智能控制習(xí)題答案

1、第一章緒論 1. 什么是智能、智能系統(tǒng)、智能控制？ 答：“智能”在美國Heritage詞典定義為“獲取和應(yīng)用知識的能力”。 “智能系統(tǒng)”指具有一定智能行為的系統(tǒng)，是模擬和執(zhí)行人類、動物或生物的某些功能的系統(tǒng)。 “智能控制”指在傳統(tǒng)的控制理論中引入諸如邏輯、推理和啟發(fā)式規(guī)則等因素，使之具有某種智能性；也是基于認(rèn) 知工程系統(tǒng)和現(xiàn)代計算機(jī)的強(qiáng)大功能，對不確定環(huán)境中的復(fù)雜對象進(jìn)行的擬人化管理。 2 智能控制系統(tǒng)有哪幾種類型，各自的特點是什么？ 答：智能控制系統(tǒng)的 類型：集散控制系統(tǒng)、模糊控制系統(tǒng)、多級遞階控制系統(tǒng)、專家控制系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)控制系 統(tǒng)、學(xué)習(xí)控制系統(tǒng)等。 各自的特點有： 集散控制系統(tǒng)：以

2、微處理器為基礎(chǔ)，對生產(chǎn)過程進(jìn)行集中監(jiān)視、操作、管理和分散控制的集中分散控制系統(tǒng)。該系統(tǒng) 將若干臺微機(jī)分散應(yīng)用于過程控制，全部信息通過通信網(wǎng)絡(luò)由上位管理計算機(jī)監(jiān)控，實現(xiàn)最優(yōu)化控制，整個裝置繼承 了常規(guī)儀表分散控制和計算機(jī)集中控制的優(yōu)點，克服了常規(guī)儀表功能單一，人機(jī)聯(lián)系差以及單臺微型計算機(jī)控制系統(tǒng) 危險性高度集中的缺點，既實現(xiàn)了在管理、操作和顯示三方面集中，又實現(xiàn)了在功能、負(fù)荷和危險性三方面的分散。 人工神經(jīng)網(wǎng)絡(luò)：它是一種模范動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng) 的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。 專家控制系統(tǒng)：是一

3、個智能計算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家 的知識和解決問題的經(jīng)驗方法來處理該領(lǐng)域的高水平難題?？梢哉f是一種模擬人類專家解決領(lǐng)域問題的計算機(jī)程序系 統(tǒng)。 多級遞階控制系統(tǒng)是將組成大系統(tǒng)的各子系統(tǒng)及其控制器按遞階的方式分級排列而形成的層次結(jié)構(gòu)系統(tǒng)。這種結(jié)構(gòu)的 特點是：1上、下級是隸屬關(guān)系，上級對下級有協(xié)調(diào)權(quán)，它的決策直接影響下級控制器的動作。2.信息在上下級間垂 直方向傳遞，向下的信息有優(yōu)先權(quán)。同級控制器并行工作，也可以有信息交換，但不是命令。3.上級控制決策的功能 水平高于下級，解決的問題涉及面更廣，影響更大，時間更長，作用更重要。級別越往上，其決策周

4、期越長，更關(guān)心 系統(tǒng)的長期目標(biāo)。4.級別越往上，涉及的問題不確定性越多，越難作出確切的定量描述和決策。 學(xué)習(xí)控制系統(tǒng)：靠自身的學(xué)習(xí)功能來認(rèn)識控制對象和外界環(huán)境的特性，并相應(yīng)地改變自身特性以改善控制性能的系統(tǒng)。 這種系統(tǒng)具有一定的識別、判斷、記憶和自行調(diào)整的能力。 3 比較智能控制與傳統(tǒng)控制的特點。 答：智能控制與傳統(tǒng)控制的 比較：它們有密切的關(guān)系，而不是相互排斥。常規(guī)控制往往包含在智能控制之中，智能控 制也利用常規(guī)控制的方法來解決“低級”的控制問題，力圖擴(kuò)充常規(guī)控制方法并建立一系列新的理論與方法來解決更 具有挑戰(zhàn)性的復(fù)雜控制問題。 1. 傳統(tǒng)的自動控制是建立在確定的模型基礎(chǔ)上的，而智能控制的研

