(完整版)智能控制-考试题(附答案)
智能控制复习题-参考答案
（书本 P 13）上海第二工业大学《智能控制系统》练习卷一、填空题1、机器智能是把信息进行组织 、并 把它转换成知识 的过程。
2、智能控制方法比传统的控制方法更能适应对象的 时变性 、 非线性 和 不确定性 。
3、智能控制中的三元论指的是： 人工智能 、 自动控制 和 运筹学 。
4、从 工程控制角度看，智能控制三个基本要素是： 归纳 、 集注 、 组合操作 。
（这道题有点疑问，大家找找资料）5、生物神经元经抽象化后，得到的人工神经元模型，它有三个基本要素 连接权值 、 求和函数 和 激发函数 。
6、神 经网络的结构按照神经元连接方式可分成 层状 和 网状 。
7、定义一个语言变量需要定义 4 个方面的内容： 定义变量名称 、 定义变量的论域 、 定义变量的语言 、 定义每个模糊集合的隶属函数 。
8、� = 0.2 + 0.3 + 0.4 + 0.9，则 A0.2={x1, x2, x3, x4}，A0.4={ x3, x4} ，A0.9={ x4 }�1�2�3 �49、假设论域为 5 个人的体重分别为 110kg 、95kg 、85kg 、78kg 、65kg ，他们 的体重对于“肥胖”的模糊概念的隶属度分别为 0.95、0.88、0.8、0.72、0. 5。
试用：(1) Zadeh 表示法表示模糊集“肥胖” 答：肥胖=0. 95 +0. 88 +0. 8 +0. 72 +0. 5 11095857865(2)序偶表示法表示模糊集“ 肥胖”答：肥胖={(110,0.95), (95,0.88)(85,0.8)(78,0.72)(65,0.5)} （或 肥胖={0.95, ,0.88,0.8,0.72,0.5}）10、专家系统的核心部分是： 知识库子系统 、 推理子系统 。
11、在专家系统中，解释器是专家系统与用户间的人-机接口。
12、人工神经网络常见的激发函数或作用函数有：阈值型函数、饱和型函数、和双曲函数（此外还有S 型函数，高斯函数等）。
智能控制试卷及答案
智能控制试卷及答案一、试卷一、选择题（每题2分，共20分）1. 下列哪项不是智能控制的主要类型？A. 人工智能控制B. 模糊控制C. 神经网络控制D. 逻辑控制2. 以下哪种控制方法适用于处理具有不确定性、非线性和时变性等特点的复杂系统？A. PID控制B. 模糊控制C. 串级控制D. 比例控制3. 神经网络控制的核心思想是利用神经网络实现控制规律的映射，以下哪种神经网络模型适用于动态系统的控制？A. BP神经网络B. RBF神经网络C. 感知器D. Hopfield神经网络4. 模糊控制中，模糊逻辑推理的核心部分是？A. 模糊集合B. 模糊规则C. 模糊推理D. 解模糊5. 以下哪种方法不属于智能控制系统的建模方法？A. 基于模型的建模B. 基于数据的建模C. 基于知识的建模D. 基于经验的建模二、填空题（每题2分，共20分）6. 智能控制的理论基础包括________、________和________。
7. 模糊控制的基本环节包括________、________、________和________。
8. 神经网络控制的主要特点有________、________、________和________。
9. 智能控制系统的主要性能指标包括________、________、________和________。
10. 智能控制技术在工业生产、________、________和________等领域有广泛应用。
三、判断题（每题2分，共10分）11. 模糊控制适用于处理具有确定性、线性和时不变性等特点的复杂系统。
（）12. 神经网络控制具有较强的自学习和自适应能力。
（）13. 智能控制系统不需要考虑系统的稳定性和鲁棒性。
（）14. 智能控制技术在无人驾驶、智能家居等领域具有广泛应用前景。
（）15. 模糊控制的核心思想是利用模糊逻辑进行推理和决策。
（）四、简答题（每题10分，共30分）16. 简述模糊控制的基本原理。
《智能控制技术》考试试题
《智能控制技术》考试试题（备注：请将本试卷粘贴在答题本内页）一、概念题（每小题5分，共20分）（1）人工神经网络人工神经网络的研究是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点。
2．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”。
3．专家系统专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复制问题。
4．递阶控制对递阶结构的大系统所采用的控制方式。
二、简答题（每小题10分，共40分）1．简述智能控制的发展过程,并说明智能控制的特点。
从20世纪60年代至今，智能控制的发展过程通常被划分3个阶段：萌芽期、形成期和发展期。
智能控制具有以下基本特点：1）应能为复杂系统进行有效的全局控制，并具有较强的容错能力。
2）定性策划和定量控制相结合的多模态组合控制。
3）从系统的功能和整体优化的角度来分析和综合系统，以实现预定的目标，并具有自组织能力。
4）同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程，系统在信息处理上，既有数学运算，又有逻辑和知识推理。
2．智能控制学科有哪几种结构理论?这些理论的内容是什么?二元结构理论傅京孙曾对几个与自学习控制(learning control)有关的领域进行了研究。
为强调系统的问题求解和决策能力,他用“智能控制系统”来包括这些领域。
他指出“智能控制系统描述自动控制系统与人工智能的交接作用”。
我们可以用式(1.3)和(1.6)以与图1.3来表示这种交接作用,并把它称为二元交集结构。
1.4.2 三元结构理论萨里迪斯于1977年提出另一种智能控制结构,它把傅京孙的智能控制扩展为三元结构,即把智能控制看作为人工智能、自动控制和运筹学的交接,如图1.4所示。
萨里迪斯认为,构成二元交集结构的两元互相支配,无助于智能控制的有效和成功应用。
(完整版)智能控制题目及解答
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。
