技术在工业生产中有着广泛的应用。
通过对生产线、机器设备等进行智能控制，可以提高生产效率、降低生产成本，实现生产过程的自动化和智能化。
2. 智能家居：智能控制技术在家居领域的应用越来越广泛。
通过智能传感器和智能控制系统，可以实现对家居设备的智能化控制，如智能照明系统、智能空调系统、智能安防系统等。
3. 交通运输：智能控制技术在交通运输领域的应用可以提高交通运输系统的安全性和效率。
例如，智能交通信号灯、智能公交调度系统等，可以实现交通流量控制和优化。
1．什么是智能、智能系统、智能控制。
①、智能：能有效的获取、传递、处理、再生和利用信息，从而在任意给定的环境下成功地达到预定目标的能力。
②、智能系统：具有高度智能水平的人工系统。
③、智能控制：应用人工智能的理论与技术和运筹学的优化方法。
从工程控制的角度看，它的三个基本要素是智能信息、智能反馈、智能决策。
智能控制是以知识为基础的系统。
2．智能控制系统的结构一般由哪几部分构成，它们之间存在什么联系。
①、感知信息处理部分将传感器递送的分级的和不完全的信息加以处理，并要在学习过程中不断加以辨识、整理和更新，以获得有用的信息。
②、认知部分主要接受和存储知识、经验和数据，并对他们进行分析推理，做出行动的决策并送至规划和控制部分。
③、规划和控制部分是这个系统的核心，它根据给定任务的要求、反馈信息及经验知识，进行自动搜索、动作规划，最终产生具体的控制作用，经常规控制器和执行机构作用于控制对象。
3．智能控制系统有哪几种分类，各自得特点是什么。
①、分级递阶智能控制系统从工程控制论的角度总结人工智能与自适应、自学习和自组织控制的关系之后而逐渐形成的。
②、专家控制系统专家控制系统是一种广泛应用于故障诊断、各种工业过程控制和工业设计的智能控制系统，工程控制论与专家系统的结合形成了专家控制系统。
③、模糊控制系统凡是无法建立数学模型或难以建立数学模型的场合都可以采用模糊控制系统。
一方面，模糊控制系统提供了一种实现基于自然语言描述规则的控制规律的新机制；另一方面，模糊控制系统提供了一种改进非线性控制器的替代方法，这些非线性控制器一般用于控制含有不确定性和难以用传统非线性理论来处理的装置。
④、神经网络控制系统基于人工神经网络的控制，简称神经网络控制或神经控制。
⑤、基于规则的仿人智能控制⑥、集成智能控制系统由几种智能控制方法或机理融合在一起而构成的智能控制系统统称为集成智能控制系统。
例如：模糊神经控制系统、基于遗传算法的模糊控制系统、模糊专家系统。
智能控制基础了解智能控制基础了解1.介绍智能控制的概念智能控制是指利用先进的技术和算法，对系统进行实时的监测和调整，以提高系统的性能和效率。
智能控制可以应用于各种领域，如工业控制、智能家居、自动驾驶等。
2.智能控制的基本原理(1) 传感器和执行器传感器用于感知系统的状态和环境信息，执行器用于执行控制命令。
(2) 控制算法控制算法根据传感器信息进行决策，并相应的控制命令。
(3) 反馈机制反馈机制用于对系统的输出进行实时监测和反馈，以调整控制算法的参数。
(4) 优化算法优化算法用于优化控制算法的参数，以实现最优的控制效果。
3.智能控制的分类(1) 闭环控制和开环控制闭环控制通过反馈机制实时调整控制命令，以减小系统的误差，而开环控制没有反馈机制。
(2) 模糊控制模糊控制是一种基于模糊逻辑的控制方法，适用于复杂、非线性的系统。
(3) 神经网络控制神经网络控制利用神经网络模型进行系统建模和控制决策，具有自学习和适应能力。
(4) 遗传算法控制遗传算法控制通过模拟自然界的进化过程，对控制算法的参数进行优化。
4.智能控制的应用领域(1) 工业控制智能控制在工业领域广泛应用，如生产线控制、控制等，提高生产效率和质量。
(2) 智能家居智能控制在智能家居领域可以实现灯光、空调、门窗等设备的自动控制和优化管理。
(3) 自动驾驶智能控制在自动驾驶领域可以实现车辆的自主导航和行为决策，提高驾驶安全性和舒适性。
本文档涉及附件：________附件1 ●智能控制系统示意图本文所涉及的法律名词及注释：________1.智能控制：________指利用先进的技术和算法，对系统进行实时的监测和调整的过程。
2.闭环控制：________通过反馈机制实时调整控制命令，以减小系统的误差。
3.开环控制：________没有反馈机制的控制方式。
4.模糊控制：________一种基于模糊逻辑的控制方法，适用于复杂、非线性的系统。
5.神经网络控制：________利用神经网络模型进行系统建模和控制决策的控制方式。
智能控制(1)智能控制与传统控制的区别答：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问题，难以解决对复杂系统的控制。
智能控制能解决被控对象的复杂性、不确定性、高度的非线性，是传统控制发展的高级阶段。