5、究對象則存在模型嚴(yán)重的不確定性，即模型未知或 知之甚少者模型的結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動，這些問題對基于模型的傳統(tǒng)自動控制來說很難解決。 2. 傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設(shè)備與人及外界環(huán)境的信息交換很不方便，希望制造出能接受印刷體、圖形甚至 手寫體和口頭命令等形式的信息輸入裝置，能夠更加深入而靈活地和系統(tǒng)進(jìn)行信息交流，同時還要擴(kuò)大輸出裝置的能 力，能夠用文字、圖紙、立體形象、語言等形式輸出信息.另外，通常的自動裝置不能接受、分析和感知各種看得見、 聽得著的形象、聲音的組合以及外界其它的情況.為擴(kuò)大信息通道，就必須給自動裝置安上能夠以機(jī)械方式模擬各種 感覺的精確的送音器，即文字、聲音、物體

6、識別裝置。 3. 傳統(tǒng)的自動控制系統(tǒng)對控制任務(wù)的要求要么使輸出量為定值（調(diào)節(jié)系統(tǒng)），要么使輸出量跟隨期望的運動軌跡（跟隨 系統(tǒng)），因此具有控制任務(wù)單一性的特點，而智能控制系統(tǒng)的控制任務(wù)可比較復(fù)雜。 4. 傳統(tǒng)的控制理論對線性問題有較成熟的理論，而對高度非線性的控制對象雖然有一些非線性方法可以利用，但不盡 人意.而智能控制為解決這類復(fù)雜的非線性問題找到了一個出路，成為解決這類問題行之有效的途徑。 5. 與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有足夠的關(guān)于人的控制策略、被控對象及環(huán)境的有關(guān)知識以及運用這些 知識的能力。 6. 與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)能以知識表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)表

7、示的混合控制過程，采用開閉 環(huán)控制和定性及定量控制結(jié)合的多模態(tài)控制方式。 7. 與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有變結(jié)構(gòu)特點，能總體自尋優(yōu)，具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào) 能力。 8. 與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)有補償及自修復(fù)能力和判斷決策能力。 4.把智能控制看作是 Al（人工智能）、OR運籌學(xué)）、AC（自動控制）和IT（信息論）的交集，其根據(jù)和內(nèi)涵是什么 ？ 答：智能控制具有明顯的跨學(xué)科特點，在最早傅金孫提出的二元論中，智能控制系統(tǒng)被認(rèn)為是自動控制與人工智能的 交互作用，隨著認(rèn)識的深入，薩瑞迪斯提出運籌學(xué)融入智能控制而提出三元結(jié)構(gòu)，蔡自興教授提出將信息論引入智能 控制，

8、其依據(jù)在于：信息論是解釋知識和智能的一種手段；控制論、信息論和系統(tǒng)論是緊密相連的；信息論已經(jīng)成為 控制智能機(jī)器的工具；信息論參與智能控制的全過程并對執(zhí)行級起到核心作用，因此最終確定了智能控制的四元結(jié)構(gòu)。 5智能控制有哪些應(yīng)用領(lǐng)域？試舉出一個應(yīng)用實例，并說明其工作原理和控制性能。 答：智能控制應(yīng)用于機(jī)器人、汽車、制造業(yè)、水下和陸地自助式車輛、家用電器、過程控制、電子商務(wù)、醫(yī)療診斷、 飛行器、印刷、城市鐵路、電力系統(tǒng)等領(lǐng)域。例如焊接機(jī)器人其基本工作原理是示教再現(xiàn)，即由用戶導(dǎo)引機(jī)器人，一 步步按實際任務(wù)操作一遍，機(jī)器人在導(dǎo)引過程中自動記憶示教的每個動作的位置、姿態(tài)、運動參數(shù)、焊接參數(shù)等，并 自動生成