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 (20) 学习控制系统二、选择题1、D2、A3、C4、B5、D6、B7、A8、D9、A 10、D三、问答题1、答: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精确的系统数学模型基础上的,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,根本无法以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投资和维修费用,降低系统的可靠性。
传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。
人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平──智能控制发展。
智能控制具有下列特点:(1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。
(2) 智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
智能控制技术试卷
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。
(完整版)智能控制习题参考答案
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。
智能控制考试题及答案
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 (20) 学习控制系统二、选择题1、D2、A3、C4、B5、D6、B7、A8、D9、A 10、D三、问答题1、答: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精确的系统数学模型基础上的,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,根本无法以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投资和维修费用,降低系统的可靠性。
传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。
人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平??智能控制发展。
智能控制具有下列特点:(1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。
(2) 智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
智能控制复习题-参考答案
（书本 P 13）上海第二工业大学《智能控制系统》练习卷一、填空题1、机器智能是把信息进行组织 、并 把它转换成知识 的过程。
2、智能控制方法比传统的控制方法更能适应对象的 时变性 、 非线性 和 不确定性 。
3、智能控制中的三元论指的是： 人工智能 、 自动控制 和 运筹学 。
4、从 工程控制角度看，智能控制三个基本要素是： 归纳 、 集注 、 组合操作 。
（这道题有点疑问，大家找找资料）5、生物神经元经抽象化后，得到的人工神经元模型，它有三个基本要素 连接权值 、 求和函数 和 激发函数 。
6、神 经网络的结构按照神经元连接方式可分成 层状 和 网状 。
7、定义一个语言变量需要定义 4 个方面的内容： 定义变量名称 、 定义变量的论域 、 定义变量的语言 、 定义每个模糊集合的隶属函数 。
8、� = 0.2 + 0.3 + 0.4 + 0.9，则 A0.2={x1, x2, x3, x4}，A0.4={ x3, x4} ，A0.9={ x4 }�1�2�3 �49、假设论域为 5 个人的体重分别为 110kg 、95kg 、85kg 、78kg 、65kg ，他们 的体重对于“肥胖”的模糊概念的隶属度分别为 0.95、0.88、0.8、0.72、0. 5。
试用：(1) Zadeh 表示法表示模糊集“肥胖” 答：肥胖=0. 95 +0. 88 +0. 8 +0. 72 +0. 5 11095857865(2)序偶表示法表示模糊集“ 肥胖”答：肥胖={(110,0.95), (95,0.88)(85,0.8)(78,0.72)(65,0.5)} （或 肥胖={0.95, ,0.88,0.8,0.72,0.5}）10、专家系统的核心部分是： 知识库子系统 、 推理子系统 。
11、在专家系统中，解释器是专家系统与用户间的人-机接口。
12、人工神经网络常见的激发函数或作用函数有：阈值型函数、饱和型函数、和双曲函数（此外还有S 型函数，高斯函数等）。
智能控制题目及解答
1.神经网络的模型分类，分别画岀网络图，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，得到输岀层数输岀。
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岀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岀神经元的反馈。
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。
7.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岀。
期望输岀和实际输岀之间的距离作为误差度量并用于调整权值。
- （t pj y pj）1 2 3 4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。
3、分别叙述模糊控制器四个模块设计内容，并写岀设计步骤。
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定义输入输岀变量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。
(完整版)智能控制考试题库
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。
智能控制智能控制试卷(练习题库)(2023版)
智能控制智能控制试卷（练习题库）1、简述智能控制的概念。
2、比较智能控制和传统控制的特点？3、智能控制的概念首次由著名学者（）提出的。
4、经常作为智能控制典型研究对象的是（）。
