智能控制复习(已整理)
智能控制复习要点
一、填空题1.传统控制方法包括经典控制和现代控制2.智能控制具有学习、抽象、推理、决策等功能3.智能控制的几个重要分支为专家控制、模糊控制、神经网络控制和遗传算法4.神经网络具有并行机制、模式识别、记忆和自学习能力的特点5.遗传算法是基于自然选择和基因遗传学原理的搜索算法6.遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习7.遗传算法根据适者生存、优胜劣汰等自然进化规则来进行搜索计算和问题求解。
8.智能控制的应用包括智能机器人控制、计算机集成制造系统（CIMS）、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、环保及能源系统等。
9.专家系统是一类包含知识和推理的智能计算机程序10.专家系统的发展分为3个时期：初创期、成熟期、发展期11.专家系统主要由知识库和推理机构成12.知识库包含多种功能模块，主要有知识查询、检索、增删、修改和扩充等13.推理机包括三种推理方式：正向推理、反向推理、双向推理14.常用的知识表示方法为：产生式规则，框架，语义网络，过程。
其中产生式规则是专家系统最流行的表达方法。
15.智能是脑特别是人脑的属性或产物。
智能的基础是知识。
智能的关键是思维。
智能取决于感知和行为。
内涵：智能=知识+思维；外延：智能就是发现规律、运用规律和分析问题、解决问题的能力。
16.专家系统知识库的数据库包括事实、证据、假设、目标因素。
17.专家控制器分为以下两种类型：直接型专家控制器、间接型专家控制器18.专家控制的特点：灵活性、适应性、鲁棒性19.模糊集是用隶属函数来表征的20.模糊集合的逻辑运算实质上就是隶属函数的运算过程。
21.模糊控制中应用较多的隶属函数有以下6种隶属函数：高斯型隶属函数、广义钟型隶属函数、S形隶属函数、梯形隶属函数、三角形隶属函数、Z形隶属函数22.隶属函数是模糊控制的应用基础23.遵照这一原则的隶属函数选择方法有以下几种：模糊统计法、主观经验法、神经网络法24.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25.知识库由数据库和规则库两部分构成。
智能控制复习资料
填空：1、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。
2、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。
3、IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)4、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。
5、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。
6、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。
7、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8、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。
9、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）12、专家系统的建立：1，知识库2，推理机3，知识的表示4，专家系统开发语言5，专家系统建立步骤。
13、专家控制：是智能控制的一个重要分支，又称专家智能控制。
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。
14、专家控制的基本结构：15、专家控制与专家系统的区别：1，专家控制能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。
智能控制基础复习总结
智能控制基础复习总结第一部分（填空题）1.智能控制的几个主要分支：基于知识的专家系统、模糊控制、神经元网络控制、学习控制。
2.隶属度函数的建立方法：模糊统计法、例证法、专家经验法、二元对比排序法。
3.神经元网络系统的研究主要有三个方面的内容：神经元模型、神经网络结构、神经网络学习方法。
4.从网络结构方面来看，人工神经网络主要表现为三大类：前向网络、反馈网络、自组织网络。
5.神经网络的模型分类（按连接方式分类）：前向网络、反馈网络、相互结合型网络、混合型网络。
6.神经网络的学习算法可分为（根据连接权系数的改变方式）：相关学习、纠错学习、无导师学习（各类详细介绍见P88）。
7.对神经网络的训练过程有较大影响的有：权系数的初值、学习方式、激励函数、学习速率。
8.知识表达的种类：图示类、符号类、结构类。
9.含一个隐层以上的多层前向传播神经网络不仅可以以任意精度逼近连续函数本身，还可以逼近函数的导数项。
第二部分（简答题）1.智能控制系统由哪几部分组成？各部分作用是什么？智能控制系统的特点是什么？答：智能控制系统由六部分组成，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，有电机、定位器、阀门、电磁线圈等；传感器：产生智能系统的输入，可以是关节位置传感器、视觉/触觉传感器、力传感器、距离传感器等，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：将传感器得到的原始信息加以处理，并与内部环境模型产生的期望值进行比较，在时间和空间上综合观测值与期望值之间的异同，检测事件识别环境；认知：接收存储信息、知识、经验和数据，并分析推理做出决策，送至规划和控制部分；通信接口：建立人机联系及各模块之间的联系；规划和控制：系统核心，根据任务要求、反馈信息及经验知识，进行自动搜索、推理决策、动作规划，最后产生控制作用。
智能控制系统的原理结构智能控制系统的分层递阶结构从智能控制系统的功能模块结构观点出发，提出了分层递阶结构的智能控制系统。
智能控制技术知识点复习总结
0.2 0.3
R
0.7
0.7
求： P Q R
P
Q R
P
Q R
26
0.6 0.6
P Q R
0.4
0.4
P
P
Q
0.7 0.7
R
0.7
0.7
Q
0.7 0.7
R
0.4
0.4
27
语气算子
例 有论域X a1 ,a 2 ,a 3 ,a 4 ,a 5 及
“小”＝ 1/1 + 0.7/2 + 0.3/3
“较小”＝ 1/1 + 0.6/2 + 0.4/3 + 0.2/4
已知规则：为若x小，则y大，
那么当x＝较小时，y＝？
30
近似推理
“大”＝ 0/1 + 0/2 +0.4/3 + 0.7/4 + 1/5
“小”＝ 1/1 + 0.7/2 + 0.3/3 + 0/4 + 0/5
1 2 3
4 5
36
模糊条件推理 if A then B else C
例：一个系统，当输入为A（温度高）时，输出为B（湿
