智能控制技术试卷【骄阳教学】

一、选择题1、 蔡自兴教授提出智能控制系统的四元结构，认为智能控制是 人工智能 、控制理论、系统理论和运筹学四种学科的交叉。2、 专家是指在某一专业领域内其专业知识与解决问题的能力达到 很高 水平的学者。3、 专家系统中的知识按其在问题求解中的作用可分为三个层次，即数据级、 知识库 级和控制级。4、 不确定性知识的表示有三种:概率、确定性因子和 模糊集合 。5、 Hebb学习规则是一种无教师的学习方法，它只根据神经元连接间的激活水平改变 权值 ，因此这种方法又称为相关学习和并联学习。6、 交叉运算是两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的 个体 。二、判断题1、 IEEE控制系统协会把智能控制归纳为：智能控制系统必须具有模拟人类学习和自适应的能力。（ T ）2、 不精确推理得出的结论可能是不确定的，但会有一个确定性因子，当确定性因子超过某个域值时，结论便不成立。（ F ）3、 一般的专家系统由知识库、推理机、解释机制和知识获取系统等组成。（ T ）4、 人机接口是专家系统与领域专家、知识工程师、一般用户间进行交互的界面，由一组程序及相应的硬件组成，用于完成知识获取工作。（ F ）5、Hopfield神经网络是反馈神经网络中最简单且应用广泛的模型，它具有联想记忆的功能。（ F ）6、 知识是将有关的信息进一步关联在一起，形成了更高层次含义的一种信息结构，信息与关联是构成知识的两个基本要素。（ T ）7、 建造知识库涉及知识库建造的两项主要技术是知识获取和知识存放。（ F ）8、 模糊控制系统往往把被控量的偏差（一维）、偏差变化（二维）以及偏差的变化率（三维）作为模糊控制器的输入。（ T ）9、 RBF网络的学习过程与BP网络的学习过程是类似的，两者的主要区别在于使用了相同的激励函数。（ F ）10、 应用遗传算法求解问题时，在编码方案、适应度函数及遗传算子确定后，算法将利用进化过程中获得的信息自信组织搜索。（ T ）三、简答题1.分别说明专家系统与专家控制系统？答：专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解决的现实问题的计算机系统。 专家控制是将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统。2.人工神经网络中两种典型的结构模型是什么？它们进行学习时具有哪些特点？答：两种典型的结构模型是前馈神经网络和反馈神经网络。前馈神经网络有感知器和BP网络等；主要采用学习规则，这是有教师学习方法。反馈神经网络有Hopfield神经网络、Boltzmann机网络等；主要采用Hebb学习规则，概率式学习算法。3.应用遗传算法计算时，设计编码的策略与编码评估准则（即编码原则）是什么？答：设计编码策略：（1）完备性（2）健全性（3）非冗余性编码评估准则，即编码原则：（1）有意义基因块编码规则（2）最小字符集编码原则。四、设某恒温室的温度模糊控制器，控制室温为某个设定值：（1）试给出该模糊控制器的结构图；（2）说明模糊控制器设计的主要内容。模糊规则库解：（1）该模糊控制器为两输入信号，为二维模糊控制器结构，该温度模糊控制器的结构图如下：y X1清晰化模糊化模糊推理X2 温度模糊控制器输入变量是两个变量分别为偏差（即温度的设定值与实际测定值的差值）和偏差的变化，是确定数值的清晰量；通过模糊化处理，用模糊语言变量E来描述偏差。模糊推理输出y是模糊变量，在系统中要实施控制时，模糊量U转化为清晰值。(2) 模糊控制器设计的主要内容:1. 定义输入变量X1、X2的模糊子集为NB ZE PB PB ZE NB，偏差的量论域为-2,0,+2，偏差变化率的量化论域为-2,0,+2。2. 定义所有变量的模糊化条件。