2014智能控制考试复习资料及重点内容.docVIP

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。 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，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 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。 1）. 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