(2)智能控制的概念答：智能控制是人工智能、自动控制、运筹学的交叉。
(3) 1986年美国的PDP 研究小组提出了BP 网络，实现了有导师指导下的网络学习，为神经网络的应用开辟了广阔的发展前景。
(4) 专家系统主要由知识库和推理机构成（核心）(5)专家控制的结构(6)按专家控制在控制系统中的作用和功能，可将专家控制器分为以下两种类型：答：(1) 直接型专家控制器：直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象。
具有模拟（或延伸，扩展）操作工人智能的功能。
该控制器的任务和功能相对比较简单，但是需要在线、实时控制。
因此，其知识表达和知识库也较简单，通常由几十条产生式规则构成，以便于增删和修改。
直接型专家控制器的示意图见图中的虚线所示。
(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。
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 组织型专家控制器例3.4 设 求A ∪B ，A ∩B 则(7) 在模糊控制中应用较多的隶属函数有以下6种隶属函数。
（1）高斯型隶属函数高斯型隶属函数由两个参数σ和c 确定：222)(),,(σσc x ec x f --=其中参数b 通常为正，参数c 用于确定曲线的中心。
M a t l a b 表示为 c]),σ[gaussmf(x,(3) S 形隶属函数S 形函数s i g m f (x ,[a c ])由参数a 和c 决定：)(11),,(c x a e c a x f --+=其中参数a 的正负符号决定了S 形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。
智能控制理论复习资料一．智能控制概述1.什么是智能？什么是人工智能？答：能有效地获取、传递、处理、再生和利用信息，从而在任意给定的环境下能成功地达到预定目的的能力。
是研究、开发用于模拟、延伸、扩展人的智能的理论、方法、技术与应用系统的一门新的科学技术。
2. 什么是控制？什么是自动控制？什么是智能控制？答：按照主体的意愿，使事物向期望的目标发展。
在没有人直接参与的情况下，利用外加设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。
在没有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。
3. 智能控制的二元结构和三元结构分别是什么？答：二元结构：人工智能、自动控制三元结构：人工智能、自动控制、运筹学4.智能控制系统的主要功能特点是什么？答：学习功能、适应功能、组织功能、优化功能5.智能控制的研究对象具备什么特点？答：①不确定性的模型。
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。
传统的控制系统中，控制任务或者是要求输出值为定值，或者要求输出值跟随期望值的运动轨迹，因此控制任务的要求比较单一，而智能控制的任务要求往往比较复杂。
6.智能控制与自动控制的关系是什么？答：①自动控制是智能控制的基础，智能控制是对自动控制的进步与延伸；②自动控制往往包含在智能控制之中，智能控制也利用自动控制的方法来解决“低级”的控制问题；③智能控制具有模拟人进行诸如规划、学习和自适应的能力，所以它就是让自动控制系统拥有学习的功能。
7.智能控制与传统控制相比有哪些优点？答：传统控制难以解决的问题包括以下几点：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；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；③针对实际系统往往要进行一些较苛刻的线性化假设，而这些假设往往与实际系统不符合；④实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务无能为力。
智能控制技术介绍一、引言智能控制技术是指将人工智能、机器学习、深度学习等技术应用于控制系统中，实现对系统的自主决策和智能化控制。
随着科技的不断进步和发展，智能控制技术已经成为了现代工业生产中不可或缺的一部分，广泛应用于各个领域。
二、智能控制技术的分类1. 基于规则的智能控制技术基于规则的智能控制技术是指通过事先设定好的规则来进行决策和控制。
这种方法简单易懂，但需要大量手动设置规则，且无法应对复杂环境下的问题。
2. 基于模型的智能控制技术基于模型的智能控制技术是指通过建立数学模型来进行决策和控制。
这种方法可以更好地应对复杂环境下的问题，但需要大量数据训练模型，并且在实际运行中可能会出现误差。