5、智能自动化开发与应用应当面向（）。
6、不属于智能控制是（）。
7、以下不属于智能控制主要特点的是（）。
8、以下不属于智能控制的是（）。
9、地质探矿专家系统常使用的知识表示方法为（）。
10、自然语言问答专家系统使用的知识表示方法为（）。
11、专家系统中的自动推理是基于O的推理。
12、适合专家控制系统的是（）。
13、直接式专家控制通常由O组成。
14、产生式系统的推理方式不包括（）。
15、黑板专家控制系统的组成有O16、建立专家系统，最艰难（“瓶颈”）的任务是（）。
17、产生式系统包含的基本组成O18、下列概念中不能用普通集合表示的是（）。
19、以下应采用模糊集合描述的是（）。
20、某模糊控制器的语言变量选为实际温度与给定温度之差即误差e、误差变化率4e；以及加热装置中可控硅导通角21、在论域U中，模糊集合A的支集只包含一个点u,且OAum=I,则A称为（）。
22、在模糊控制中，隶属度（）。
23、在模糊控制器的推理输出结果中，取其隶属度最大的元素作为精确值, 去执行控制的方法称为（）。
24、在温度模糊控制系统中，二维模糊控制器的输出是（）。
25、以下的集合运算性质中，模糊集合不满足的运算性质（）。
26、模糊控制方法是基于（）。
27、以下应采用模糊集合描述的是（）。
28、模糊隶属度函数曲线的形状可以为（）。
29、某模糊控制器的语言变量选为实际水位与给定水位之差即误差e,以及调节阀门开度的变化量u,故该模糊控制器30、某一隶属度函数曲线的形状可以选为（）。
31、模糊控制器的术语“正中”，可用符合O表示。
32、在模糊控制器的推理输出结果中，取其隶属度函数曲线与横坐标围成面积的重心作为输出值，去执行控制的方法称33、下列概念中不能用普通集合表示的是（）。
《智能控制基础》题集
《智能控制基础》题集第一大题：选择题（每题2分，共20分）1.智能控制理论是在哪个世纪开始发展的？A. 18世纪B. 19世纪C. 20世纪D. 21世纪2.下列哪项不属于智能控制的主要特点？A. 自适应性B. 鲁棒性C. 精确性D. 学习功能3.模糊控制系统的核心是什么？A. 模糊规则库B. 模糊推理机C. 模糊化接口D. 反模糊化接口4.神经网络在智能控制中的主要作用是？A. 数据存储B. 模式识别C. 系统建模D. 逻辑判断5.遗传算法是一种什么类型的算法？A. 搜索算法B. 排序算法C. 加密算法D. 压缩算法6.专家系统主要由哪几部分组成？A. 知识库、推理机、用户界面B. 数据库、模型库、方法库C. 规则库、事实库、解释器D. 学习库、知识库、优化器7.下列哪项是智能控制系统中常用的传感器？A. 温度传感器B. 压力传感器C. 光电传感器D. 所有以上都是8.在自适应控制中，什么是自适应律的主要作用？A. 调整控制器参数B. 保持系统稳定C. 减小系统误差D. 提高系统响应速度9.下列哪项不是智能控制应用的主要领域？A. 机器人控制B. 工业过程控制C. 航空航天控制D. 文字处理10.智能控制系统的设计通常包括哪几个步骤？A. 问题定义、系统建模、控制器设计、实现与测试B. 需求分析、系统设计、编程实现、系统测试C. 系统分析、硬件选择、软件编程、系统集成D. 理论研究、实验验证、应用开发、市场推广第二大题：填空题（每空2分，共20分）1.智能控制的主要研究对象是具有__________________、__________________和不确定性的系统。
2.模糊控制器的设计主要包括__________________、__________________、模糊推理和反模糊化四个步骤。
3.神经网络的学习算法主要包括有教师学习、无教师学习和__________________三种类型。
(完整版)智能控制-考试题(附答案)
《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：01()()[()()]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51015202530354000.20.40.60.811.21.41.61.8Time(s)y (t )051015202530354000.511.5Time(s)y (t )PID 0.6u K 0.5u T 0.125u T据以上分析，通过多次整定，当 1.168p K =时系统出现等幅振荡，从而临界增益 1.168u K =，再从等幅振荡曲线中近似的测量出临界振荡周期 5.384u T =，最后再根据表1.1中的PID 参数整定公式求出：0.701, 2.692,0.673p i d K T T ===，从而求得：比例系数0.701p K =，积分系数/0.260i p i K K T ==，微分系数0.472d p d K K T ==。
[精选]智能控制试卷及答案4套资料
![[精选]智能控制试卷及答案4套资料](https://img.taocdn.com/s3/m/70b5c6bf6f1aff00bfd51e0e.png)
精品文档智能控制 课程试题A合分人：复查人：一、填空题（每空 1 分，共 20分）1．智能控制系统的基本类型有 、 、 、 、 和 。
2．智能控制具有2个不同于常规控制的本质特点： 和 。
3．一个理想的智能控制系统应具备的性能是 、 、 、 、 等。
4. 人工神经网络常见的输出变换函数有： 和 。
5. 人工神经网络的学习规则有： 、 和 。
6. 在人工智能领域里知识表示可以分为 和 两类。
二、简答题：（每题 5 分，共 30 分）1. 智能控制系统应具有的特点是什么？2. 智能控制系统的结构一般有哪几部分组成，它们之间存在什么关系？4．神经元计算与人工智能传统计算有什么不同？5．人工神经元网络的拓扑结构主要有哪几种？6．简述专家系统与传统程序的区别。
三、作图题：（每图 4 分，共 20 分）1. 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4π时，我们才失去e(t)是“正小”的信心； （b ）我们相信2π附近的e(t)是“正大”，而对于远离2π的e(t)我们很快失去信心； （c ）随着e(t)从4π向左移动，我们很快失去信心，而随着e(t)从4π向右移动，我们较慢失去信心。
2. 画出以下两种情况的隶属函数：（a ）精确集合 {}82A x x ππ=≤≤的隶属函数；（b ）写出单一模糊（singleton fuzzification ）隶属函数的数学表达形式，并画出隶属函数图。