9、一個連續(xù)執(zhí)行全部操作的程序。完成示教后，只需給機(jī)器人一個起動命令，機(jī)器人將精確地按示教動作，一 步步完成全部操作，實際示教與再現(xiàn)。控制性能為：弧焊機(jī)器人通常有五個自由度以上，具有六個自由度的弧焊機(jī)器 人可以保證焊槍的任意空間軌跡和姿態(tài)。點至點方式移動速度可達(dá)60m/min以上，其軌跡重復(fù)精度可達(dá)到土0.2mm。這 種弧焊機(jī)器人應(yīng)具有直線的及環(huán)形內(nèi)插法擺動的功能，共六種擺動方式，以滿足焊接工藝要求，機(jī)器人的負(fù)荷為5kg。 第二章 模糊控制的理論基礎(chǔ) 1 舉例說明模糊性的客觀性和主觀性。 答：模糊性起源于事物的發(fā)展變化性，變化性就是不確定定性；模糊性是客觀世界的普遍現(xiàn)象，世界上許多的事物都 具有模

10、糊非電量的特點。例如：年齡分段的問題；如果一個人的年齡大于60歲算老年，45-59歲之間的歲中年，小于 44歲的就算青年；如果一個人的年齡是 59歲零11個月零28天，那么他是屬于中年還是老年呢？理論上從客觀的角度 說他是中年人，但是與 60歲只有兩天區(qū)別，這區(qū)別我們是分辨不出來的。從主觀上我們認(rèn)為他又是老年人。這就是模 糊性的主觀性和客觀性的體現(xiàn)。 2. 模糊性與隨機(jī)性有哪些異同？ 答：模糊性處于過渡階段的事物的基本特征，是性態(tài)的不確定性，類屬的不清晰性，是一種內(nèi)在的不確定性；而隨機(jī) 性是在事件是否發(fā)生的不確定性中表現(xiàn)出來的不確定性，而事件本身的性態(tài)和類屬是確定的，是一種外在的不確定性。 相

11、同點是：模糊性是由于事物類屬劃分的不分明而引起的判斷上的不確定性；而隨機(jī)性是由于天劍不充分而導(dǎo)致的結(jié) 果的不確定性。但是他們都共同表現(xiàn)出不確定性。 異同點是：模糊性反映的是排中的破缺，而隨機(jī)性反映的是因果律的破缺；模糊性現(xiàn)象則需要運用模糊數(shù)學(xué)，隨機(jī)性 現(xiàn)象可用概率論的數(shù)學(xué)方法加以處理。 3. 比較模糊集合與普通集合的異同。 答：模糊集合用隸屬函數(shù)作定量描述，普通集合用特征函數(shù)來刻劃。 兩者相同點：都屬于集合，同時具有集合的基本性質(zhì)。 兩者異同點：模糊集合就是指具有某個模糊還年所描述的屬性的對象的全體，由于概念本身不是很清晰，界限分明的， 因而對象對集合的隸屬關(guān)系也不是明確的；普通集合是指具有某

12、種屬性的對象的全體，這種屬性所表達(dá)的概念應(yīng)該是 清晰的，界限分明的，因而每個對象對于集合的隸屬關(guān)系也就是明確的。 4.考慮語言變量： “Old”，如果變量定義為： 00 x 50 old(X)21 1 (x 50/5)50 x 100 確定“ NOT So Old ”，“Very Old ”，“MORE Or LESS Old” 的隸屬函數(shù)。 0 0 x 50 解: NOT So old (x)2- 1 (x 50/5) 22 50 x 100 0 0 x 50 Very old (x)22 1 (x 50/5) 2 50 x 100 0 x 50 MORE or less old 1 (x