度小），否则输出C（湿度不小）。
已知
A＝1/x1 + 0.4/x2 + 0.1/x3
B=0.8/y1 + 0.5/y2 + 0.2/y3
C=0.5/y1 + 0.6/y2 + 0.7/y3
0.2 0.7 0.4 0.3
《智能控制》复习提纲
《智能控制》课程复习提纲1.自动控制的发展经历了三个阶段：经典控制论、现代控制论和智能控制。
请分别陈述上述三个阶段的研究对象的特点、数学工具和数学模型、主要研究内容和主要研究成果。
2.智能控制系统的主要功能特点包括：学习功能、适应功能和组织功能。
请分别陈述上述三个功能特点的具体含义。
3.请列举2个智能控制应用的例子，并说明被控对象的特点和所使用的数学工具。
4.预测控制算法包括以下三个步骤：建立预测模型、滚动时域优化和反馈校正。
请分别陈述上述三个步骤的具体过程。
5.设论域{}1234,,,U x x x x =，A 和B 是论域上的两个模糊集合，已知： 12340.30.50.70.4A x x x x =+++，1230.510.8B x x x =++请分别计算：A ，B ，A B ⋃和A B ⋂。
6.设论域{}12345,,,,U x x x x x =，A 和B 是论域上的两个模糊集合，已知： 12350.20.40.90.5A x x x x =+++，13450.10.7 1.00.3B x x x x =+++ 请分别计算：A B ⋅，A B +，A B ⊕和A B ⊗。
7.已知输入的模糊集合A 和输出的模糊集合B ： 123451.00.80.50.20.0A a a a a a =++++，12340.7 1.00.60.0B b b b =+++，1）请计算A 到B 的模糊关系R 。
2）若输入123450.4/0.7/ 1.0/0.6/0.0/A a a a a a '=++++，求输出'B 。
8.有模糊控制规则如下：“如果温度低，则将风门开大”|。
设温度和风门开度的论域为{1，2，3，4，5}。
“温度低”=1/1+0.6/2+0.3/3+0.0/4+0/5，“风门大”=0/1+0.0/2+0.3/3+0.6/4+1/5。
已知“温度较低”=0.8/1+1/2+0.6/3+0.3/4+0/5，请用模糊推理确定风门开度。
智能控制复习(已整理)
1，模糊集合正态性定义如果模糊集合的核非空，则A 是正态的。
换句话说，我们总可以找到一个点x ∈X,使 MA （x ）=1.2．模糊集合补定义模糊集合A 的补表示A （－A ，非A ）定义为)(x A μ＝1－)(x A μ 3．Kohonen 自组织网络，CMAC ，有监督学习？Kohonen 自组织网络无监督学习的神经网络，CMAC 有监督学习。
4．遗传算法的图式定理在选择、交换、变异运算的作用下，确定位数少、定义长度短和适应度高的图式（也称组块）将按指数增长的规律，一代一代地增长。
5．感知器与BAM 网络层数感知器是多层的网络层数，BAM 是由两层神经元网络组成6.在选择、交换、变异的作用下，若含图式H 的染色体平均适应度高于当前种群的平均适应度，则图式H 在下一代染色体中出现的机会将变大。
（对）7.遗传算法二进制编码比十进制编码所包含的图式信息多。
（对）8.神经元有强大的数据处理能力。
（对）9.模糊控制的输出是一个模糊量。
（错）10.遗传算法的重组运算降低了处于相近区域的个体的平均适应度值。
（对） 11.Kohonen 自组织网络可用来数据聚类。
（对） 二1 语言变量是多元组),,),(,(M G X x T x1 语言变量是多元组),,),(,(M G X x T x ：其中x 是变量的名称；T （x ）是x 的术语的集合，即x 的语言值名称的集合，每一个值定义在论域X 中；G 是产生x 值名称的句法规则；M 是与各值含义有关的语法规则。
2 P57模糊推理B y B y then A x if A x ''是结果（结论）是是（规则）前提是（事实）前提 , 2 1这里，A '接近于A ，B ’接近于B 。
当A ，B ，A ’和B ’是适当论域中的模糊集合时，上述推理过程称之为近似推理或模糊推理，也称作广义的假言推理。
3 精英选择法是把群种中最优秀的个体直接复制到下一代.可以提高优秀个体对群种控制的速度,从而改善局部搜索,但损害了全局搜索能力.4 Hopfield 网络结构形式 离散时间形式；连续时间形式5 神经网络特征P103(1)非线性;(2)平行分布处理;(3)硬件实现;(4)学习和自适应性;(5)数据融洽;(6)多变量系统6、单片机中应用模糊控制一般不进行的操作是(B) A 、标度变换 B 、模糊推理 C 、数字滤波 D 、查表7、神经元模型中不包括（B ）A 、加法器B 、 除法器C 、静态非线性函数D 、线性动态SISO 系统 8、神经元模型中没有的部分是（A ）A 、轴突B 、权C 、静态非线性函数D 、线性动态SISO 系统 9、多点交换的描述正确的是（C ）A 、交换点为奇数B 、交换点为偶数C 、减少优良组块损失D 、交换点越多越好三、1、模糊集合和经典集合的区别，举一例说明模糊概念答：经典集合具有精确的边界；而模糊集合没有精确地边界，它体现了用语言表达一种事物的灵活性很多样性。
智能控制基础复习
B1
b1
b2
b3
时的输出C1。
模糊关系方程
（1）已知输入A和模糊关系R，求输出B，这是综合 评判，即模糊变换问题。
（2）已知输入A和输出B，求模糊关系R，或已知模 糊关系R和输出B，求输入A，这是模糊综合评判的逆 问题，需要求解模糊关系方程。
例3.12 解方程
0.6
0.2
0.4
语义网络，过程。
推理机推理方式
（1）正向推理：从原始数据和已知条件得到 结论；
（2）反向推理：先提出假设的结论，然后寻 找支持的证据，若证据存在，则假设成立；
（3）双向推理：运用正向推理提出假设的结 论，运用反向推理来证实假设。
专家系统建立步骤
（1）知识库的设计 ① 确定知识类型：叙述性知识，过程性知识，控制性知识； ② 确定知识表达方法； ③ 知识库管理系统的设计：实现规则的保存、编辑、删除、增
专家控制概念
专家控制（Expert Control）是智能控制的一 个重要分支，又称专家智能控制。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。
专家控制的结构
知识库
实时 推理机
控制 算法库
A/D
被控
D/A
对象
专家控制功能
智能控制基础复习课
第1章 绪 论
智能控制的概念
所谓智能控制，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 （包括被控对象或被控过程）信息的变化作出适应性 反应，从而实现由人来完成的任务
智能控制的几个重要分支为专家控制、模糊控 制、神经网络控制和遗传算法。
智能控制技术(亲自整理的知识点)
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—简答复习
