智能控制课件总结版 南阳理工 杨旭老师.docVIP

知识获取被认为是专家系统中的一个“瓶颈”问题。 知识表示 就是知识的形式化，就是研究用机器表示知识的可行的、有效的、通用的原则和方法。 常用的知识表示方法有：逻辑表示法、语义网络法、产生式规则、特性表示法、框架表示法、与或图法、过程表示法、黑板结构、Petri网络法、神经网络等。 专家系统的推理机制 依据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统中的自动推理是知识推理。而知识推理是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。 12.推理方法的分类 根据知识表示的特点，知识推理方法可分为图搜索方法和逻辑论证方法两类。 根据问题求解的推理过程中是否运用启发性知识，知识推理方法可分为启发推理和非启发推理两类。 根据问题求解的推理过程中结论是否精确，知识推理方法可分为精确推理和不精确推理两类。 根据问题求解的推理过程中特殊和一般的关系，知识推理方法可分为演绎推理、归纳推理两类。 根据问题求解的推理过程中推理的方向，知识推理方法可分为正向推理、反向推理和正反向混合推理三类。 专家系统建立步骤（P8） 知识库的设计（2）推理机的设计（3）人机接口的设计 专家控制与专家系统区别 1）通常的专家系统只完成专门领域问题的咨询功能，它的推理结果一般用于辅助用户的决策；而专家控制则要求能对控制动作进行独立的、自动的决策，它的功能一定要具有连续的可靠性和较强的抗扰性。 （2）通常的专家系统一般处于离线工作方式，而专家控制则要求在线地获取动态反馈信息，因而是一种动态系统，它应具有使用的灵活性和实时性，即能联机完成控制。 14.专家控制系统的控制要求 （1）决策能力强。 （2）运行可靠性高。 （3）使用的通用性好。 （4）拟人能力强。 （5）控制与处理的灵活性。 专家控制器的设计原则 （1）多样化的模型描述。 （2）在线处理的灵巧性。 （3）灵活性的控制策略。 （4）决策机构的递阶性。 （5）推理与决策的实时性。 PID专家控制的实质是，基于受控对象和控制规律的各种知识，无需知道被控对象的精确模型，利用专家经验来设计PID参数。专家PID控制是一种直接型专家控制器。 神经网络 神经网络，是一种在生物神经网络的启示下建立的数据处理模型。主要通过调整神经元之间的权值来对输入的数据进行建模，最终具备解决实际问题。 人工神经网络的可塑性表现于，其连接权值都是可调整的，它将一系列仅具有简单处理能力的节点通过权值相连，当权值调整至恰当时，就能输出正确的结果。网络将知识存储在调整后的各权值中，这一点是神经网络的精髓。 神经网络的特点及应用 人工神经网络具有强大的模式识别和数据拟合能力 1.自学习和自适应性。给神经网络输入新的训练样本，网络能够自动调整结构参数，改变映射关系 2.非线性性。人工神经元处于激活或抑制状态，表现为数学上的非线性关系。 3.鲁棒性与容错性 。局部的损害会使人工神经网络的运行适度减弱，但不会产生灾难性的错误。 4.计算的并行性与存储的分布性。每个神经元都可以根据接收到的信息进行独立运算和处理 。 神经网络模型 单层网络：单层感知器，线性网络。 多层网络：其他网络。 前向网络：BP、径向基网络、自组织网络等。 反馈网络：Hopfield网络，Elman网络等。  .神经网络的学习方式 1.有监督学习（有教师学习 ）。训练样本对应一个教师信号 。 2.无监督学习 （无教师学习 ）。网络只接受一系列的输入样本，而对该样本应有的输出值一无所知。 1. Hebb学习规则：权值的调整量与输入前一神经元输出值和后一神经元输出值的乘积成正比 。 2. 纠错学习规则：权值的调整量与误差大小成正比 。 3. 随机学习规则：Boltzmann机事实上就是模拟退火算法 。 4. 竞争学习规则：只有一个获胜神经元可以进行权值调整，其他神经元的权值维持不变，体现了神经元之间的侧向抑制 。 单神经元网络 常用的神经元非线性特性有以下3种： 阈值型。分段线性型。Sigmoid函数型。 单层感知器 单层感知器属于单层前向网络，即除了输入层和输出层之外只拥有一层神经元节点。 输入是一个N维向量。其中的每一个分量都对应于一个权值，隐含层的输出叠加为一个标量值：随后在二值阈值元件中对得到的v值进行判断，产生二值输出： 二维空间中的超平面是一条直线。在直线下方的点，输出-1；在直线上方的点，输出1。 单层感知器的学习算法。在实际应用中 ，通常采用纠错学习规则的学习算法。 感知器的局限性 单层感知器无法解决线性不可分问题，只能做近似分类。感知器的激活函数使用阈值函数，输出值只有两种取值，限制了在分类种类上的扩展 。 如