13、50/5) 2 50 x 100 0.7 0.1 0.4 5.已知存在模糊向量A和模糊矩陣R如下：r 0.5 0.6 0.8 0.1 0.4 0 0.2 計算 B A R。 0.1 0 0.3 0.6 0.3 6.令論域 U 1 2 3 4 ,給定語言變量“Small” =1/1+2+3+4 和模糊關(guān)系R= “ Almost相等”定義如下： 1 0.6 0.1 0 0.6 1 0.6 0.1 0 1 0 6 1 利用max-min復(fù)合運算，試計算： 0 6 R(y) (X是Small) (Almost相等)。 u. 1 0 0.1 1 0.6 1 1 0.6 0.1 0 解：R（ y）（1 0

14、.6 1 0.6 0.1 0.7 0.3 0.1) 0.1 0.6 1 0.6 0 0.1 0.6 1 (1 1) (0.7 0.6) (0.3 0.1) (0.1 0) T (1 0.6) (0.7 1) (0.3 0.6) (0.1 0.1) . 1 0.7 0.6 0.3 (1 0.1) (0.7 0.6) (0.3 1) (0.1 0.6) (1 0) (0.7 0.1) (0.3 0.6) (0.1 1) 1 0.8 0 0.1 0.2 0.8 1 0.4 0 0.9 7.已知模糊關(guān)系矩陣: R 0 0 4 1 0 0 計算R的二至四次冪。 0.1 0 0 1 0.5 0.2 0.9

15、 0 0.5 1 1 0.8 0 0.1 0.2 1 0.8 0 0.1 0.2 1 0.8 0.4 0.2 0.8 0.8 1 0.4 0 0.9 0.8 1 0.4 0 0.9 0.8 1 0.4 0.5 0.9 解: R2 R?R 0 0.4 1 0 0 0 0.4 1 0 0 0.4 0.4 1 0 0.4 0.1 0 0 1 0.5 0.1 0 0 1 0.5 0.2 0.5 0 1 0.5 0.2 0.9 0 0.5 1 0.2 0.9 0 0.5 1 0.8 0.9 0.4 0.5 1 1 0.8 0.4 0.5 0.8 1 0.8 0.4 0.5 0.8 0.8 1 0.4 0

16、.5 0.9 0.8 1 0.4 0.5 0.9 R3 R?R2 0.4 0.4 1 0.4 0.4 R4 R2 ?R2 0.4 0.4 1 0.4 0.4 0.5 0.5 0.4 1 0.5 0.5 0.5 0.4 1 0.5 0.8 0.9 0.4 0.5 1 0.8 0.9 0.4 0.5 1 8.設(shè)有論域XxX2,X3,Y y1,y2,y?,ZzZ2，二維模糊條件語句為“若_A且B則C”，其 A 0.5 丄 0.1 , A F(X) X1 X2 X3 * 1 1 0.5 0.1 * F(X) A - J A 0.1 1 0.6 已知 X1 X2 X3 B B F(Y) y1 y2 y3

17、 * B 0.1 0.5 1 J * B F(Y) 小 0.4 1 ,C F(Z) y1 y2 y3 C Z2 由關(guān)系合成推理法，求得推理結(jié)論C *。 解：令R表示模糊關(guān)系，則 R A B C. 0.5 0.5 0.1 0.5 1 0.5 0.6 0.1 0.5 0.5 R： At B 1 10/ 1 1 0.6 1 0.1 1 1 1 0.6 0.1 1 0.6 0.1 0.1 0.1 0.1 1 0.1 0.6 0.1 0.1 0.1 將按行展開寫成列向量為 0.1 0.5 0.5 0.1 1 0.6 0.1 0.1 0.1T 0.1 0.1 0.4 0.1 1 0.1 0.1 0.5 0