3. 基于学习的智能控制技术基于学习的智能控制技术是指通过机器学习、深度学习等方法来进行决策和控制。
这种方法可以自动学习和优化，适应性更强，但需要大量数据和计算资源支持。
三、智能控制技术的应用领域1. 工业自动化控制智能控制技术在工业自动化控制中得到广泛应用，可以实现对生产线、机器人等设备的自主决策和智能化控制，提高生产效率和质量。
2. 智能家居智能控制技术可以实现对家庭设备的远程监控和控制，例如空调、灯光、电视等，提高生活便利性和舒适度。
3. 智慧城市智能控制技术可以实现对城市基础设施的监测和管控，例如交通信号灯、公共垃圾桶等，提高城市管理效率和便利性。
四、智能控制技术的发展趋势1. 人工智能与物联网的结合随着物联网技术的发展，越来越多的设备将联网并产生大量数据。
人工智能技术可以通过处理这些数据来实现更加精准的决策和预测。
2. 智能控制系统的云化将智能控制系统迁移到云端，可以实现对设备的远程监控和控制，提高管理效率和便利性。
3. 智能控制技术的自主学习随着机器学习、深度学习等技术的发展，智能控制系统可以通过自主学习来优化决策和控制策略，提高适应性和鲁棒性。
五、结论智能控制技术是一种重要的现代工业生产技术，广泛应用于各个领域。
智能控制知识点总结一、智能控制的基本概念1.1智能控制的定义智能控制是一种使用人工智能、模糊逻辑、神经网络等技术的控制方法。
它能够根据环境变化和系统状态自动调整控制系统的参数，以实现更加精确和高效的控制。
1.2智能控制的特点智能控制系统具有自适应性、自学习性、自组织性等特点，能够根据系统运行的实际情况自动进行调整和优化，具有较高的智能化水平。
1.3智能控制的基本原理智能控制系统基于人工智能、模糊逻辑、神经网络等技术，通过对系统的建模和分析，以及对系统状态和环境变化的监测和预测，实现自动化控制。
二、智能控制的主要技术2.1人工智能技术在智能控制中的应用人工智能技术在智能控制中的应用主要包括专家系统、模糊逻辑和遗传算法等。
专家系统通过对专家知识的模拟和应用，能够实现对复杂系统的智能控制。
模糊逻辑通过对模糊概念的建模和应用，能够处理系统的不确定性和模糊性。
遗传算法通过模拟自然界的进化过程，能够实现对控制系统的优化。
2.2神经网络技术在智能控制中的应用神经网络技术通过对生物神经系统的模拟和应用，能够实现对系统的学习和优化。
神经网络能够通过学习来适应系统的变化，从而实现更加智能化的控制。
2.3嵌入式系统技术在智能控制中的应用嵌入式系统技术通过将控制算法和硬件系统集成在一起，能够实现对系统的实时控制。
嵌入式系统能够快速响应系统的变化，实现对系统的高效控制。
2.4大数据和云计算技术在智能控制中的应用大数据和云计算技术能够对系统的运行数据进行收集和分析，对系统的状态进行监测和预测，从而实现更加智能化的控制。
2.5物联网技术在智能控制中的应用物联网技术能够实现设备之间的智能连接和通信，从而实现对设备的远程监控和控制，实现对系统的智能化管理。
三、智能控制的应用领域3.1生产制造领域在生产制造领域，智能控制系统能够实现对生产过程的自动化控制和优化，提高生产效率和产品质量。
3.2交通运输领域在交通运输领域，智能控制系统能够实现对交通信号的智能化控制，优化交通流量，减少交通拥堵。
智能控制(1)智能控制与传统控制的区别答：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问题，难以解决对复杂系统的控制。
智能控制能解决被控对象的复杂性、不确定性、高度的非线性，是传统控制发展的高级阶段。
(2)智能控制的概念答：智能控制是人工智能、自动控制、运筹学的交叉。
(3) 1986年美国的PDP 研究小组提出了BP 网络，实现了有导师指导下的网络学习，为神经网络的应用开辟了广阔的发展前景。
(4) 专家系统主要由知识库和推理机构成（核心）(5)专家控制的结构(6)按专家控制在控制系统中的作用和功能，可将专家控制器分为以下两种类型：答：(1) 直接型专家控制器：直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象。
具有模拟（或延伸，扩展）操作工人智能的功能。
该控制器的任务和功能相对比较简单，但是需要在线、实时控制。
因此，其知识表达和知识库也较简单，通常由几十条产生式规则构成，以便于增删和修改。
直接型专家控制器的示意图见图中的虚线所示。
(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。
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 组织型专家控制器例3.4 设 求A ∪B ，A ∩B 则(7) 在模糊控制中应用较多的隶属函数有以下6种隶属函数。