四、计算题：（每题 10 分，共 20 分）1. 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)；（b ）规则2：If error is zero and chang-in-error is possmall Then force is negsmall 。
智能控制答案(最终版3题全做)
智能控制作业1.已知某一炉温控制系统，要求温度保持着600℃恒定。
针对该控制系统有以下控制经验。
（1）若炉温低于600℃，则升压；低得越多升压越高。
（2）若炉温高于600℃，则降压；高得越多降压越低。
（3）若炉温等于600℃，则保持电压不变。
设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。
试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：(1) 确定变量定义理想温度为600℃，实际炉温为T,则温度差为：e=600-T将温度差e作为输入变量。
(2)输入量和输出量的模糊化将偏差e分成5个模糊集：负大（NB），负小（NS），零（ZO）,正小（PS），正大（PB）。
将偏差e的变化分成7个等级：-3，-2，-1，0，+1，+2，+3，从而得到温度变化模糊表如表1所示：控制电压u也分成5个模糊集：负大（NB），负小（NS），零（ZO）,正小（PS），正大（PB）。
将偏差u的变化分成7个等级：-3，-2，-1，0，+1，+2，+3，而得到电压变化模糊表如表2示：MATLAB仿真程序如下：%Fuzzy Control for water tankclear all;close all;a=newfis('fuzz_tank');a=addvar(a,'input','e',[-3,3]); %Parameter ea=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[-4,4]); %Parameter ua=addmf(a,'output',1,'NB','zmf',[-4,-1]);a=addmf(a,'output',1,'NS','trimf',[-4,-2,1]);a=addmf(a,'output',1,'Z','trimf',[-2,0,2]);a=addmf(a,'output',1,'PS','trimf',[-1,2,4]);a=addmf(a,'output',1,'PB','smf',[1,4]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'tank'); %Save to fuzzy file "tank.fis" a2=readfis('tank');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('tank'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7 e(i)=i-4;Ulist(i)=evalfis([e(i)],a2); endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference2.用高级语言(C 、VC++、MATLAB 等)编程实现用BP 神经网络实现下列函数的非线性映射：101()log ,110f x x x x=≤≤ 分析误差曲线及网络的泛化能力。
智能控制习题答案
第一章绪论之答禄夫天创作1. 什么是智能、智能系统、智能控制？答：“智能”在美国Heritage辞书界说为“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、植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年夜功能, 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：以微处置器为基础, 对生产过程进行集中监视、把持、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, 整个装置继承了惯例仪表分散控制和计算机集中控制的优点, 克服了惯例仪表功能单一, 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、把持和显示三方面集中, 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：它是一种模范植物神经网络行为特征, 进行分布式并行信息处置的算法数学模型.这种网络依靠系统的复杂水平, 通过调整内部年夜量节点之间相互连接的关系, 从而到达处置信息的目的.专家控制系统：是一个智能计算机法式系统, 其内部含有年夜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置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法式系统.多级递阶控制系统是将组成年夜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条理结构系统.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举措.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, 影响更年夜, 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．比力智能控制与传统控制的特点.答：智能控制与传统控制的比力：它们有密切的关系, 而不是相互排斥.惯例控制往往包括在智能控制之中, 智能控制也利用惯例控制的方法来解决“初级”的控制问题, 力图扩充惯例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年夜的范围内变动, 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, 同时还要扩年夜输出装置的能力, 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. 