18、.5 0.4 0.5 1 0.4 0.5 0.5 0.5 0.4 0.5 1 0.4 0.5 0.1 0.1 0.4 0.1 1 0.1 0.1 所以，R C1 0.4 1 1 0.4 1 1 0.4 1.又因為C A B R， 0.6 0.6 0.4 0.6 1 0.4 0.6 0.1 0.1 0.4 0.1 1 0.1 0.1 0.1 0.1 0.4 0.1 1 0.1 0.1 0.1 0.1 0.4 0.1 1 0.1 0.1 1 0.1 0.5 1 A B 0.5 0.10.5 1 0.1 0.5 0.5 ， 將A B 按行展開寫成行向量，為 0.1 0.1 0.1 0.1 0.1 0

19、.5 1 0.1 0.5 0.5 0.1 0.1 0.1，貝U CA B R 0.4 0.5 即 C 0.4 乙 0.5 Z2 9.已知語言變量x, y, z。 X的論域為1,2,3，定義有兩個語言值： “大” =0, , 1; “小” =1, , 0。 Y的論域為10,20,30,40,50，語言值為： “高” =0, 0, 0, , 1; “中” =0, , 1, , 0; “低” =1, , 0, 0, 0 。 Z的論域為“，語言值為：“長” =0, , 1; “短” =1, , 0 則：1）試求規(guī)則： 如果x是“大” 并且y是“高” 那么z是“長”; 否則，如果x是“小” 并且y是“中

20、” 那么z是“短”。 所蘊涵的 x，y，z 之間的模糊關(guān)系 R。 2）假設(shè)在某時刻，x是“略小” =, , 0 ，y是“略高” =0, 0, , , 1 試根據(jù) R分別通過Zadeh法和Mamdani法模糊推理求出此時輸出 z的語言取值。 第三章模糊控制 1. 模糊控制器有哪幾部分組成？各完成什么功能？ 1:答：模糊控制器由 四個部分組成，這四個功能模塊是模糊化、知識庫、模糊推理和去模糊化。 (1) 模糊化：為實現(xiàn)模糊控制而將精確的輸入量進(jìn)行模糊化處理，是將精確量轉(zhuǎn)化為模糊量的過程。模糊化模塊在 不同的階段有不同的作用：a、確定符合模糊控制器要求的輸入量和輸出量。b、對輸入輸出變量進(jìn)行尺度變換

21、，使之 落于各自的論域范圍內(nèi)。c、對已經(jīng)論域變換的輸入量進(jìn)行模糊化處理，包括模糊分割和隸屬函數(shù)的確定。 (2) 知識庫：知識庫通常由數(shù)據(jù)庫和規(guī)則庫組成，包含了具體應(yīng)用領(lǐng)域的知識和要求。其中，數(shù)據(jù)庫主要包含輸入 輸出變量的初度變換因子、輸入輸出空間的模糊分割以及模糊變量的模糊取值及相應(yīng)的隸屬度函數(shù)選擇和形狀等方面 的內(nèi)容。規(guī)則庫包含了用模糊語言描述專家的經(jīng)驗知識，來表示一系列控制規(guī)則。它們反映了控制專家的經(jīng)驗和知識。 (3) 模糊推理：是一種近似推理，根據(jù)模糊控制規(guī)則庫和當(dāng)前系統(tǒng)狀態(tài)推斷出應(yīng)施加的控制量的過程，由推理機(jī)完 成。 (4) 去模糊化：由于控制器輸出到具體地執(zhí)行機(jī)構(gòu)的信號必須是清晰的精

22、確量。因此，需要一個與輸入模糊化相反 的過程，即把模糊推理結(jié)果轉(zhuǎn)變成清晰量，它實現(xiàn)從輸出論域上輸出模糊空間到輸出精確空間的映射。 2. 模糊控制器設(shè)計的步驟怎樣？ 2:答：模糊控制器設(shè)計的 步驟如下： (1) :輸入變量和輸出變量的確定。 (2) :輸入輸出變量的論域和模糊分割，以及包括量化因子和比例因子在內(nèi)的控制參數(shù)的選擇。 (3) :輸入變量的模糊化和輸出變量的清晰化。 (4) :模糊控制規(guī)則的設(shè)計以及模糊推理模型的選擇。 (5) :模糊控制程序的編制。 3. 清晰化的方法有哪些？ 3:答：清晰化的方法一般有四種： (1) :最大隸屬度法：這種方法將模糊推理得到的結(jié)論中最大隸屬度值最對應(yīng)的