智能控制——简答复习自动化内部交流，个人见解，不保证全部正确智能控制的特点1.学习功能智能控制器能通过从外界环境所获得的信息进行学习，不断积累知识，使系统的控制性能得到改善。
2.适应功能智能控制器具有从输入到输出的映射关系，可实现不依赖于模型的自适应控制，当系统某一部分出现故障时，也能进行控制。
3.自组织功能智能控制器对复杂的分布式信息具有自组织和协调的功能，当出现多目标冲突时，它可以在任务要求的范围内自行决策，主动采取行动。
4.优化能力智能控制器能够通过不断优化控制参数和寻找控制器的最佳结构形式获得整体最优的控制性能。
专家控制和专家系统的区别专家控制引入了专家系统的思想，但与专家系统存在以下区别。
1.专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。
专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
2.专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。
模糊控制器的设计步骤1.模糊控制器的结构2.定义输入、输出模糊集3.定义输入、输出隶属函数4.建立模糊控制规则5.建立模糊控制表6.模糊推理7.反模糊化模糊控制面临的主要任务1．模糊控制的机理及稳定性分析，新型自适应模糊控制系统、专家模糊控制系统、神经网络模糊控制系统和多变量控制系统的分析与设计。
2．模糊集成控制系统的设计方法研究。
现代控制理论、神经网络与模糊控制的相互结合及相互渗透，可构成模糊集成控制系统。
3．非线性系统应用中的模糊建模、模糊规则的建立和模糊推理算法的深入研究。
4．自学习模糊控制策略的研究。
5．常规模糊控制系统稳定性的改善。
6．模糊控制芯片、模糊控制装置及通用模糊控制系统的开发及工程应用。
神经网络的特征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。
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。
智能控制复习资料
1章：智能控制系统的一般结构包括：广义对象（表示通常意义下的控制对象和所处的外部环境），感知信息处理部分（把传感器发送的分级的和不完全的信息加以处理，并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），认知部分（主要是接受和储存知识、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策略部分），规划和控制策略部分（是整个系统的核心，他根据给定任务要求、反馈信息及经验知识，进行自动搜索、推理决策、行动规划，最终产生具体的控制作用，通过常规控制器和执行机构作用于控制对象）。
智能控制是一门新兴的交叉前沿学科。
智能控制的三要素：智能信息，智能反馈，智能决策。
智能控制系统具有仿人的功能（学习、推理），能适应不断变化的环境，能处理各种信息，消去不确定性，能以安全可靠的方式进行规划，作出决策，执行动作，获取总体上最优或次优目标。
1智能控制必须具有模拟人类学习和自适应的能力。
2智能控制系统应具备的性能：学习能力、自适应能力、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，判断决策能力、容错能力、鲁棒性、组织功能、实时性、人机协调、变结构和非线性、总体自循优特性，能满足多样性目标的高性能要求。
3按照傅京孙和萨里迪斯提出的观点三元理论：人工智能（AI）：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能；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。
4智能控制与传统控制的关系：传统控制：经典反馈控制和现代理论控制，它们的主要特征是基于精确的系统数学模型的控制，适于解决线性、时不变等相对简单的控制问题；智能控制：以上问题用智能的方法同样可以解决，智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
《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。
智能控制复习题
智能控制复习第一章 选择题1． 智能控制的概念首次由着名学者 D 提出A 蔡自兴BCD 傅京孙2．经常作为智能控制典型研究对象的是 DA 智能决策系统B 智能故障诊断系统C 智能制造系统D 智能机器人3．解决自动控制面临问题的一条有效途径就是,把人工智能等技术用入自动控制系统中, 其核心是 BA 控制算法B 控制器智能化C 控制结构D 控制系统仿真4．智能自动化开发与应用应当面向 CA 生产系统B 管理系统C 复杂系统D 线性系统 5．不属于．．．智能控制是 DA 神经网络控制B 专家控制C 模糊控制D 确定性反馈控制6．以下不属于智能控制主要特点的是 DA 具有自适应能力B 具有自组织能力C 具有分层递阶组织结构D 具有反馈结构7．以下不属于智能控制的是 DA 神经网络控制B 专家控制C 模糊控制D 自校正调节器第二章 选择题1． 地质探矿专家系统常使用的知识表示方法为 DA 语义网络B 框架表示C 剧本表示D 产生式规则2．自然语言问答专家系统使用的知识表示方法为 BA 框架表示B 语义网络C 剧本表示D 产生式规则3． 专家系统中的自动推理是基于 C 的推理;A 直觉B 逻辑C 知识D 预测4．适合专家控制系统的是 DA 雷达故障诊断系统B 军事冲突预测系统C 聋哑人语言训练系统D 机车低恒速运行系统5．直接式专家控制通常由 B 组成A 控制规则集、知识库、推理机和传感器B 信息获取与处理、知识库、控制规则集和推理机C 信息获取与处理、知识库、推理机和传感器D 信息获取与处理、控制规则集、推理机和传感器6．专家控制可以称作基于 D 的控制;A 直觉B 逻辑C 预测D 知识7．直接式专家控制通常由 C 组成A 信息获取与处理、知识库、推理机构和传感器B 信息获取与处理、知识库、控制规则集和传感器C 信息获取与处理、知识库、推理机构和控制规则集D 信息获取与处理、控制规则集、推理机构和传感器8．专家系统的核心部分是 BA 人机接口、过程接口、推理机构B 知识库、数据库、推理机构C 人机接口、知识获取结构、推理机构 D知识库、数据库、人机接口9．以下不属于专家系统知识表示法的是 CA 彩色Petri网络B 语义知识表示C 样本分类D 产生式规则10．产生式系统的推理方式不包括 CA 正向推理B 反向推理C 简单推理D 双向推理11．肺病诊断专家系统使用的知识表示方法为 DA 语义网络B 产生式规则C 剧本表示D 框架表示12．以下不属于专家系统组成部分的是 AA 专家B 数据库C 知识库D 解释部分13．黑板专家控制系统的组成有 CA 黑板、数据库、调度器B 数据库、知识源、调度器C黑板、知识源、调度器 D 黑板、规则库、调度器14．建立专家系统,最艰难“瓶颈”的任务是 BA 知识表示B 知识获取C 知识应用D 知识推理15．