智能控制考试题及答案.doc

智能控制考试题及答案 智能控制技术考试题及答案 智能控制技术考试试题A 智能控制课程考试试题A参考答案 一、填空题 (1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙(11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统 (18) 模糊控制系统 (19) 神经控制系统 (xx年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期解决面临的难题。 智能控制采用各种智能化技术实现复杂系统和其它系统的控制目标,是一种具有强大生命力的新型自动控制技术。智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。下图表示自动控制的发展过程和通向智能控制路径上控制复杂性增加的过程。从图中可以看出,这条路径的最远点是智能控制,至少在当前是如此。智能控制涉及高级决策并与人工智能密切相关。 智能控制是一门新建立的学科,无论在理论上或应用上,仍然不够完善,有待继续研究与发展。展望智能控制的发展,我们应该:(1) 寻求更新的理论框架 与智能控制的目标和定义相比,智能控制研究尚存在一些需要解决的问题。 人脑的结构和功能要比人们想象的复杂得多,人工智能和智能控制研究面临的困难要比我们估计的重大得多,智能科学工作者的研究任务要比我们讨论过的艰巨得多。同时,要从根本上了解人脑的结构与功能,解决面临的困难,完成人工智能和智能控制的研究任务,需要寻找和建立更新的智能控制框架和理论体系,为智能控制的进一步发展打下稳固的理论基础。(2) 进行更好的技术集成 与人工智能相似的是,智能控制技术是人工智能技术与其它信息处理技术,尤其是信息论、系统论、控制论和认识工程学等的集成。从学科结构的观点来看,提出了不同的思想,其中,智能控制的四元交集结构是最有代表性的一种集成思想。在智能控制领域内已集成了许多不同的控制方案,如模糊自学习神经控制就集成了模糊控制、学习控制和神经控制等技术。此外,还包括其它一些相关学科。 智能控制将向更高的技术水平发展,智能控制系统将包含多层级、多变量、非线性、大时滞、快速响应、分布参数和大规模系统等。(3) 开发更成熟的应用方法 为了实现智能控制,必须开发新的硬件和软件。实现智能控制固然需要硬件的保障,不过,软件应是智能控制的核心;因为控制器的智能化是整个智能控制的核心,而这一智能化基本上要靠软件技术来实现。 3、答:递阶控制理论可被假定为寻求某个系统正确的决策与控制序列的数学问题,该系统在结构上遵循精度随智能降低而提高(IPDI)的原理,而所求得的序列能够使系统的总熵为最小。三个控制层级的功能和结构如下:(1) 组织级 组织级代表控制系统的主导思想,并人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图1所示。 图1 组织级的结构框图 (2) 协调级 协调级是上(组织)级和下(执行)级之间的接口,承上启下,并人工智能和运筹学共同作用。协调级一定数量的具有固定结构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯分配器来完成,而分配器的可变结构是组织器控制的。(3) 执行级 执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可熵来表示,因而统一了智能机器的功用。 4、答:根据系统的复杂性,可把专家控制系统分为两类:即专家控制器和专家控制系统; 按照系统的控制机理,又可把专家控制系统分为直接专家控制系统和间接专家控制系统。专家控制器(EC)的组成: (1) 知识库(KB):KB存放工业过程控制的领域知识,经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。 (2) 控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。 (3) 推理机构(IE):其复杂于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。 (4) 特征识别与信息处理(FRIP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。 5、答:在设计模糊控制器时,必须考虑下列各项内容:(1) 选择模糊控制器的结构; (2) 选取模糊控制规则;模糊控制规则是模糊控制器的核心,必须精心选取这些规则,并考虑下列问题: (a) 选定描述控制器输入和输出变量的语义词汇;(b) 规定模糊集; (c) 确定模糊控制状态表。 (3) 确定模糊化的解模糊策略,制定控制表;(4) 确定模糊控制器的参数。下图为自组织模糊控制器的结构: 它基本层和自组织层两级构成;前者为一常规模糊语义控制器,后者对每一输入输出响应的采样进行评价,并对控制器产生一个修正。该结构能够自动获得模糊控制器的规则库。当用FLC控制对象(装置)至期望响应时,新条件一旦出现,规则就被产生和修正。该控制器的主要部分有性能评价、对象建模、规则库更新和FLC保持等。 性能评价单元用于分析精确装置有关性能目标的状态矢量(位置误差PE,误差变化CE),并对已辨识过的规则进行修正,以补偿任何恶劣性能的影响。修正是通过标量来调整规则结论的。采用可接受和不可接受两种阶跃响应相平面轨迹作为性能目标。装置(对象)模型用于考虑装置规则修正时的输入-输出极性、规则库更新单元用于检查哪条或哪几条规则可对当前的恶劣性能产生响应,并进行修正。自组织模糊控制器在学习试验过程中的连续采样时间内,不断(迭代)地改善规则库。 6、答:人工神经网络的下列特性对控制是至关重要的: (1) 并行分布处理。神经网络具有高度的并行结构和并行实现能力,因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。 (2) 非线性映射。