智能控制大作业

《智能控制》大作业

1、简答题：

1.1.根据目前智能控制系统的研究和发展，智能控制系统主要有哪些方面的工作可做进一步的探索和开展？

答：1）开展智能控制理论与应用研究。

2）充分运用神经生理学、心理学、认识科学和人工智能等学科的基本理论，

深入研究人类解决问题时表现出来的经验、技巧、策略，建立切实可行的智能控制的体系结构。

3）把所有的知识工程、模糊系统、信息论，进化论、神经网络理论和技术与传统的控制理论相结合，充分利用现有的控制理论，研究适合于当前的计算机资源条件的智能控制策略和系统。

4)研究人——机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平。

5）研究适合智能系统的并行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制系统在实际应用中的问题，使智能控制得到更广泛的应用。

1.2.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表示的意思？

模糊控制单元由规则库、模糊化接口、模糊推理和清晰化接口4个功能模块组成，模糊控制单元首先将输入信息，模糊化，然后经模糊推理规则，给出模糊输出，再将模糊指令化，控制操作变量。

1、规则库（rule base）：由若干条控制规则组成，这些控制规则根据人类

控制专家的经验总结得出，按照IF …is …AND …is …THEN …is…的形式表达。

2、模糊推理：以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，从而建立了模糊推理理论。根据模糊输入和规则库中蕴涵的输入输出关系，通过第二章描述的模糊推理方法得到模糊控制器的输出模糊值。模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。

3、模糊化接口（Fuzzification）：这部分的作用是将输入的精确量转化成模糊化量。其中输入量包括外界的参考输入，系统的输出或状态等。

清晰化（解模糊接口）

4、清晰化接口：清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。它包含以下两部分内容：

（1）将模糊控制量经清晰化变换变成表示在论域范围的清晰量。

（2）将表示在论域范围的清晰量经尺度变换变成实际的控制量。

1.3.画出感知器的基本结构模型，并简述其算法过程。

算法过程：

将阈值θ并入W 中，令Wn+1=-θ，X 向量也相应地增加一个分量xn+1=1，则

（1）给定初始值赋给W i (0)各一个较小的随机非零值，W i (t)为t 时刻 第i 时刻第i 个输入的权（1≤i≤n ）,Wn+1(t)为t 时刻的阀值。 （2）输入一样本X=(x 1,x 2...x n ,1)和它的希望输出d

计算实际输出:

修正权W ：Wi(t+1)=Wi(t)+η[d-Y(t)]xi, i=1,2,…,n+1 ； (5)转到(2)直到W 对一切样本均稳定不变为止。

1.4．画出三层BP 神经网络的基本结构图，并试写出各层之间的输入输出函数关系？

∑+==1

n 1

i i i )

x W f(y ∑+==1

n 1i i i )

(t)x W f(Y(t)

各层之间输入输出函数关系： 第1层：输入层将输入引入网络

第二层（隐层）：

第三层：(输出层):

1.5.神经网络系统具有哪些基本特性，以及神经网络在控制系统中具有哪些作用？

1）非线性映射逼近能力。非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。 2）自适应性和自组织性。

i

i i x In Out ==)

1()1(n i ,...,2,1=l

j In Out Out In j j j i ij n

i j ,...,2,1)

(,)

2()2()1()1(1

)2(=Φ=-∑==θωm

k Out In Out y j jk l

j k k k ,...,2,1)

2()2(1

)3()3(=∑====ω

2）3）并行处理性。网络的各单元可以同时进行类似的处理过程，整个网络的信息处理方式是大规模并行的，可以大大加快对信息处理的速度。

4）分布存储和容错性。信息在神经网络内的存储按内容分布于许多神经元中，而且每个神经元存储多种信息的部分内容。网络的每部分对信息的存储具有等势作用，部分的信息丢失仍可以使完整的信息得到恢复，因而使网络具有容错性和联想记忆功能。

5）便于集成实现和计算模拟。神经网络在结构上是相同神经元的大规模组合，特别适合于用大规模集成电路实现。

6）非局限性一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。

7）非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。

神经网络利用其卓越的学习和自适应能力，在控制系统中具有的作用：

1)基于精确模型的各种控制结构中充当对象的模型；

2)在反馈控制系统中直接充当控制器的作用；

3) 在传统控制系统中起优化计算作用；

4)在与其它智能控制方法和优化算法相融合中, 为其提供对象模型、优化参数、推理模型及故障诊断等。

1.6.基于信息论的分级递阶智能控制系统主要构成有哪些，分别起什么作用？

该系统由组织级、协调级和执行级组成。

组织级（Organization level）

组织级是递阶智能控制系统的最高级，是智能系统的“大脑”，能模仿人的行为功能，具有相应的学习能力和高级决策能力，需要高级的信息处理。组织监视并指导协调级的所有行为，具有最高的智能程度。根据用户对任务的不完全描述与实际过程和环境的有关信息，组织任务，提出适当的控制模式向下层传达，