在专家系统中, D 是专家系统与用户间的人-机接口A 知识库B 数据库C 推理机D 解释机构16．产生式系统包含的基本组成 AA 知识库、规则库和数据库B 规则库、模型库和控制器C 知识库、规则库和模型库D 规则库、数据库和控制器第三章模糊控制1． 某模糊控制器输出信息的解模糊判决公式为101niU i i nUii u u u u ,该解模糊方法为 DA 最大隶属度法B 取中位数法C 隶属度限幅元素平均法D 重心法2．在温度模糊控制系统中,二维模糊控制器的输入是 AA 温度的误差e 和温度误差变化量d eB 控制加热装置的电压的误差e 和电压误差变化量deC 控制加热装置的电压的误差e 和温度误差变化量d eD 控制加热装置的电压的误差e 和温度误差变化量de3．下列概念中不能用普通集合表示的是 DA 控制系统B 低于给定温度C 工程师D 压力不足4．以下应采用模糊集合描述的是 BA 高三男生B 年轻C 教师D 社会5．总结手动控制策略,得出一组由模糊条件语句构成的控制规则,据此可建立DA 输入变量赋值表B 输出变量赋值表C 模糊控制器查询表D 模糊控制规则表6．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△e ；以及加热装置中可控硅导通角的变化量u ,故该模糊控制器为AA 双输入一单输出B 单输出一单输入C 双输入一双输出D 单输出一双输入 7．在论域U 中,模糊集合A 的支集只包含一个点u ,且A u =1,则A 称为 BA 截集B 模糊单点C 核D 支集8．在模糊控制中,隶属度 CA 不能是1或0B 根据对象的数学模型确定C 反映元素属于某模糊集合的程度D 只能取连续值9．模糊集合中,A u =对应的元素u 称为 AA 交叉点B 模糊单点C 核D 支集10．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 BA 重心法B 最大隶属度法C 系数加权平均法D 中位数法11．若模糊集合A 表示模糊概念“老”,其隶属度函数为A ,则模糊概念“略 微老”相当于A λμ,其中 λ为, CA 2B 4C 1／2D 1／412． 若对误差、误差变化率论域X 、Y 中元素的全部组合计算出相应的控制量变化ij u ,可写成矩阵ij n m u ,一般将此矩阵制成 CA 输入变量赋值表B 输出变量赋值表C 模糊控制器查询表D 模糊控制规则表13．在温度模糊控制系统中,二维模糊控制器的输出是 CA 温度的误差eB 温度误差变化量d eC 控制加热装置的电压UD 控制加热装置的电压的误差e 和温度误差变化量d e14．以下的集合运算性质中,模糊集合不满足的运算性质 DA 交换律B 结合律C 分配律D 互补律15. 以下属于模糊集合表示方法的是 BA 重心法B 扎德法C 系数加权平均法D 中位数法16．在选定模糊控制器的语言变量及各个变量所取的语言值后,可分别为各语言变量建立各自的 CA 控制规则表B 控制变量赋值表C 语言变量赋值表D 论域量化表17．模糊控制方法是基于 DA 模型控制B 递推的控制C 学习的控制D 专家知识和经验的控制18. 以下应采用模糊集合描述的是 BA 学生B 大苹果C 老师D 演员19．若模糊集合A 表示模糊概念“老”,其隶属度函数为A ,则模糊概念“极老”相当于A λμ,其中 λ为, DA 2B 4C 1／2D 1／420．某液位模糊控制系统的语言变量选为实际温度与给定温度之差即误差e 以及加热装置中可控硅导通角的变化量u ,但不考虑温度误差变化率△e ,该模糊控制器应为 BA 双输入一单输出B 单输入一单输出C 双输入一双输出D 单输入一双输出21．模糊隶属度函数曲线的形状可以为 CA 椭圆形B 平行四边形C 梯形D 圆形22．在选定模糊控制器的语言变量及各个变量所取的语言值后,可分别为各语言变量建立各自的 CA 控制规则表B 控制查询表C 语言变量赋值表D 基本论域量化表23．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 ,故该模糊控制器为 B ．A. 单输出—双输入 B ．单输入—单输出C. 双输入—双输出D. 双输入—单输出24．某一隶属度函数曲线的形状可以选为 CA 椭圆形B 圆形C 三角形D 正方形25． 模糊控制器的术语“正中”,可用符合 D 表示A PB B NMC ZED PM26． 以下关于模糊关系的正确说法是 BA 模糊关系是普通关系的一个特例B 模糊关系描述元素之间的关联程度C 模糊关系中的元素都是整数D 模糊关系矩阵一定是方阵27．模糊控制以模糊集合为基础,最早提出模糊集合的学者是 AB MamdaniC TakagiD Sugeno28．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为 AA 重心法B 最大隶属度法C 系数加权平均法D 中位数法 29．下列概念中不能．．用普通集合表示的是 DA 控制系统B 压力不足C 机电工程师D 低于给定温度30．在模糊控制中,隶属度 CA 不能是1或0B 是根据对象的数学模型确定的C 反映元素属于某模糊集合的程度D 只能取连续值31．最适合作为语言变量的值是 AA 速度B 天气C 特别D 表演32．若模糊集合A 表示模糊概念“老”,其隶属度函数为A ,则模糊概念“非常老”相当于A λμ,其中 λ为,C A 2B 4C 1／2D 1／4第4 章 神经网络1. BP 网络使用的学习规则是 BA 相关规则B 纠错规则C 竞争规则D 模拟退火算法2．BP 神经网络所不具备的功能是 CA 自适应功能B 泛化功能C 优化功能D 非线性映射功能3． 由于各神经元之间的突触连接强度和极性有所不同并可进行调整,因此人脑才具有 A 的功能;A 学习和存储信息B 输入输出C 联想D 信息整合4. 采用单层拓扑结构的神经网络是 AA Hopfield 网络B 生物神经网络C BP 网络D 小脑模型网络5． 单层神经网络,有两个输入,两个输出,它们之间的连接权有 BA 6个B 4个C 2个D 8个6． 神经网络直接逆控制是一种 B 控制;A 反馈B 前馈C 串级D 混合7．误差反向传播算法属于 B 学习规则A 无导师B 有导师C 死记忆D 混合 8．以下不属于．．．人工神经网络主要特点的是 BA 便于用超大规模集成电路或光学集成电路系统实现B 网络中含有神经元C 信息分布在神经元的连接上D 可以逼近任意非线性系统9．最适宜用于联想记忆的神经网络 DA BP 神经网络B 感知器网络C 自适应线性神经网络D Hopfield 网络10．PID 神经网络控制中,控制器使用了 CA CMAC 神经网络B Hopfield 网络C PID 神经网络 D 感知器网络11．下面哪个方程最好描述了Hebb 学习规则 AA 两个神经元同时兴奋或同时抑制时,它们之间连接权的强度增强B 两个神经元同时兴奋或同时抑制时,它们之间连接权的强度减弱C 两个神经元,一个兴奋,另一个抑制,它们之间连接权的强度增强D 两个神经元,一个兴奋,另一个抑制,它们之间连接权的强度不变12．