神经网络具有固有的非线性特性,这源于其近似任意非线性映射(变换)能力。这一特性给非线性控制问题带来新的希望。 (3) 通过训练进行学习。神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此,神经网络能够解决那些数学模型或描述规则难以处理的控制过程问题。 (4) 适应与集成。神经网络能够适应在线运行,并能同时进行定量和定性操作。神经网络的强适应和信息熔合能力使得网络过程可以同时输入大量不同的控制信号,解决输入信息间的互补和冗余问题,并实现信息集成和熔合处理。这些特性特别适于复杂、大规模和多变量系统的控制。 (5) 硬件实现。神经网络不仅能够通过软件而且可借助软件实现并行处理。近年来,一些超大规模集成电路实现硬件已经问世,而且可从市场上购到。这使得神经网络具有快速和大规模处理能力的实现网络。 十分显然,神经网络于其学习和适应、自组织、函数逼近和大规模并行处理等能力,因而具有用于智能控制系统的潜力。 7、答: 智能控制课程考试试题B 智能控制课程考试试题B参考答案 一、填空题 (1) 高级机器人 (2) 智能规划与调度 (3) 自动制造系统 (4) 故障检测与诊断 (5) 小深(Deep Junior) (6) 卡斯帕洛夫(Kasparov) (7) 硬件 (8) 软件 (9) 智能 (10) 智能化 (11) 选择模糊控制器的结构 (12) 选取模糊控制规则 (13) 确定模糊化的解模糊策略,制定控制表 (14) 确定模糊控制器的参数 (15) 傅京孙 (16) 萨里迪斯 (17) 蔡自兴 (18) 生物的进化机制 (19) 进化计算 (20) 反馈机制 二、选择题 1、C 2、A 3、A 4、C 5、D6、D 7、B 8、C 9、A 10、C 三、问答题 1、答:在研究了智能控制的二元、三元结构理论、知识、信息和智能的定义以及各相关学科的关系之后。蔡自兴教授提出了四元智能控制结构,把智能控制看作是自动控制、人工智能、信息论和运筹学四个学科的交集,如图1所示,其关系可用下式来描述。 IC = AI CT IT OR 图1 智能控制的四元结构 把信息论作为智能控制结构的一个子集是基于下列理的:(1) 信息论是解释知识和智能的一种手段; (2) 控制论、系统论和信息论是紧密相互作用的;(3) 信息论已成为控制智能机器的工具;(4) 信息熵成为智能控制的测度; (5) 信息论参与智能控制的全过程,并对执行级起到核心作用。 2、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。 传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平智能控制发展。智能控制具有下列特点: (1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。 (2) 智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。 (3) 智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。 (4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。 3、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实 际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。 传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平智能控制发展。智能控制具有下列特点: (1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。 (2) 智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。 (3) 智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。 (4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。 3、答:模糊控制器值得研究的特性有静态和动态特性。对于静态特性,包括模糊控制规则的完整性、相容性和交互性,以及模糊控制器的鲁棒性。对于动态特性,包括模糊控制器的稳定性、灵敏性、可控性、收敛性、重复性(再现性)、精确性(精度)和映射特性等。图2为一自组织模糊控制器的结构图: 图2 自组织模糊控制器的结构 它基本层和自组织层两级构成;前者为一常规模糊语义控制器,后者对每一输入输出响应的采样进行评价,并对控制器产生一个修正。该结构能够自动获得模糊控制器的规则库。当用FLC控制对象(装置)至期望响应时,新条件一旦出现,规则就被产生和修正。该控制器的主要部分有性能评价、对象建模、规则库更新和FLC保持等。 性能评价单元用于分析精确装置有关性能目标的状态矢量(位置误差PE,误差变化CE),并对已辨识过的规则进行修正,以补偿任何恶劣性能的影响。修正是通过标量来调整规则结论的。采用可接受和不可接受两种阶跃响应相平面轨迹作为性能目标。装置(对象)模型用于考虑装置规则修正时的输入-输出极性、规则库更新单元用于检查哪条 或哪几条规则可对当前的恶劣性能产生响应,并进行修正。自组织模糊控制器在学习试验过程中的连续采样时间内,不断(迭代)地改善规则库。 4、答:递阶控制理论可被假定为寻求某个系统正确的决策与控制序列的数学问题,该系统在结构上遵循精度随智能降低而提高(IPDI)的原理,而所求得的序列能够使系统的总熵为最小。递阶智能机器的一般结构是三个控制层级,即组织级、协调级和执行级构成的。这三个控制层级的功能和结构如下:(1) 组织级 组织级代表控制系统的主导思想,并人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图1所示。 