23、元素作為控制器輸出的精確值，如 果有多個最大點，則取其平均值。 (2) :加權(quán)平均法：這種方法是指以各條規(guī)則的前件和輸入的模糊集按一定法則確定的值為權(quán)值，并對后件代表值 加權(quán)平均計算輸出的清晰值的方法。 (3) :面積等分法：把輸出的模糊集合所對應(yīng)的隸屬函數(shù)與橫坐標(biāo)之間圍成的面子分成兩部分，那么該方法得到的 精確值應(yīng)滿足使該兩部分的面積相等。 (4) :由于Tsukamoto模型和Takagi-Sugeno模型輸出本身就是清晰量，則不需要去模糊化。 4. 已知某一爐溫控制系統(tǒng)，要求溫度保持在600度恒定。針對該控制系統(tǒng)有一下控制經(jīng)驗： (1) 若爐溫低于 600度，則升壓；低得越多升壓就越高。

24、 (2) 若爐溫高于 600度，則降壓；高得越多降壓就越低。 (2) 若爐溫等于 600度，則保持不變。 設(shè)計模糊控制器為一維控制器，輸入語言變量為誤差，輸出為控制電壓。輸入、輸出變量的量化等級為7級，取5個 模糊集。設(shè)計隸屬度函數(shù)誤差變化劃分表、控制電壓變化劃分表和模糊控制規(guī)則表。 解：定義理想溫度點的溫度為，實際測量溫度為，溫度差為。 以為輸入、輸出變量的量化等級均為7級，5個模糊集，則 誤差變化劃分表為： 隸屬度 變化等級 -3 -2 -1 0 1 2 3 模糊集 PB 0 0 0 0 0 1 PS 0 0 0 0 1 0 ZE 0 0 1 0 0 NS 0 1 0 0 0 0 NB 1

25、 0 0 0 0 0 控制電壓變化劃分表 為: 隸屬度 變化等級 -3 -2 -1 0 1 2 3 模糊集 PB 0 0 0 0 0 1 PS 0 0 0 0 1 0 ZE 0 0 1 0 0 NS 0 1 0 0 0 0 NB 1 0 0 0 0 0 根據(jù)一上兩表設(shè)計一下模糊規(guī)則： 若負(fù)大，則正大；若負(fù)小，則正?。蝗魹?，則為0； 若正小，則負(fù)??；若正大，則負(fù)大。 模糊控制規(guī)則表為： 若(if ) NLe NSe 0e PSe PLE 則 (then ) NLu NSU 0u PSu PLu 5、已知被控對象為 G( s)=rac110s+1。假設(shè)系統(tǒng)給定為階躍值r=30，采樣時間為，系統(tǒng)初

26、始值r(0)=0，試分別 設(shè)計： (1) 常規(guī)的PID控制器； (2) 常規(guī)的模糊控制器； (3) 模糊PID控制器。 分別對上述3種控制器進(jìn)行 Matlab仿真，并比較控制效果。 解：(1)常規(guī)的PID控制器的設(shè)計： a) 常規(guī)的PID控制器的設(shè)計原理圖： b) 在matlab中simulink 仿真圖如下： 第四章神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 1、生物神經(jīng)元模型的結(jié)構(gòu)功能是什么？ 答：生物神經(jīng)元結(jié)構(gòu)： (1 )、細(xì)胞體：由細(xì)胞核、細(xì)胞質(zhì)和細(xì)胞膜等組成。 (2) 、樹突：胞體上短而多分枝的突起。相當(dāng)于神經(jīng)元的輸入端，接受傳入的神經(jīng)沖動。 (3) 、軸突：胞體上最長枝的突起，也稱神經(jīng)纖維。端部有很多神經(jīng)末稍傳