在神经网络内模控制结构中,神经网络辨识器用来获得 AA 被控对象的正模型B 被控刘象的逆模型C 线性滤波器D 控制器13．单层神经网络,有三个输入,三个输出,它们之间的连接权有 BA 6个B 9个C 16个D 25个 14．多层前向神经网络与单层感知器相比较,下面 C 不是．．多层网络所特有的特点A 采用误差反向传播算法B 含有一层或多层的隐层神经元C 神经元的数目可达到很多D 隐层激活函数采用可微非线性函数15．单层感知器网络可以 BA 解决异或问题B 实现样本分类C 进行优化计算D 实现函数逼近16．能够用于无导师学习的神经网络模型是 AA Hopfield 网络B CMAC 神经网络C BP 神经网络D 自适应线性神经网络17．连续型Hopfield 网络 BA 是前馈神经网络B 是单层反馈型非线性神经网络C 具有函数逼近问题D 是多层反馈型非线性神经网络18．离散Hopfield 网络 CA 是多层反馈网络B 是多层反馈网络C 具有联想记忆功能D 具有函数逼近功能19．神经网络PID 控制是一种 BA 前馈控制B 反馈控制C 开环控制D 混合控制20．单层感知器网络可以 DA 解决异或问题B 实现函数逼近C 进行优化计算D 实现样本分类21．连续型Hopfield 网络的神经元转移函数采用 AA ．对称型Sigmoid 函数B ．对称型阶跃函数C ．分段线性转移函数D ．阈值型转移函数22．在间接神经网络模型参考自适应控制中, BA 需要一个神经网络控制器B 需要一个神经网络控制器及一个神经网络辨识器C 需要两个神经网络控制器及一个神经网络辨识器D 需要一个神经网络控制器及两个个神经网络辨识器23．生物神经元的突触连接相当于神经元之间的 DA 输入连接B 输出连接C 绝缘D 输入输出接口24. 在间接神经网络模型参考自适应控制结构中,神经网络辨识器用来获得 AA 被控对象的正模型B 被控刘象的逆模型C 线性滤波器D 控制器25．生物神经元的组成包括细胞体、轴突、树突和 CA 轴突末梢B 细胞核C 突触D 细胞膜26．以下不属于人工神经网络主要特点的是 BA 信息并行处理B 网络中含有神经元C 信息分布在神经元的连接上D 可以逼近任意非线性系统27．一般认为,人工神经网络最适用于 BA 线性系统B 非线性系统C 多输入多输出系统D 多变量系统28．在直接神经网络模型参考自适应控制中, AA 需要一个神经网络控制器B 需要一个神经网络控制器及一个神经网络辨识器C 需要两个神经网络控制器及一个神经网络辨识器D 需要一个神经网络控制器及两个个神经网络辨识器29．离散型Hopfield网络的神经元转移函数采用 D A．对称型Sigmoid函数 B．对称型阶跃函数C．分段线性转移函数 D．阈值型转移函数30．采用单层拓扑反馈结构的神经网络是 AA Hopfield网络B BP网络C PID神经网络D 小脑模型神经网络31．基于多层前向神经网络的PID控制系统结构有 D 内含神经网络的环节;A 一个B 四个C 三个D 两个32．最早提出人工神经网络模型的学者是 BA HebbB McCulloch和 PittsC RosenblattD Hopfield33．神经网络内模控制具有 CA 直接逆控制的优点和缺点B 直接逆控制的优点C 直接逆控制的优点,但无直接逆控制的缺点D 直接逆控制的缺点第5章遗传算法1.最早提出遗传算法概念的学者是 AD2．遗传算法的基本操作顺序是 CA 计算适配度、交叉、变异、选择 B计算适配度、交叉、选择、变异C计算适配度、选择、交叉、变异 D 计算适配度、选择、交叉、变异3．能够往种群中引入新的遗传信息是以下哪种遗传算法的操作 DA 交叉B 复制C 优选D 变异4．哪一种说法是对遗传算法中复制操作的描述 AA 个体串按照它们的适配值进行复制B 随机改变个体串的适配度函数值C 随机改变一些串中的一小部分D 为权值随机产生小的初始值5．遗传算法中,关于变异操作的最好叙述是 AA 随机改变一些“串”中的一小部分B 随机挑选新“串”组成下一代C 为权随机产生新的初始值D 从两个“串”中随机组合遗传信息6．哪种遗传算法的操作,能够从种群中淘汰适应度值小的个体 CA 交叉B 优选C 复制D 变异7．遗传算法将问题的求解表示成“染色体”,“染色体”实际上是 DA 基因B 适应度函数C 种群D 用编码表示的字符串8．哪种遗传算法的操作,可以从父代双亲中继承部分遗传信息,传给子代 AA 交叉B 变异C 复制D 共享9．下面哪种类型的学习能够用于移动机器人的路径规划 DA 多层前向神经网络B PID神经网络C 自适应线性神经网络D 遗传算法10．轮盘赌技术可用于 BA 选择最好的“染色体”B 随机选择“染色体”C 交叉所选择的“染色体”D 变异“染色体”的适应度11．遗传算法将问题的求解表示成“染色体”,“染色体”实际上是 CA 种群B 存在于细胞核中能被碱性染料染色的物质C 用编码表示的字符串D 各种数值12．在遗传算法中,复制操作可以通过 B 的方法来实现 A 解析B 随机C 交叉匹配D 变异判断题第一章绪论1.与传统控制相比较,智能控制方法可以较好地解决非线性系统的控制问题; √2．智能控制系统采用分层递阶的组织结构,其协调程度越高,所体现的智能也越高; √3．分层递阶智能控制按照自下而上精确程度渐减、智能程度渐增的原则进行功能分配; √4．智能系统是指具备一定智能行为的系统; √5．智能控制的不确定性的模型包括两类,一类是模型未知或知之甚少；另一类是模型的结构和参数可能在很大范围内变化; √第二章专家系统1．在专家系统中,数据库是领域知识的存储器,是系统的核心部分之一;√2．在设计专家系统时,知识工程师的任务是提供解决问题的知识和经验;×3．数据库和推理机是专家系统的核心部分;应为知识库×4．按照执行任务分类,专家系统有解释型、预测型、诊断型、调试型、维修型等多种类型; √5．专家系统实质上是一种数学计算系统; ×6．在设计专家系统时,知识工程师的任务是模仿人类专家,运用他们解决问题的知识和经验; √第三章模糊控制1.模糊控制只是在一定程度上模仿人的模糊决策和推理,用它解决较复杂问题时,还需要建立数学模型; ×2．在模糊控制中,为把输入的确定量模糊化,需要建立模糊控制规则表; 应该是确定模糊集合×3．在模糊集合的向量表示法中,隶属度为0的项必须用0代替而不能舍弃;√4．从模糊控制查询表中得到控制量的相应元素后,乘以比例因子即为控制量的变化值; √5．与传统控制相比,智能模糊控制所建立的数学模型因具有灵活性和应变性,因而能胜任处理复杂任务及不确定性问题的要求; ×6．在模糊语言变量中,语义规则用于给出模糊集合的隶属函数; √7．模糊控制对被控对象参数的变化不敏感,可用它解决非线性、时变、时滞系统的控制; √8．普通关系是模糊关系的推广,它描述元素之间的关联程度; ×9．模糊控制就是不精确的控制; ×10．在模糊控制中,为把输入的确定量模糊化,需要建立语言变量赋值表;√11．模糊控制规则是将人工经验或操作策略总结而成的一组模糊条件语句√12．