为扩年夜信息通道, 就必需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力复杂.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前途, 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战略、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暗示的非数学广义模型和以数学暗示的混合控制过程, 采纳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, 智能控制系统有赔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；信息论介入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, 即由用户扶引机器人, 一步步按实际任务把持一遍, 机器人在扶引过程中自动记忆示教的每个举措的位置、姿态、运动参数、焊接参数等, 并自动生成一个连续执行全部把持的法式.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举措, 一步步完玉成部把持, 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, 其轨迹重复精度可到达±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动性, 变动性就是不确定定性；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；如果一个人的年龄年夜于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, 可是与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暗示出来的不确定性, 而事件自己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沛而招致的结果的不确定性.可是他们都共同暗示出不确定性.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置.3．比力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, 同时具有集合的基赋性质.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, 由于概念自己不是很清晰, 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 ”, 如果变量界说为：确定“NOT So Old ”, “Very Old ”, “MORE Or LESS Old ”的隶属函数. 解：1 o old 220 050()1(50/5) 50100NOT S 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 =.{}4321=U , 给定语言变量“Small ”=1/1+0和模糊关系R=“Almost 相等”界说如下：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=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 ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦（）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：210.800.10.210.800.10.20.810.400.90.810.400.900.410000.41000.10010.50.10010.50.20.900.510.20.900.51R R R ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=•=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦10.80.40.20.80.810.40.50.90.40.4100.40.20.5010.50.80.90.40.51⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦},{ },,,{ },,,{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)( , 1.015.021321321Z 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*321**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 暗示模糊关系, 则R A B C =⨯⨯.将1T R 按行展开写成列向量为[]0.10.50.50.110.60.10.10.1T所以, []10.10.10.40.110.50.50.40.510.50.50.40.510.10.10.40.110.41110.4110.60.60.40.610.10.10.40.110.10.10.40.110.10.10.40.11T 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120.40.5C z z *=+ 9. 已知语言变量x, y, z.X 的论域为{1,2,3}, 界说有两个语言值：“年夜”＝{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 “年夜” 而且 y 是“高” 那么 z 是“长”；否则, 如果 x 是“小” 而且 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份组成？各完成什么功能？1:答：模糊控制器由四个部份组成, 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置, 是将精确量转化为模糊量的过程.