输出语言的基本论域为-u,u，控制输出量的量化论域为-2,0,+2，控制输出量的模糊子集 NB ZE PB ，对输入输出语言变量均选用正态函数：作为其隶属函数。3. 建立模糊控制规则表： u X1 X2 NBZEPBPBPSZENBZEPSZENSNBPBZENS4. 求模糊控制器输出 应用模糊推理合成规则，有温度偏差和偏差变化量的量化论域，根据输入语言变量偏差X1和偏差变化量X2求出相应输出语言变量U的模糊集合，应用最大隶属度法对此模糊集合进行模糊判决，从而可求出控制量控制精确值u。五、计算题1.设模糊控制器的控制规则为：If x1 is A1 and x2 is B1 then y is C1已知A1=0.9 0.6 0.1，B1=0.3 0.7，C1=0.2 0.4 0.8试计算A2=0.2 0.5 0.4，B2=0.3 0.6时C2的数值；若Y的量化论域为2,3,4，用最大隶属度法求控制输出的清晰量。解：(1) A1*A2=将A1*A2矩阵展成如下列向量：模糊关系 当输入A2和B2时，有:将A2*B2矩阵展成如下列向量：最后得C2： (2) 因为Y的量化论域为2,3,4，所以得出,用最大隶属度法求控制输出的清晰量2.设需要函数的最大值， 自变量x在0-31之间取整数时，若用遗传算法求解函数值的最大值，有5位二进制代码串可组成所有染色体的基因型。随机取4个x值3, 29, 10, 22，组成初始种群，A1:00011，A2:11101，A3:01010，A4:10110； 试用二进制编码交叉方法，对第2位后的编码串进行交换，写出两个个体A1与A2交叉后得到的新个体B1与B2；A3与A4交叉得到的新个体B3与B4；如用变异的方法对编码的第4基因位进行变异，写出对个体B1，B2，B3，B4变异得到的新个体C1，C2，C3，C4; 并分别计算这12个个体的适应度和在下一代生存的期望数目。（函数f(x)作为适应度fi的计算式）复制概率： ；期望复制数：（M=4为种群规模）。解：根据题意条件可计算各项数据如下：串号初始种群x值适应度 fi (x)复制概率Pi期望复制数1000113540.1260.50621110129930.2180.871301010101310.3071.227410110221490.3491.396进行二进制编码交叉方法，得出新个体B1，B2，B3，B4，计算各项数据如下：串号初始种群x值适应度 fi (x)复制概率Pi期望复制数1001015810.1600.64211011271140.2250.9301110141530.3021.208410010181590.3131.25用变异的方法对编码的第4基因位进行变异，得出新个体C1，C2，C3，C4；计算各项数据如下：串号初始种群x值适应度 fi (x)复制概率Pi期望复制数10011171040.1940.776211001251310.2440.976301100121440.2681.073410000161580.2941.1816、 已知某RBF神经网络的结构为3-4-1，其结构如下图所示，神经网络输出层节点为线性激励函数；中间层节点激励函数为： j=1, 2, 3, 4 。设为常量，试从两个方面描述该神经网络的学习算法。（1） 信号从输入层向输出层的正向传递；（2） 网络期望输出值为d,误差信号的反向传播调节输出层的权值和激励函数的参数。解：REF神经网络是三层前向神经网络，采用误差反转（BP）学习算法。（1） 信号从输入层向输出层的正向传递；对某个训练样本，输入层的输出信号与输入信号相等，即。中间层节点的激励函数为REF，输出信号为 j=1, 2, 3, 4输出层节点的激励函数为线性函数，输出信号为（2） 网络期望输出值为d，输出层误差为对神经网络的权系数按误差函数梯度变化的反方向进行调整，使网络的输出接近期望值。输出层权系数的修正公式为 j=1, 2, 3, 4其中 j=1, 2, 3, 4则有得到权系数与参数为 j=1, 2, 3, 45习题yu教育