通常,模糊控制器的输入、输出语言变量分别取为控制系统的误差和误差变化率; ×13．模糊控制器的输入语言变量一般可取控制系统的误差及其变化率;√14．模糊控制只是在一定程度上模仿人的模糊决策和推理,用它解决较复杂问题时,还需要建立数学模型; ×15．T-S模糊控制系统采用系统状态变化量或输入变量的函数作为IF-THEN模糊规则的后件,不可以描述被控对象的动态模型;×16．Mamdani型模糊控制器,通过模糊推理得到的结果是精确量; ×17．在模糊控制中,隶属度是根据对象的数学模型来确定的; ×18．模糊控制中,语言变量的值可用“负大、负小、零”等表示; √19．模糊控制在一定程度上模仿人的模糊决策和推理,用它解决较复杂问题时,不需要建立数学模型; √第四章神经网络1．可以充分逼近任意复杂的非线性函数关系是神经网络的特点之一;√2．一般情况下,神经网络系统模型的并联结构可以保证系统辨识收敛;×3．反馈型神经网络中,每个神经元都能接收所有神经元输出的反馈信息;√4．运算效率高,收敛速度快是BP神经网络的主要特点之一; ×5. 神经元的各种不同数学模型的主要区别在于采用了不同的转移函数,从而使神经元具有不同的信息处理特性; √6．离散Hopfield网络的两种工作方式是同步和异步工作方式; √7．神经网络已在多种控制结构中得到应用,如PID控制、内模控制、直接逆控制等; √8．一般情况下,神经网络系统模型的串-并联型结构不利于保证系统辨识模型的稳定性; ×9．BP神经网络是一种多层全互连型结构的网络; ×10．离散型单层感知器的转移函数一般采用阈值符号函数; √ 11．Hopfield网络的吸引子是指网络的稳定状态; √12．两关节机械手的控制可应用小脑神经网络直接逆模型控制; √13．神经网络用于系统正模型辨识的结构只有串联结构一种; ×14．连续型Hopfield网络是多层前馈型神经网络,每一节点的输出均反馈至节点的输入; ×第五章遗传算法1．遗传算法的复制操作可以通过随机方法来实现,可使用计算机,也可使用轮盘赌的转盘; √2．在遗传算法中,初始种群的生成不能用随机的方法产生; ×3．遗传算法的复制操作有严格的程序,不能通过随机方法来实现;×4．遗传算法具有进化计算的所有特征,其主要用途是数值计算; ×5．遗传算法中,适配度大的个体有更多机会被复制到下一代; √ 6．在遗传算法中,初始种群的生成不能用随机的方法产生; ×名词解释第一章1． 智能控制有知识的“行为舵手”,它把知识和反馈结合起来,形成感知-交互集、以目标为导向的控制系统;第二章1． 专家系统一种包含知识和推理的人工智能的计算机程序系统,这些程序软件具有相当于某个专门领域专家的知识和经验水平,同时具有处理该领域问题的能力2． 语义网络通过概念及相互间语义关系,图解表示知识网络;3． 专家控制系统应用专家系统的概念、原理和技术,模拟人类专家的控制知识和经验而建造的控制系统;第三章1． 模糊控制模糊控制是把人类专家对特定的被控对象或过程的控制策略总结成一系列的控制规则,通过模糊推理得到控制作用集,作用于被控对象或过程;它无需建立系统模型,是解决不确定系统的一种有效途径;2． 模糊系统一种基于知识或基于规则的系统;它的核心就是有IF-THEN 规则形成的知识库;3． 模糊集合论域U 上的模糊集A 用一个在区间0,1上取值的隶属度函数Au 来表示;4． 隶属度某元素属于模糊集合A 的程度称为隶属度,用隶属度函数Ax 描述;隶属度函数的值是闭区间0,1上的一个数,表示元素x 属于模糊集合A 的程度;5． 模糊关系X 与Y 直积 (){},|, X Y x y x X y Y ⨯=∈∈中一个模糊子集R ,称为从X 到Y 的模糊关系;第四章1．神经网络神经元互连组成的网络,从微观结构和功能上对人脑抽象、简化,是模拟人类智能的一条重要途径,反映人脑功能的若干特征,如并行处理、学习联想、分类等;2．小脑模型神经网络由局部调整、相互覆盖接收域的神经元组成,模拟人的小脑学习结构;是一种基于表格查询式输入输出多维非线性映射能力;3． Hopfield 神经网络全连接型反馈动态神经网络,分为离散型和连续型两种,网络达到稳定状态时,其能量函数达到最小;第五章1．变异操作模拟生物在自然遗传环境下由于各种偶然因素引起的基因突变,它以很小的概率随机改变遗传基因表示染色体的符号串的某一位的值;2．适应度函数遗传算法中某个个体对环境的适应程度,适应值函数可由目标函数变换而成;3．遗传算法建立在自然选择和群体遗传学机理基础上的随机迭代和进化,具有广泛适用性的搜索方法;简答题第一章1．智能控制的主要功能特点是什么;1多层递阶的组织结构2多模态控制3自学习能力4自适应能力5自组织能力2．智能控制的研究对象具备哪些特点3．不确定性的模型；高度的非线性；复杂的任务要求;4．与传统控制相比,智能控制的主要特点是什么1处理复杂性、不确定性问题的能力；2描述系统的模型更为广泛；3具有学习、适应、组织的功能；4具有分层信息处理和决策机构；5控制其与对象、环境没有明显的分离;5．智能控制有哪些主要类型（1）模糊控制（2）神经网络控制（3）专家控制（4）分层递阶智能控制第二章1.专家系统中,知识表示方法有哪些常用形式2.3.;1.设max max max,则比例因子K u= u max/n2.设计一个模糊控制器必须要解决哪三个关键问题1 设计模糊控制器要解决的第一个问题是如何把确定量转换为对应的模糊量；2 根据操作者的控制经验制定模糊控制规则,并执行模糊逻辑推理,以得到一个输出模糊集合,这一步称为模糊控制规则形成和推理；3 需要为模糊输出量进行解模糊判决,实现控制;3.在模糊控制器的设计中,常用的模糊判决方法有哪些（1）最大隶属度法（2）加权平均法（3）重心法（4）取中位数法4.模糊控制中,描述语言变量常见的语言值有哪几种语言变量常见的语言值是负大NB、负中NM、负小NS、负零NO、正零PO、正小PS、正中PM、正大PB;。
智能控制复习总结
1.智能控制理论：
（1）不依赖对象模型，适用于未知或不确定性严重的对象
（2）具有人类智能的特征
（3）能够表达定性的知识或具有自学习能力
2.智能控制的定义：
智能控制必须具有模拟人类学习和自适应的能力。
（1）智能控制具有认知和仿人的功能；
（2）能适应不确定性的环境；
（3）能自主处理信息以减少不确定性；
（4）能可靠地进行规划，产生和执行有目的的行为，以获取最优的控制效果。
基本构成：
3.主要形式：
（1）模糊控制
（2）神经网络控制
（3）专家控制
（4）分级递阶智能控制
（5）各种方法的综合集成
（6）仿人智能控制
4.神经网络的几个模型
（1）人工神经元模型
（2）感知器模型
（3）
5.递阶。
智能控制的知识点总结
智能控制的知识点总结智能控制是指利用计算机、人工智能和其它先进技术来控制和优化系统的运行。
它是自动化技术领域中的一个重要发展方向，应用于工业生产、交通运输、航空航天等各个领域。
1. 智能控制的基本概念智能控制是指在控制系统设计中利用先进的计算机技术和人工智能技术，实现对系统的智能化控制和优化。
智能控制系统具有自学习、自适应、自诊断和智能决策等特点，能够更加灵活、高效地进行系统控制和优化。