模糊化模块在分歧的阶段有分歧的作用：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标准变换, 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置, 包括模糊分割和隶属函数简直定.(2)知识库：知识库通常由数据库和规则库组成, 包括了具体应用领域的知识和要求.其中, 数据库主要包括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.规则库包括了用模糊语言描述专家的经验知识, 来暗示一系列控制规则.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以后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需是清晰的精确量.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酿成清晰量, 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伐怎样？2：答：模糊控制器设计的步伐如下：(1)：输入变量和输出变量简直定.(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)：模糊控制法式的编制.3.清晰化的方法有哪些？3：答：清晰化的方法一般有四种：(1)：最年夜隶属度法：这种方法将模糊推理获得的结论中最年夜隶属度值最对应的元素作为控制器输出的精确值, 如果有多个最年夜点, 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份, 那么该方法获得的精确值应满足使该两部份的面积相等.(4)：由于Tsukamoto 模型和Takagi-Sugeno 模型输出自己就是清晰量, 则不需要去模糊化.4.已知某一炉温控制系统, 要求温度坚持在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）若炉温即是600度, 则坚持不变.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、输出变量的量化品级为7级, 取5个模糊集.设计隶属度函数误差变动划分表、控制电压变动划分表和模糊控制规则表.解：界说理想温度点的温度为0T ,实际丈量温度为T , 温度差为0e T T T=∆=-.以为输入、输出变量的量化品级均为7级, 5个模糊集, 则 误差e 变动划分表为：控制电压u变动划分表为：根据一上两表设计一下模糊规则：若e负年夜, 则u正年夜；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正年夜, 则u负年夜.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, 接受传入的神经感动.（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入迷经感动.（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、机械的安慰后, 能发生兴奋, 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感动, 经整合, 使细胞膜电位升高, 超越举措电位的阈值时, 为兴奋状态, 发生神经感动, 由轴突经神经末稍传出.当传入神经元的感动, 经整合, 使细胞膜电位降低, 低于阈值时, 为抑制状态, 不发生神经感动.（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）、信号是可以起安慰作用的, 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）、分布处置（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布网络采纳前向网络形式.（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入迷经元的反馈.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华到达稳定.（3）、自组织网络：当神经网络在接受外界输入时, 网络将会分成份歧的区域, 分歧区域具有分歧的响应特征, 即分歧的神经元以最佳方式响应分歧性质的信号激励, 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、有哪几种经常使用的神经网络学习算法？经常使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力, 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, 学习及选择一举措作用于环境, 环境的状态改变, 并发生再励信号反馈至学习机, 学习机依据再励信号与环境以后的状态, 再选择下一举措作用于环境, 选择的原则是使受到奖励的可能性增年夜.（4）、Hebb学习规则（5）、Delta学习规则第五章典范神经网络1、BP算法的特点是什么？增年夜权值是否能够使BP学习变慢？答：误差反向传布的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.它采纳梯度搜索技术, 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布和反向传布组成, 在正向过程中, 输入信息由输入层经隐层逐层处置, 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, 如果在输出层不能获得期望的输出, 则转至反向传布, 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：输入样本中带有较年夜的误差, 甚至个别毛病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.增年夜权值纷歧定能够使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网络是全局迫近的, 而RBF网络是局部迫近的？