27、出神經(jīng)沖動。 (4) 、突觸：神經(jīng)元間的連接接口，每個神經(jīng)元約有1萬10萬個突觸。神經(jīng)元通過其軸突的神經(jīng)末稍，經(jīng)突觸 與另一神經(jīng)元的樹突聯(lián)接，實現(xiàn)信息的傳遞。由于突觸的信息傳遞特性是可變的，形成了神經(jīng)元間聯(lián)接的柔性，稱為 結(jié)構(gòu)的可塑性。 (5) 、細(xì)胞膜電位：神經(jīng)細(xì)胞在受到電的、化學(xué)的、機(jī)械的刺激后，能產(chǎn)生興奮，此時，細(xì)胞內(nèi)外有電位差，稱 膜電位。電位膜內(nèi)為正，膜外為負(fù)。 生物神經(jīng)元功能： (1 )、興奮與抑制 當(dāng)傳入神經(jīng)元的沖動，經(jīng)整合，使細(xì)胞膜電位升高，超過動作電位的閾值時，為興奮狀態(tài)，產(chǎn)生神經(jīng)沖動，由軸 突經(jīng)神經(jīng)末稍傳出。 當(dāng)傳入神經(jīng)元的沖動，經(jīng)整合，使細(xì)胞膜電位降低，低于閾值時，為抑制

28、狀態(tài)，不產(chǎn)生神經(jīng)沖動。 (2)、學(xué)習(xí)與遺忘 由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作用可增強(qiáng)與減弱，因此，神經(jīng)元有學(xué)習(xí)與遺忘的功能。 2、人工神經(jīng)元模型的特點是什么？ 答：人工神經(jīng)元模型的特點： （1 ）、神經(jīng)元及其聯(lián)接；（2）、神經(jīng)元間的聯(lián)接強(qiáng)度決定信號傳遞的強(qiáng)弱；（3）、神經(jīng)元間的聯(lián)接強(qiáng)度是可以隨訓(xùn) 練改變的；（4）、信號是可以起刺激作用的，也可以起抑制作用；（5）、一個神經(jīng)元接受的信號的累積效果決定該神經(jīng) 元的狀態(tài)；（6）、每個神經(jīng)元可以有一個“閾值”。 3、人工神經(jīng)網(wǎng)絡(luò)的特點是什么？如何分類？ 答：人工神經(jīng)網(wǎng)絡(luò)的特點： （1 ）、非線性（2）、分布處理（3）、學(xué)習(xí)并行和自適應(yīng)（4）、數(shù)據(jù)融

29、合（5）、適用于多變量系統(tǒng) （6 ）、便于硬件實現(xiàn) 人工神經(jīng)網(wǎng)絡(luò)的分類： 根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)可分為三種形式： （1 ）、前向網(wǎng)絡(luò)：神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。 輸入模式經(jīng)過各層順次的變換后，由輸出層輸出。在各神經(jīng)元間不存在反饋。感知器和誤差反向傳播網(wǎng)絡(luò)采用前向網(wǎng) 絡(luò)形式。 （2 ）、反饋網(wǎng)絡(luò)：該網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接受來自外部的輸入和來 自輸出神經(jīng)元的反饋。這種神經(jīng)網(wǎng)絡(luò)是一種反饋動力學(xué)系統(tǒng)，它需要工作一段時間才能達(dá)到穩(wěn)定。 （3）、自組織網(wǎng)絡(luò)：當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外界輸入時，網(wǎng)絡(luò)將會分成不同