2. 智能控制系统的组成一个智能控制系统一般由传感器、执行器、控制器和人机界面等组成。
传感器用于采集系统的实时数据，执行器用于执行控制指令，控制器则利用计算机技术和人工智能算法对采集到的数据进行处理和分析，并输出控制指令，人机界面则用于人与系统之间的交互控制。
3. 智能控制系统的分类智能控制系统根据控制方式和控制对象的不同，可以分为多种类型，比如模糊控制系统、神经网络控制系统、遗传算法控制系统、专家系统控制系统等。
4. 智能控制系统的应用智能控制系统广泛应用于工业生产、自动驾驶、交通运输、航空航天等领域。
比如在工业生产中，智能控制系统能够实现对生产过程的智能化和自适应控制；在自动驾驶领域，智能控制系统能够实现对车辆的智能化控制和驾驶决策；在交通运输领域，智能控制系统能够实现交通信号的智能化控制和交通流量的优化。
5. 智能控制系统的发展趋势随着人工智能和计算机技术的不断发展，智能控制系统将向着更加智能化、自适应化和自学习化的方向发展。
未来的智能控制系统将更加注重人机交互、系统安全性和可靠性，以及对复杂系统的智能化控制和优化。
在智能控制系统的研究和应用过程中，需要重点关注以下几个方面的技术和问题：1. 传感器技术：传感器是智能控制系统中的重要组成部分，它能够实现对系统状态的实时监测和数据采集。
因此，传感器技术的发展和应用对智能控制系统具有重要意义。
2. 控制算法：智能控制系统的核心在于控制算法，它决定了系统的控制能力和性能。
智能控制考试复习资料及重点内容
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）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，各部分作用。
- 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)。
1，模糊集合正态性定义如果模糊集合的核非空，则A 是正态的。
换句话说，我们总可以找到一个点x ∈X,使 MA （x ）=1.2．模糊集合补定义模糊集合A 的补表示A （－A ，非A ）定义为)(x A μ＝1－)(x A μ 3．Kohonen 自组织网络，CMAC ，有监督学习？Kohonen 自组织网络无监督学习的神经网络，CMAC 有监督学习。
4．遗传算法的图式定理在选择、交换、变异运算的作用下，确定位数少、定义长度短和适应度高的图式（也称组块）将按指数增长的规律，一代一代地增长。
5．感知器与BAM 网络层数感知器是多层的网络层数，BAM 是由两层神经元网络组成6.在选择、交换、变异的作用下，若含图式H 的染色体平均适应度高于当前种群的平均适应度，则图式H 在下一代染色体中出现的机会将变大。
（对）7.遗传算法二进制编码比十进制编码所包含的图式信息多。
（对）8.神经元有强大的数据处理能力。
（对）9.模糊控制的输出是一个模糊量。
（错）10.遗传算法的重组运算降低了处于相近区域的个体的平均适应度值。
（对） 11.Kohonen 自组织网络可用来数据聚类。
（对） 二1 语言变量是多元组),,),(,(M G X x T x1 语言变量是多元组),,),(,(M G X x T x ：其中x 是变量的名称；T （x ）是x 的术语的集合，即x 的语言值名称的集合，每一个值定义在论域X 中；G 是产生x 值名称的句法规则；M 是与各值含义有关的语法规则。
2 P57模糊推理B y B y then A x if A x ''是结果（结论）是是（规则）前提是（事实）前提 , 2 1这里，A '接近于A ，B ’接近于B 。
当A ，B ，A ’和B ’是适当论域中的模糊集合时，上述推理过程称之为近似推理或模糊推理，也称作广义的假言推理。
3 精英选择法是把群种中最优秀的个体直接复制到下一代.可以提高优秀个体对群种控制的速度,从而改善局部搜索,但损害了全局搜索能力.4 Hopfield 网络结构形式 离散时间形式；连续时间形式5 神经网络特征P103(1)非线性;(2)平行分布处理;(3)硬件实现;(4)学习和自适应性;(5)数据融洽;(6)多变量系统6、单片机中应用模糊控制一般不进行的操作是(B) A 、标度变换 B 、模糊推理 C 、数字滤波 D 、查表7、神经元模型中不包括（B ）A 、加法器B 、 除法器C 、静态非线性函数D 、线性动态SISO 系统 8、神经元模型中没有的部分是（A ）A 、轴突B 、权C 、静态非线性函数D 、线性动态SISO 系统 9、多点交换的描述正确的是（C ）A 、交换点为奇数B 、交换点为偶数C 、减少优良组块损失D 、交换点越多越好三、1、模糊集合和经典集合的区别，举一例说明模糊概念答：经典集合具有精确的边界；而模糊集合没有精确地边界，它体现了用语言表达一种事物的灵活性很多样性。
经典集合到模糊集合是从“属于一个集合”到“不属于一个集合”的逐渐过渡。
比如我们说一个人‘个儿高’或‘个儿矮’，它没有精确的界限，不能说身高1.80米的人是‘高’，而1.79米的人是‘矮’，‘高’与‘矮’之间的界限是模糊的、平滑的。
2、请说出模糊控制系统的模糊处理过程 答： 1）计算兼容度；2）求激励强度； 3）求定性（演译）结果； 4）求总输出结果。
3、解释CMAC 网络的泛化及泛化对基于CMAC 网络的控制系统的的影响 答：4、BP 网络说明其逼近非线性函数的原理答：具有至少一个隐层的多层前馈网络，如果隐层单元足够多，那么，利用扁平激励函数和线性多项式集成函数，可以对任意感兴趣的函数逼成到任意精度。
5、说出微种群算法和双种群算法相对于简单遗传算法的优越性答：(速度与全局性兼顾 ）用小规模的种群进行有效的多次全局搜索，避免早熟收敛，使算法以比较快的速度收敛到全局最优解。
双种群算法:运算量小,而且几乎不陷入局部极小点,确实做到了全局搜索和局部化的平衡.6、说明微种群遗传算法原理答:随机产生小群种,对它进行遗传运算并收敛之后,把最好的个体传至下一代,产生新的群种,再进行遗传算法,如此反复,直到完成总体收敛.四、模糊集合运算已知成年男子身高论域U={130,140,150,160,170,180,190,200,210} ={,9,8,7,6,5,4,3,2,1u u u u u u u u u }则有模糊集合[个子高]＝90.180.178.066.054.042.030.020.010.0u u u u u u u u u ++++++++和 [个子矮]＝9.080.070.060.051.043.035.027.010.1u u u u u u u u u ++++++++ 求模糊集合[个子不高]，[个子高或个子矮]，[个子不高且个子不矮] 五、模糊集合复合计算一个模糊系统输入输出关系由模糊关系R(X,Y)来描述，式中X={0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}，Y={0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9} 这个模糊关系由模糊隐含),min(B A B A =→来实现，式中Y B X A ⊂⊂,。