（1）高斯型隶属函数高斯型隶属函数由两个参数σ和c 确定：222)(),,(σσc x ec x f --=其中参数b 通常为正，参数c 用于确定曲线的中心。
M a t l a b 表示为 c]),σ[gaussmf(x,(3) S 形隶属函数S 形函数s i g m f (x ,[a c ])由参数a 和c 决定：)(11),,(c x a e c a x f --+=其中参数a 的正负符号决定了S 形隶属函数的开口朝左或朝右，用来表示“正大”或“负大”的概念。
M a t l a b 表示为sigmf(x,[a,c])(4）梯形隶属函数梯形曲线可由四个参数a ，b ，c ，d 确定：⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧≥≤≤--≤≤≤≤--≤=dx d x c c d x d c x b b x a a b a x a x d c b a x f 01),,,,( 其中参数a 和d 确定梯形的“脚”，而参数b 和c 确定梯形的“肩膀”。
M a t l a b 表示为：d])c,b,[a,trapmf(x,(5)三角形隶属函数三角形曲线的形状由三个参数a ，b ，c 确定⎪⎪⎪⎩⎪⎪⎪⎨⎧≥≤≤--≤≤--≤=cx c x b b c x c b x a ab a x a xc b a x f 00),,,(其中参数a 和c 确定三角形的“脚”，而参数b 确定三角形的“峰”。
M a t l a b 表 示为c])b,[a,trimf(x, （6）Z 形隶属函数43215.04.01.03.0uu u u B A +++= 43216.08.02.09.0u u u u B A +++= 43215.08.02.09.0u u u u A +++=43216.04.01.03.0u u u u B +++=这是基于样条函数的曲线，因其呈现Z 形状而得名。
参数a 和b 确定了曲线的形状。
例3-10 设图 高斯型隶属函数（M=1）图 S 形隶属函数（M =3） 图 梯形隶属函数（M=4） 图 三角形隶属函数（M =5）图 Z 形隶属函数（M=6） ⎥⎦⎤⎢⎣⎡=9.03.01.07.0A ⎥⎦⎤⎢⎣⎡=1.02.09.04.0B则例3-9 设论域x={a 1，a 2，a 3}，y={b 1，b 2，b 3}，z={c 1，c 2，c 3}，已知3211.015.0a a a A ++=3216.011.0a b b B ++=2114.0c c C +=试确定“If A AND B then C ”所决定的模糊关系R ，以及32111.05.00.1a a a A ++=11230.10.51B b b b =++时的输出C 1。
解：[]T 0.50.10.50.5A B=10.110.60.11.00.60.10.10.10.1A B ⎡⎤⎡⎤⎢⎥⎢⎥⨯∧=∧=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦将A ×B 矩阵扩展成如下列向量：()[][]TT1TR=A B C= 0.10.50.50.1 1.00.60.10.10.10.410.10.40.40.10.40.40.10.10.10.10.50.50.110.60.10.10.1⨯⨯⎡⎤=⎢⎥⎣⎦当输入为A 1和B 1时，有：()[]T20.10.510.10.50.50.10.10.1A B ⨯=()[]T111110.10.510.50.10.510.10.50.50.10.10.10.1A B A B ⎡⎤⎡⎤⎢⎥⎢⎥⨯=⨯=∧=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦将A 1×B 1矩阵扩展成如下行向量：最后得[][]T10.10.40.40.10.40.40.10.10.10.10.510.10.50.50.10.10.10.10.50.50.110.60.10.10.1 0.40.5C ⎡⎤=⎢⎥⎣⎦=即：1120.40.5C c c =+(8)模糊控制原理框图⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡∨∨∨∨=9.03.09.07.01.09.02.03.09.01.04.07.0B A ⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡∧∧∧∧=1.02.01.04.01.09.02.03.09.01.04.07.0B A ⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡----=1.07.09.03.09.013.011.017.01A(9)模糊控制器的构成(模糊控制器的组成框图)(10)模糊控制器结构类型1单变量模糊控制器（a)一维模糊控制器如图所示，一维模糊控制器的输入变量往往选择为受控量和输入给定的偏差量E。