图3 组织级的结构框图 (2) 协调级 协调级是上(组织)级和下(执行)级之间的接口,承上启下,并人工智能和运筹学共同作用。协调级一定数量的具有固定结构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯分配器来完成,而分配器的可变结构是组织器控制的。(3) 执行级 执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可熵来表示,因而统一了智能机器的功用。 5、答:人工神经网络的下列特性对控制是至关重要的: (1) 并行分布处理。神经网络具有高度的并行结构和并行实现能力,因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。 (2) 非线性映射。神经网络具有固有的非线性特性,这源于其近似任意非线性映射(变换)能力。这一特性给非线性控制问题带来新的希望。 (3) 通过训练进行学习。神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此,神经网络能够解决那些数学模型或描述规则难以处理的控制过程问题。 (4) 适应与集成。神经网络能够适应在线运行,并能同时进行定量和定性操作。神经网络的强适应和信息熔合能力使得网络过程可以同时输入大量不同的控制信号,解决输入信息间的互补和冗余问题,并实现信息集成和熔合处理。这些特性特别适于复杂、大规模和多变量系 统的控制。 (5) 硬件实现。神经网络不仅能够通过软件而且可借助软件实现并行处理。近年来,一些超大规模集成电路实现硬件已经问世,而且可从市场上购到。这使得神经网络具有快速和大规模处理能力的实现网络。 十分显然,神经网络于其学习和适应、自组织、函数逼近和大规模并行处理等能力,因而具有用于智能控制系统的潜力。 6、答:萨里迪斯(Saridis)于1977年提出了一种智能控制结构, 它把傅京孙的智能控制二元结构扩展为三元结构,即把智能控制看作为人工智能、自动控制和运筹学的交接。萨里迪斯认为,构成二元交集结构的两元互相支配,无助于智能控制的有效和成功应用。必须把远筹学的概念引入智能控制,使它成为三元交集中的一个子集。这种三元结构后来成为IEEE第一次智能控制研讨会(1985年8月,纽约)的主题之一。 在提出三元结构的同时,萨里迪斯还提出基于三个控制层次和精度随智能降低而提高()原理的三级递阶智能控制系统,见图4,它主要3个智能(感知)级组成:组织级、协调级和执行级。 图4 分级智能控制系统 7、答:应用专家系统概念和技术,模拟人类专家的控制知识与经验而建造的控制系统,称为专家控制系统。 图5给出了一种工业专家控制器(EC)的结构,其组成和各部分的作用如下: (1) 知识库(KB):KB存放工业过程控制的领域知识,经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。 (2) 控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。 (3) 推理机构(IE):其复杂于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。 (4) 特征识别与信息处理(FRIP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。 智能控制课程考试试题C 智能控制课程考试试题C参考答案 一、填空题 (1) 符号主义 (2) 联接主义 (3) 行为主义 (4) 期望 (5) 期望(6) 知识库 (7) 推理机 (8) 傅京孙 (9) 萨里迪斯 (10) 蔡自兴(11) 组织级 (12) 协调级 (13) 执行级 (14) 专家控制(15) 递阶控制 (16) 模型控制 (17) 遗传算法 (18) 传统反馈 (19) 前馈神经网络 (xx年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期 解决面临的难题。 人工智能(artificial intelligence, AI )的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平) 智能控制(intelligent control,IC)发展。 自动控制既面临严峻挑战,又存在良好发展机遇。为了解决面临的难题,一方面要推进控制硬件、软件和智能的结合,实现控制系统的智能化;另一方面要实现自动控制科学与计算机科学、信息科学、系统科学以及人工智能的结合,为自动控制提供新思想,新方法和新技术,创立边缘交叉新学科,推动智能控制的发展。 智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。人工智能的发展促进自动控制向智能控制发展。有趣的是,在相当长时间内,很少有人提到控制理论与人工智能的联系。不过,这也不足为奇,因为传统的控制理论(包括古典的和近代的)主要涉及对与伺服机构有关的系统或装置进行操作与数学运算,而人工智能所关心的则主要与符号运算、逻辑推理及计算智能有关。 近十年来,随着人工智能和机器人技术的快速发展,对智能控制的研究出现一股新的热潮。各种智能决策系统、专家控制系统、学习控制系统、模糊控制、神经控制、主动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器人系统和智能化生产(制造)系统。近年来,以计算智能为基础的一些新的智能控制方法和技术己被先后提出来。这些新的智能控制系统有仿人控制系统、进化控制系统和免疫控制系统等。与人工智能学科相比,智能控制学科具有较大的容他性,而没有出发过于激烈和对立的争论。早在智能控制建立的初期, 许多智能控制实际上把3个不同认知学派的思想融合和贯穿在智能控制学科之中。 2、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。 传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平智能控制发展。