现在给定A 和B 如下： 7.0/7.05.0/5.02.0/8.07.0/15.0/6.02.0/5.0++=++=B A输入为A ':5.0/9.02.0/2.0+='A如果采用max-min 复合规则，确定模糊系统输出（即B '） 六、BP 网络仿真程序分析rands(S1,R);可得到一个S1*R 的矩阵，其元素为（－1，1）均匀分布随机数，[w,b]=rands(S1,R)可得到一个S1*R 矩阵和S1*1列矢量b, 其元素为（－1，1）均匀分布随机数， [W1,B1]=rands(S1,R); [W2,B2]=rands(S2,S1); 得到W1：S1×R 矩阵,输入层的权值矩阵 W2：S2×S1矩阵，输出层的权值矩阵 及两个列向量B1：S1* B2：S2*1 b1=B1*ones(1,21);把列向量B1的每一行扩展成1×21向量，数值重复，net=newcf(minmax(P),[5,1],{'tansig','purelin'},'traingd'); %创建两层前向回馈网络 net.trainParam.epochs=7000; %初始化训练次数 net.trainParam.goal=9.5238e-004; % sse=0.02 %初始化误差值 net.trainParam.lr = 0.15; [net,tr]=train(net,P,T); %训练网络 Y=sim(net,P) ; %计算结果plot(P,Y,'r-') holdplot(P,T,'r+'); hold off七、简单遗传算法• 问题抽象成遗传算法问题（1）这是一个最优的问题，初步判断可以抽象成一个遗传算法问题 （2）把x 看成染色体，[0，31]就是解空间;把看作适应度函数 （3）染色体编码 : x 在[0，31]，所以可取五位2进制数作为编码方式 步骤1）编码：确定二进制的位数；组成个体（染色体）步骤2）选择种群数和初始个体，计算适应度值， = 20； 步骤3）确定选择方法；交换率PC ；变异率Pm 。
选择方法用竞争法； PC = 0.7, Pm = 0.05 计算结果：① 8代后，f(x,y) =0.998757,② 41代后，f(x,y) =1.00000, x =3.000290, y =2.999924.1、基本模糊运算 [个子不高]＝9.10.180.10.178.00.166.00.154.00.142.00.130.00.120.00.110.00.1u u u u u u u u u -+-+-+-+-+-+-+-+- ＝90.080.072.064.056.048.030.120.110.1u u u u u u u u u ++++++++ [个子不矮]＝9.00.180.00.170.00.160.00.151.00.143.00.135.00.127.00.110.10.1u u u u u u u u u -+-+-+-+-+-+-+-+- ＝9.180.170.160.159.047.035.023.010.0u u u u u u u u u ++++++++ [个子高或个子矮]＝9.10.080.10.078.00.066.00.054.01.042.03.030.05.020.07.010.00.1u u u u u u u u u ∨+∨+∨+∨+∨+∨+∨+∨+∨ ＝90.180.178.066.054.043.035.027.010.1u u u u u u u u u ++++++++ [个子不高且个子不矮]＝9.10.080.10.070.12.060.14.059.06.047.08.035.00.123.00.110.00.1u u u u u u u u u ∧+∧+∧+∧+∧+∧+∧+∧+∧ ＝2)(x x f =9.080.072.064.056.047.035.023.010.0u u u u u u u u u ++++++++ 2、习题与思考题 9)3.0,6.0,7.0,1(16.01.006.016.01.01.06.016.001.06.01)1.0,3.0,7.0,1()()()(=⎪⎪⎪⎪⎪⎭⎫⎝⎛== 相等是Alm ost sm all X y R 3、习题与思考题 13（1）模糊隐含采用),max(B A B A =→()()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=-===→11111111111111111111007.005.0008.00011111111114.04.07.04.05.04.04.08.04.04.0111111111111111111115.05.07.05.05.05.05.08.05.05.011111111111111111111)}()),(1max{(),(007.005.0008.00011014.0115.011y x y x B A B A B A μμμ )4.04.07.04.05.04.04.08.04.04.0(11111111111111111111007.005.0008.00011111111114.04.07.04.05.04.04.08.04.04.0111111111111111111115.05.07.05.05.05.05.08.05.05.011111111111111111111)00009.0002.000()),(),(min(max )()(''''=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==→=→y x x y B A A B B A A B μμμ()()⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==∧=⨯===→⨯⎰0000000000000007.005.0008.0000000000000006.005.0006.00000000000000000000000005.005.0005.00000000000000000000000)}(),(min{),(),/()()(),min(007.005.008.0000106.0005.000y x y x y x y x B A B A B A B A B A YX B A μμμμμ )006.005.0006.000(0000000000000007.005.0008.0000000000000006.005.0006.00000000000000000000000005.005.0005.0000000000000000000)00009.0002.000()),(),(min(max )()(''''=⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==→=→y x x y B A A B B A A B μμμ。