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年夜的范围内为非零值, 因而是全局迫近的神经网络.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、层与层之间采纳全互联方式, 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, 信息的传布史双向的.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, 而且RBF神经网络的神经元具有局部迫近的神经网络.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网络具有唯一最佳迫近的特性, 且无局部最小；3、在函数创立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独自的代码来训练函数, 网络的创立过程就是训练过程.4、RBF网络用于非线性系统辨识与控制中, 虽具有唯一最佳迫近特性, 且无局部最小的优点, 防止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到达要求的精度.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)2y x x ππ=, 试用三层BP 网络迫近输出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)2y x x ππ=画出三层BP 网络的结构图 由输入获得两个隐节点、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()1xly f xl e-==+由上式可得第六章 高级神经网络()()()[()(1)]kp 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1203()(),()(),()()()(1)kj 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 三个参数的线性暗示.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：控制器由两部份组成, 分别为惯例PID 控制和神经网络.其中, 惯例PID 直接对被控对象进行闭环控制, 而且其控制参数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；采样获得r(k)和y(k),计算以后时刻误差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,进行上述步伐.网络各层输入输出算法：第八章专家控制1.什么叫发生式系统？它由哪些部份组成？试举例略加说明.答：如果满足某个条件, 那么就应当采用某些行动, 满足这种生产式规则的专家系统成为发生式系统.发生式系统主要由总数据库, 发生式规则和推理机构组成.举例：医疗发生式系统.2.专家系统有哪些部份构成？各部份的作用如何？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、一般知识等.知识库中的知识来源于知识。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
thingsintheirba ti m e an d An th e i r b e i n 图1.3 模糊控制器的基本结构1）论域及隶属度函数的建立图1.4 E 、EC 、U 的隶属度函数eirbeing图1.5 模糊控制系统Simulink仿真模型ad A l l t hi n gs i n t h e i r b e i n g a r e g o o d f o r s o 用，其调节不能做到无静差。
在仿真过程中发现，量化因子、比例因子的大小对模糊控制器控制性能的影响很大，也许还存在一组最优量化因子和比例因子，能使系统获得更好的响应特性。
III. Fuzzy 自适应PID 控制器由于常规PID 控制在稳定阶段有良好的响应性能，于是采用Fuzzy+PID 控制方法，构成FuzzyPID 控制系统。
其结构框图如图1.7所示。
图1.7 Fuzzy 控制+PID 控制在Matlab/Simulink 环境下，转换由开关模块“switch”实现，“switch” 模块中的Threshold 整定值(即误差整定值)设置为0.01。
对系统进行仿真，可得响应曲线波形如图1.8所示。
图1.8 Fuzzy 控制+PID 控制波形从图1.8中可以看出系统稳定时间很短仅约为3，存在的静差约为0.06，输l l t h i n gs in th ei r b e i n g a r e g o o d f o r s o 出最大约为0.94，无超调量。
Ⅳ. 采用Fuzzy +PID 复合控制器由以上两个仿真可知，采用Fuzzy 控制可以极大地改善系统超调和稳定时间，但是其稳态性能有所下降，稳态精度明显不如常规PID 控制。
利用Fuzzy 控制+精确积分控制方法，由于常规Fuzzy 控制缺少积分环节而存在稳态误差，故可以通过Fuzzy 控制+精确积分的方法改善系统的稳态性能，即混合型FuzzyPID 控制器，这样可以使系统成为无差模糊控制系统。
其结构框图如图1.9所示。
图1.9Fuzzy 控制+精确积分控制取精确积分系数，其余参数不变。
对系统进行仿真，可得响应曲线波0.029i k 形如图1.10所示。
图1.10 Fuzzy-PID 波形从图1.10中可以看出系统稳定时间比较短约为5，存在的静差仅有0.02，输出最大约为0.98，超调量约为3.06%。
an d A l l t h i n g s i n t h e i r b e i n g a r e g o o d f o r s o 保持所设计的控制器参数不变，当被控对象的参数或模型结构变化(例如=0.15)时，PID 和Fuzzy 控制器的性能分析3T 1) 当被控对象的参数发生变化A ．当系统值由原来的15变化为30时，其余参数不变，各种控制方式k 的系统阶跃响应如图1.11所示。
B ．当由原来的7.5变化为15时，其余参数不变，各种控制方式的系统1T 阶跃响应如图1.12所示。