由于仅仅采用偏差值，很难反映过程的动态特性品质，因此，所能获得的系统动态性能是不能令人满意的。
这种一维模糊控制器往往被用于一阶被控对象。
(a)(b)(b)二维模糊控制器二维模糊控制器的两个输入变量基本上都选用受控变量和输入给定的偏差E和偏差变化E C，由于它们能够较严格地反映受控过程中输出变量的动态特性，因此，在控制效果上要比一维控制器好得多，也是目前采用较广泛的一类模糊控制器(c)三维模糊控制器如图所示，三维模糊控制器的三个输入变量分别为系统偏差量E、偏差变化量E C和偏差变化的变化率E C C。
由于这些模糊控制器结构较复杂，推理运算时间长，因此除非对动态特性的要求特别高的场合，一般较少选用三维模糊控制器。
(11)将模糊推理结果转化为精确值的过程称为反模糊化。
常用的反模糊化有三种：(1)最大隶属度法选取推理结果模糊集合中隶属度最大的元素作为输出值，即 如果在输出论域V 中，其最大隶属度对应的输出值多于一个，则取所有具有最大隶属度输出的平均值，即：N 为具有相同最大隶属度输出的总数。
(2) 重心法 为了获得准确的控制量，就要求模糊方法能够很好的表达输出隶属度函数的计算结果。
重心法是取隶属度函数曲线与横坐标围成面积的重心为模糊推理的最终输出值，即⎰⎰=VvVvdvv dvv v v )()(0μμ对于具有m 个输出量化级数的离散域情况∑∑===m k k vmk k v kv v vv 110)()(μμ与最大隶属度法相比较，重心法具有更平滑的输出推理控制。
即使对应于输入信号的微小变化，输出也会发生变化。
(3)加权平均法工业控制中广泛使用的反模糊方法为加权平均法，输出值由下式决定∑∑===mi imi iikkv v 110其中系数 k i 的选择根据实际情况而定。
不同的系数决定系统具有不同的响应特性。
当系数取隶属度)(i V v μ 时，就转化为重心法。
(12)神经元/神经细胞由三部分构成：（1）细胞体（主体部分）：包括细胞质、细胞膜和细胞核； （2）树突：用于为细胞体传入信息；（3）轴突：为细胞体传出信息，其末端是轴突末梢，含传递信息的化学物质；（4）突触：是神经元之间的接口（104~105个/每个神经元）。
一个神经元通过其轴突的神经末梢，经突触与另外一个神经元的树突连接，以实现信息的传递。
由于突触的信息传递特性是可变的，随着神经冲动传递方式的变化，传递作用强弱不同，形成了神经元之间连接的柔性，称为结构的可塑性。
(13)神经网络的分类根据神经网络的连接方式，神经网络可分为两种形式： （1）前向网络（2）反馈网络（3）自组织网络)(max 0v v vμ=V v ∈∑==N i i v N v 101))((max v v v V v i μ∈=(14)神经网络学习算法按有无导师分类可分为有教师学习、无教师学习和再励学习等几大类。
(15)最基本的神经网络学习算法：H e b b学习规则、D e l t a(δ)学习规则、概率式学习规则、竞争式学习规则(16)神经网络特征（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；（2）便于用超大规模硬件实行并行处理(3) 能进行学习，以适应环境的变化(17)神经网络要素（1）神经元（信息处理单元）的特性；（2）神经元之间相互连接的形式—拓扑结构；（3）为适应环境而改善性能的学习规则。
(18)B P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连方式，同一层神经元之间不连接；（3）权值通过δ学习算法进行调节；（4）神经元激发函数为S函数；（5）学习算法由正向传播和反向传播组成；（6）层与层的连接是单向的，信息的传播是双向的。
(19)BP算法的学习过程由正向传播和反向传播组成。
在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输出层，每层神经元（节点）的状态只影响下一层神经元的状态。
如果在输出层不能得到期望的输出，则转至反向传播，将误差信号（理想输出与实际输出之差）按联接通路反向计算，由梯度下降法调整各层神经元的权值，使误差信号减小。
(20)神经网络监督控制y(21)神经网络直接逆动态控制(22)遗传算法的基本原理（1）遗传（2）变异（3）生存斗争和适者生存(23)遗传算法的基本操作为：（1）复制（2）交叉（3）变异(24)遗传算法的构成要素（1）染色体编码方法（2）个体适应度评价（3）遗传算子①选择运算:使用比例选择算子；②交叉运算:使用单点交叉算子；③变异运算:使用基本位变异算子或均匀变异算子。
