《智能控制考试复习资料及重点内容.doc》由会员分享，可在线阅读，更多相关《智能控制考试复习资料及重点内容.doc（4页珍藏版）》请在三一文库上搜索。
1、一、填空题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 对称和平衡的 。3、描述变量的标称值安排的越多，即在论语中的隶属度函数的密度越大 ，模糊控制系统的分辨率就越高 ，其系统响应的结果就 越平滑 。如果标称值安排得太少， 则其系统的响应可能 会不太敏感， 并可能无法及时提供输出控制跟随小的输入变化， 以致使系统的输出会在期望 值附近震荡。4、重叠率 =重叠范围 /附近模糊隶属度函数的范围 ，一般重叠率为 0.2-0.6为宜，低重叠指数 适用于有 较大明确相关性 的输入输出系统。5、模糊控制的缺点： a建立模糊化和逆模糊化的方法时， 缺乏系统的方法主要靠经验和试
2、凑 b总结模糊控制规则有时比较困难 c控制规则一旦确定不能在线调整， 不能很好的适应情况的 变化 d模糊控制器由于不具有积分环节，因而稳态精度不高。6、神经网络反映人脑功能的基本特征：并行信息处理、学习、联想、模式分类、记忆 。7、BP网络的 优点 为：（1）只要有足够多的隐层和隐层节点， 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，个别神经元的损坏只 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）待寻优的参数多，收敛速度慢；（2
3、）目标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）难以确定隐层及隐层节点的数目。目前，如何根据特定的问题来确定具体的网络结构 尚无很好的方法，仍需根据经验来试凑。8、专家控制系统是由 知识库 推理机 数据库 知识获取机构 解释机构 人机界面 五部分组 成。9、分层递阶智能控制 从上往下由组织级、协调级和执行级3部分 组成,遵循 精度随智能降低而增大（ IPDI ）原理 ，即越往下层，智能越低，但精度越高 。10、集散递阶智能控制新增加了 多传感器信息融合级 。（ 组织级 、 智能协调级 、 多传感器融 合级 、生产过程执行级 ）二、问答题1、智能控制系统由哪几部分组成
4、，各部分作用。 答:智能系统的典型结构有六部分组成，包括：执行器、传感器、感知信息处理、规划与控 制、认知和通信接口。执行器 ：是系统的输出，对外界对象发生作用。传感器 ： 产生智能系统输入，用来监测外部环境和系统本身的状态，向感知信息处理单元提供输入。 感知信息处理 ：将感知器得到的原始信息加以处理，并对内部环境模型产生的期望值进行比较。认知 ：主要用来接收和储存信息、知识、经验和数据，并对它们进行分析、推理，做出行动的决 策，送至规划和控制部分。通信接口 ：除建立人机之间的联系外，还建立系统各模块之间的联系。规划和控制 ：是整个系统的核心， 它根据给定的任务要求、 反馈的信息以及经验知识，
5、进行 自动搜索、推理决策、动作规划，最终产生具体的控制作用。2、智能控制和传统控制比较有什么不同，在什么场合下选用智能控制策略。 答：传统的控制理论主要采用微分方程、 状态方程及各种数学变换作为研究工具， 他们本质 上是一种数值计算方法， 而人工智能主要采用符号处理、 一阶谓词逻辑等作为研究的数学工 具，主要有以下几种形式： 1 符号推理与数值计算结合； 2 离散时间系统与连续时间系统的 结合； 3 模糊集理论； 4 神经元网络理论； 5 优化理论。 在具有如下特点的一类现代控制工程中： 1 不确定性的模型； 2 高度非线性； 3 复杂的任务 要求。 即，复杂的控制系统普遍表现出系统的数学模型
6、难以通过传统的数学工具来描述， 数 学工具或计算机仿真技术的传统控制理论已经无法解决的系统控制问题。3、分别叙述模糊控制器四个模块设计内容，并写出设计步骤。答：四个模块为： 模糊化过程 、知识库（含数据库和规则库） 、推理决策逻辑 、精确化计算 。 （PPT 上是： 模糊化接口 、规则库 、 模糊推理 、 清晰化接口 ）设计步骤：1 定义输入输出变量2 定义所有变量的模糊化条件3 设计控制规则库4 设计模糊推理结构5 选择精确化策略方法PPT 上设计步骤是：（1）确定模糊控制器的输入变量和输出变量；（2）确定输入，输出的论域和 Ke、 Kec、 Ku 的值；（3）确定各变量的语言取值及其隶属函
7、数；（4）总结专家控制规则及其蕴涵的模糊关系；（5）选择推理算法；（6）确定清晰化的方法；（7）总结模糊查询表。三、计算题1书上 80页 2-2；2书上 81 页2-5。四、简答题1. 神经网络的模型分类，分别画出网络图，简述其特点。1）前向网络 ：神经网元分层排列，组成输入层，隐含层和输出层。每一层的神经元只能接 收前一层神经元的输入。 输入模式经过各层的顺次变换后， 得到输出层数输出。 个神经元之 间不存在反馈。感知器和误差反向传播算法中使用的网络都属于这种模型。2）反馈网络 ：这种网路结构指的是只有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
8、。 这种模式可用来存储某种模式序列， 也 可以动态时间序列系统的神经网络建模。3）相互结合型网络 ：属于网状结构，这种神经网络模型在任意两个神经元之间都可能存在 连接。 信号要在神经元之间反复往返传递， 网络处在一种不断改变的状态之中。 从某个初态 开始， 经过若干次变化， 才能达到某种平衡状态， 根据网络结构和神经元的特性， 还有可能 进入周期震荡或混沌状态。4）混合型网络 ：是层次型网络和网状结构网络的一种结合。通过层内神经元的相互结合， 可以实现同一层内的神经元的横向抑制或兴奋机制， 这样可以限制每层内能同时动作的神经 元数，或者把每层内的神经元分成若干组，让每组作为一个整体来动作。2.
9、 神经网络学习算法有几种，分别画出网络图，简述其特点。1）有导师学习 ：所谓有导师学习就是在训练过程中，始终存在一个期望的网络输出。期望 输出和实际输出之间的距离作为误差度量并用于调整权值。1.2）无导师学习 ：网络不存在一个期望的输出值，因而没有直接的误差信息，因此，为实现 对网络训练，需建立一个间接的评价函数，一对网络的某种行为趋向作出评价。3、简述神经网络泛化能力。答：人工神经网络容许某些变化， 如当输入矢量带有噪声时， 即与样本输出矢量存在差异时， 其神经网络的输出同样能够准确地呈现出应有的输出。这种能力就成为泛化能力。4、单层 BP网络与多层神经网络学习算法的区别。N1）单层神经网络的 Delta 学习算法是通过对目标函数 EEp 的极小来实现的，其中 Ep1的极小是通过有序地对每一个样本数据的输出误差Ep的极小化来得到。 Delta规则的学习算1 n02法就是对 E（t pj ypj）2 所定义的目标函数值求梯度得到。2 i 12）多层前向传播网络的权系数训练算法是利用著名的误差反向传播学习算法。根据这一算 法，训练网络权阵的更新是通过反向传播网路的期望输出 （样本输出） 与世纪输出的误差来 实现的。五、实验设计1.模糊控制算法研究；2.其余四个实验中任选一题附在后边。