智能控制具有下列特点: (1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。 (2) 智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。 (3) 智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。 (4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。 3、答:递阶智能机器的一般结构是三个控制层级,即组织级、协调级和执行级构成的。这三个控制层级的功能和结构如下:(1) 组织级 组织级代表控制系统的主导思想,并人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图1所示。 图1 组织级的结构框图 (2) 协调级 协调级是上(组织)级和下(执行)级之间的接口,承上启下,并人工智能和运筹学共同作用。协调级一定数量的具有固定结构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯分配器来完成,而分配器的可变结构是组织器控制的。(3) 执行级 执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可熵来表示,因而统一了智能机器的功用。 4、答:图2给出了一种工业专家控制系统的结构框图。 图2 工业专家控制器简化结构图 该工业专家控制系统的工作原理和各组成部分的作用为: (1) 知识库(KB):KB存放工业过程控制的领域知识,经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。 (2) 控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。 (3) 推理机构(IE):其复杂于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。 (4) 特征识别与信息处理(FRIP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。 5、答:模糊控制系统的基本结构如图3所示。其中,模糊控制器模糊化接口、知识库、推理机和模糊判决接口四个基本单元组成。它们的作用说明如下。 图3 模糊控制系统的基本结构 该工业专家控制系统的工作原理和各组成部分的作用为: (1) 模糊化接口 测量输入变量(设定输入)和受控系统的输出变量,并把它们映射到一个合 适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。 (2) 知识库 涉及应用领域和控制目标的相关知识,它数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。 (3) 推理机 是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。 (4) 模糊判决接口 起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标(输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的。 6、答:人工神经网络的结构基本上分为两类,即递归(反馈)网络和前馈网络。(1) 递归网络 在递归网络中,多个神经元互连以组织一个互连神经网络,如图4所示。有些神经元的输出被反馈至同层或前层神经元。因此,信号能够从正向和反向流通。Hopfield网络,Elmman网络和Jordan网络是递归网络有代表性的例子。递归网络又叫做反馈网络。 图4 递归(反馈)网络图5 前馈(多层)网络 图4中,表示节点的状态,为节点的输入(初始)值,为收敛后的输出值,i=1,2,.,n。(2) 前馈网络 前馈网络具有递阶分层结构,一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接,如图5所示。图中,实线指明实际信号流通而虚线表示反向传播。前馈网络的例子有多层感知器(MLP)、学习矢量量化(LVQ)网络、小脑模型联接控制(CMAC)网络和数据处理方法(GMDH)网络等。 7、答:学习控制的定义的数学描述为: 在有限时间域0, T内,给出受控对象的期望响应,寻求某个给定输入,使得 的响应,在某种意义上获得改善;其中,k为搜索次数,t0,T。称该搜索过程为学习控制过程。当k时,该学习控制过程是收敛的。根据上述定义,可把学习控制的机理概括如下: () 寻找并求得动态控制系统输入与输出间的比较简单的关系。 () 执行每个前一步控制过程的学习结果更新了的控制过程。() 改善每个控制过程,使其性能优于前一个过程。 智能控制技术考试题及答案 智能控制技术考试试题A 智能控制课程考试试题A参考答案 一、填空题 (1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙(11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统 (18) 模糊控制系统 (19) 神经控制系统 (xx年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期解决面临的难题。 智能控制采用各种智能化技术实现复杂系统和其它系统的控制目标,是一种具有强大生命力的新型自动控制技术。智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。下图表示自动控制的发展过程和通向智能控制路径上控制复杂性增加的过程。从图中可以看出,这条路径的最远点是智能控制,至少在当前是如此。智能控制涉及高级决策并与人工智能密切相关。 2016全新精品资料-全新公文范文-全程指导写作 独家原创 24 / 24