智能控制复习期末总结

0.1 0.5 0.5 0.1 1 0.6 0.1 0.1 0.1 RT 将 1 按行展开写成列向量为
0.1 0.1 0.4 0.5 0.5 0.4 0.5 0.5 0.4 0.1 0.1 0.4 T R R1 C 1 0.4 1 1 0.4 0.6 0.6 0.4 0.1 0.1 0.4 0.1 0.1 0.4 0.1 0.1 0.4 所以，
A F(X ) B F (Y ) C F (Z )
已知：
A* B*
1 0.5 0.1 , x1 x 2 x3 0.1 0.5 1 , y1 y 2 y3
A* F ( X ) B* F (Y )
*
由关系合成推理法，求得推理结论 C 。 解：令 R 表示模糊关系，则 R A B C .
q
隐含层 信息流
ຫໍສະໝຸດ Baidu
w jk
L
输出层
BP 网络是一种最为常用的前馈网络，它有一个输入层，一个输出层，一个或多个隐含 层。每一层上包含了若干个节点，每个节点代表一个神经元。同一层上的各节点之间无耦合 连接关系，信息从输入层开始在各层之间单向传播，依次经过各隐含层节点，最后达到输出 层节点。 BP 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。 五，计算题 1 ，设有论域
X {x1 , x 2 , x3 }, Y { y1 ,
y2 ,
y 3 }, Z {z1 , z 2 }
，二维模糊
条件语句为“若 A 且 B 则 C” ，其中
A B C
0.5 1 0.1 , x1 x 2 x3 0.1 1 0.6 , y1 y 2 y 3 0.4 1 , z1 z 2
0.5 R A B 1 0.1 1 0.6 0.1
T 1 T
0.5 0.1 0.5 1 0.5 0.6 0.1 0.5 0.5 11 1 0.6 1 0.1 0.1 1 0.6 0.1 0.1 0.1 1 0.1 0.6 0.1 0.1 0.1
Author:lm 学校：西安邮电大学
智能控制 考试类型：填空，名词解释，作图（共 2 个） ，简答，计算。 一，填空 1，智能控制的核心 控制论和人工智能是智能控制的核心 2，分层递阶智能控制的两个特点 （1）对控制来讲，自上而下控制精度越来越高 （2）对知识来讲，自下而上信息回馈越来越粗略 3，黑板分类 黑板：黑板是用来记录专家系统产生的中间信息和决策，以及得到这些结果所需的静 态、 动态数据， 它相当于一般专家系统的数据库， 黑板可以按层次分为当前黑板与记忆黑板。 4，模糊关系的表达式 模糊关系通常可以用模糊集合，模糊矩阵和模糊图等方法来表示。二元模糊关系常用 模糊矩阵表示。 5，模糊规则库建立方法 模糊规则库的建立大致有四种方法： 专家经验法、 观察法、 基于模糊模型法和自组织法。 6，专家控制器的组成 专家控制器由四部分组成：知识库（KB） ，控制规则集（CRS） ，推理机（IE） ，特征识 别与信息处理（FR＆IP） 二，名词解释 1，遗传算法的定义 遗传算法（Genetic Algorithm，GA）是模拟达尔文的遗传选择和自然淘汰的生物进化 过程的计算模型。 2，智能控制的定义 智能控制是自动控制与人工智能的结合，它可以自动测量被控对象的被控制量，并求 出与期望值的偏差， 同时采集输入环境信息， 进而根据采集的输入信息和已有的知识进行 “推 理思考” ，得到对被控对象的输出控制量，使偏差尽可能减小或消除。 三，简答 1、智能控制技术的基本特点： 智能控制是在无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。其基本特点如下： （1）无需建立被控对象的数学模型，特别适合非线性对象、时变对象和复杂不确定的 控制对象。这些对象正好是传统控制方法难以取得好的自动控制效果的对象； （2）具有分层递阶的控制组织结构：体现了“智能递增，精度递减”的原理，便于处 理大量的信息和储存的知识，并进行推理； （3）控制效果具有自适应能力、鲁棒性好：智能控制不依赖于对象模型，可以自适应 调整控制策略。同时，由于智能的非定量粗略描述性，智能控制系统更能容忍噪声干扰； （4）具有学习能力，控制能力可以不断增强。 2，确定隶属度函数的基本原则 （1）隶属度函数应选用单峰函数，不宜采用多峰函数。 （2）对变量选择模糊集合及其隶属度函数通常应是对称和平衡的： 在模糊控制系统中， 每一个输入变量（模糊控制中常使用语言变量表示）可以有多个标称值（又称语言值） 。模
0.1 0.5 0.5 0.1 1 0.6 0.1 0.1 0.1 .又因为
1 0.1 0.5 1 A B 0.5 0.1 0.5 1 0.1 0.5 0.5 C A B R 0.1 0.1 0.1 0.1 ，将 A B 按行展 ，
e r + e 微分 e 模糊推理系统 FIS
控制值
执行机构
对象状态检测
被控对象
控制动作
2，BP 网络结构 误差反向传播神经网络，即 BP 网络（Back Propagation） ，是一种单向传播的多层前 向网络。
误 差 反 传（ 学 习 算 法 ）
x1
输 入 模 式
i
j
k
+
x2
xn
M
输入层
wij
糊变量的标称值选择既不能过多又不能过少。 （3）隶属度函数要遵从语意顺序并避免不恰当的重叠：在相同论域上使用的具有语义 顺序关系的若干标称值的模糊集合，例如“速度很低” 、 “速度低” 、 “速度适中” 、 “速度高” 、 “速度很高”等模糊子集的中心值位置必须按这一顺序排列，不能违背常识和经验。 （4）隶属度函数的选择需要考虑重叠问题：一个合理的隶属度函数的建立需要考虑很 多因素，重叠指数为隶属度函数的选择提供依据。 3，仿人智能控制原理以及基本特征 仿人智能开关控制原理： 开关控制方式简单且易于实现， 因此在许多电加热炉的控制中 被采用。 但常规的开关控制常常难以满足控制精度和节能的要求， 其开关控制方式在采样间 隔时间内控制量要么是一固定常数、 要么是零， 这样固定不变的控制模式缺乏人工开关控制 的优点。人工开关控制过程中，人会根据误差及误差变化趋势来选择不同的开关控制策略， 例如在采样间隔内， 开关接通时间根据被控对象的状态进行调节， 而不是简单的在整个间隔 内都接通或断开， 这样可以达到更高的控制精度和减少滞后时间。 这种以人的知识和经验为 基础，根据实际误差变化规律及被控对象或过程的惯性、纯滞后及扰动等特性，按一定的模 式选择不同控制策略的开关控制称为智能开关控制。 仿人智能控制在结构和功能上具有以下基本特征： （1）分层递阶的信息处理和决策机构（高阶产生式系统结构） ； （2）在线的特征辨识和特征记忆； （3）开、闭环控制相结合、定性决策与定量控制结合的多模态控制； （4）启发式和直觉推理逻辑的综合运用。 四，作图 1，模糊控制系统结构图
开 写 成 行 向 量 ， 为
0.1
C
即
0.5 1 0.1 0.5 0.5 0.1 0.1 0.1 0.4 0.5 z1 z2
， 则
C A B R 0.4 0.5

2，重叠计算 P27 3，直积，代数积计算 例题 2-9，P34

T
0.1 1 0.1 0.5 1 0.4 0.5 1 0.4 0.1 1 0.1 1 1 0.4 0.6 1 0.4 0.1 1 0.1 0.1 1 0.1 0.1 1 0.1