e an d A l l t hi n g s i n t h e i r b e i n g a r e g o o d f o r s o C ．当由原来的0.75变化为1.5时，其余参数不变，各种控制方式的系统2T 阶跃响应如图1.13所示。
（1）模糊控制决策表的计算当利用MATLAB 模糊逻辑工具箱设计好模糊控制器后，还应该计算相应的模糊控制决策表，即关系矩阵。
这里利用MATLAB 工具箱中的readfis 和evalfis 函数，计算上述模糊控制器的决策表，编写的M 文件如下：a = readfis('fuzzy1.fis');for i = -6 : 6 for j = -6 : 6u(i+7,j+7) = evalfis([i,j],a);end end运行该程序，可得到模糊控制决策表为如下一13*13矩阵：u =Columns 1 through 8-5.3723 -5.2527 -5.3723 -5.2527 -5.3723 -4.2674 -3.9992 -1.9992-5.2527 -5.2527 -5.2527 -4.2674 -4.2674 -3.2733 -3.0000 -1.9991-5.3723 -5.2527 -5.3723 -4.2674 -3.9992 -3.0000 -2.0008 -1.0007-5.2527 -4.2674 -4.2674 -4.2674 -3.9984 -3.0000 -2.0016 -1.0007-5.3723 -4.2674 -3.9992 -3.9984 -3.9992 -3.0000 -2.0008 -1.0007-5.2527 -4.2674 -3.9984 -3.0000 -3.0000 -1.9991 -1.0007 0.0000-5.3723 -4.2674 -3.9992 -3.0000 -2.0008 -1.0007 -0.0000 1.0007-4.2674 -3.2733 -3.0000 -1.9991 -1.0007 0.0000 1.0007 1.9991 -3.9992 -3.0000 -2.0008 -1.0007 -0.0000 1.0007 2.0008 3.0000 -3.0000 -1.9991 -1.0007 -1.0007 0.0000 1.0007 2.0016 3.0000 -2.0008 -1.0007 -0.0000 0.0000 -0.0000 1.0007 2.0008 3.0000 -1.0007 -1.0007 0.0000 0.0000 0.0000 1.9991 3.0000 3.2733 -0.0000 0.0000 -0.0000 0.0000 -0.0000 1.9992 3.9992 4.2674 Columns 9 through 13-0.0000 0.0000 -0.0000 0.0000 -0.00000.0000 0.0000 0.0000 1.0007 1.0007-0.0000 0.0000 -0.0000 1.0007 2.00080.0000 1.0007 1.0007 1.9991 3.0000-0.0000 1.0007 2.0008 3.0000 3.99921.0007 1.9991 3.0000 3.2733 4.26742.00083.0000 3.99924.26745.37233.0000 3.0000 3.99844.26745.25273.9992 3.9984 3.99924.26745.37233.99844.2674 4.2674 4.26745.25273.99924.26745.3723 5.2527 5.37234.2674 4.26745.2527 5.2527 5.25275.3723 5.2527 5.3723 5.2527 5.3723在MATLAB命令窗口（Command Window）里输入gensurf(a)，可以得到模糊控制决策表的三维曲面图，如图1.14所示。
a ti m e a n g oo d f o r s o 图1.21 Fuzzy 控制加精确积分Simulink 仿真模型从图1.22可以看出，带积分作用的模糊控制系统可消除静差，系统输出稳图1.23 Fuzzy-PID 复合控制结构图heirbeingareg图1.24 Fuzzy-PID复合控制系统Simulink仿真模型oodf块通过编程，可以编写自定义的功能。
在MATLAB里通过编写S函数，新建一个输入输出自调整模块，由偏差Ke和偏差变化率Kec的大小自动调节输出比例因子Ku，实现参数自调整的目的。
根据上面所述参数调整规则编写如下S 函数：function [sys,x0] =fuzzypara(t,x,u,flag)global Ke Kec Ku;Ke=0.2;Kec=0.1;Ku=0.8;switch flag,case 0,sys=[0,0,3,2,0,1];x0=[];case 3,i f abs(u(1))>0.3 | abs(u(2))>0.1sys(1)=Ke;sys(2)=Kec;sys(3)=Ku;e lseif abs(u(1))>0.1 | abs(u(2))>0.05sys(1)=1.3*Ke;sys(2)=1.5*Kec;sys(3)=0.5*Ku;e lsesys(1)=1.4*Ke;sys(2)=1.6*Kec;sys(3)=0.2*Ku;e ndotherwisesys=[];end基此，可搭建如图1.26所示的自调整比例因子Fuzzy控制系统Simulink仿真模型，仿真得到系统阶跃响应曲线如图1.27所示。
从图1.27可以看出，自调整比例因子的Fuzzy控制系统与常规Fuzzy控制相比，响应速度加快，稳态精度有很大提升，对于时变、非线性、强干扰的控制对象，采用自调整比例因子Fuzzy控制是一个非常好的选择。
a ti m e a n dAl l 图1.26 自调整比例因子Fuzzy 控制系统Simulink 仿真模型11.21.4hingsinth图2.1 代码运行界面在MATLAB中运行，图1为代码运行界面，图4047次停止。
隐层单元数对BP神经网络的影响：增加训练时间。
学习因子对BP网络性能的影响：学习因子在标准BP算法中定为常数，然而在实际应用中，很难确定一个从始至终都合适的最佳学习率。
从BP网络误差曲面图可以看出，存在平坦区域，在平坦区域内若学习因子太小，会使训练次数大大增加；而在误差变化剧烈的区域，学习因子过大导致权值调整量过大，从而跨过较窄的“坑凹”处，使训练出现振荡，反而使迭代次数增加，严重时甚至使误差平方和发散，BP网络不稳定。