30、的區(qū)域，不同區(qū)域具有不同的響應(yīng)特征， 即不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓?fù)湟饬x上的特征圖，該圖實際上是一種非線性 映射。這種映射是通過無監(jiān)督的自適應(yīng)過程完成的，所以也稱為自組織特征圖。 4、有哪幾種常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法？ 常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法： （1 ）、有教師學(xué)習(xí)：在學(xué)習(xí)過程中，網(wǎng)絡(luò)根據(jù)實際輸出與期望輸出的比較，進(jìn)行聯(lián)接權(quán)系的調(diào)整，將期望輸出稱 導(dǎo)師信號是評價學(xué)習(xí)的標(biāo)準(zhǔn)。 （2）、無教師學(xué)習(xí)：無導(dǎo)師信號提供給網(wǎng)絡(luò)，網(wǎng)絡(luò)能根據(jù)其特有的結(jié)構(gòu)和學(xué)習(xí)規(guī)則，進(jìn)行聯(lián)接權(quán)系的調(diào)整，此時 網(wǎng)絡(luò)學(xué)習(xí)評價的標(biāo)準(zhǔn)隱含于其內(nèi)部。 （3）、再勵學(xué)習(xí)：把學(xué)習(xí)看為試探評價過程，學(xué)習(xí)及選擇一

31、動作作用于環(huán)境，環(huán)境的狀態(tài)改變，并產(chǎn)生再勵信號反 饋至學(xué)習(xí)機(jī)，學(xué)習(xí)機(jī)依據(jù)再勵信號與環(huán)境當(dāng)前的狀態(tài)，再選擇下一動作作用于環(huán)境，選擇的原則是使受到獎勵的可能 性增大。 （4）、Hebb學(xué)習(xí)規(guī)則 （5）、Delta學(xué)習(xí)規(guī)則 第五章典型神經(jīng)網(wǎng)絡(luò) 1、 BP算法的特點是什么？增大權(quán)值是否能夠使BP學(xué)習(xí)變慢？ 答：誤差反向傳播的 BP算法簡稱BP算法，是有導(dǎo)師的學(xué)習(xí)，其基本思想是梯度下降法。它采用梯度搜索技術(shù)，以使 網(wǎng)絡(luò)的實際輸出值與期望輸出值的誤差均方值為最小。學(xué)習(xí)的過程由正向傳播和反向傳播組成，在正向過程中，輸入 信息由輸入層經(jīng)隱層逐層處理，并傳向輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果

32、在輸出層不能得 到期望的輸出，則轉(zhuǎn)至反向傳播，將誤差信號按連接通路反向計算，由梯度下降法來調(diào)整各層神經(jīng)元的權(quán)值，使誤差 信號減小。 主要優(yōu)點：（1、非線性映射能力：無需事先了解描述這種映射關(guān)系的數(shù)學(xué)方程，只要提供足夠多的樣本模式對BP 網(wǎng)絡(luò)進(jìn)行詳細(xì)訓(xùn)練，它便能完成由n維輸入空間到 m輸出空間的非線性映射。（2、泛化能力：當(dāng)向網(wǎng)絡(luò)輸入訓(xùn)練時未 曾見過的非樣本數(shù)據(jù)時，網(wǎng)絡(luò)也能完成由輸入空間向輸出空間的正確映射，這種能力稱為多層前饋網(wǎng)絡(luò)的泛化能力。（3） 容錯能力：輸入樣本中帶有較大的誤差，甚至個別錯誤對網(wǎng)絡(luò)的輸入輸出規(guī)律影響很小。 標(biāo)準(zhǔn)的BP算法內(nèi)在的缺陷：（1）易形成局部極小而得不到全局最優(yōu)；（

33、2、訓(xùn)練次數(shù)多使得學(xué)習(xí)效率低，收斂速度 慢；（3、隱節(jié)點的選取缺乏理論指導(dǎo)；（4）訓(xùn)練時學(xué)習(xí)新樣本有遺忘舊樣本的趨勢。增大權(quán)值不一定能夠使BP學(xué)習(xí)變 慢，由BP權(quán)值修正的原理可知，權(quán)值調(diào)整公式可匯總?cè)缦拢?2、 為什么說BP網(wǎng)絡(luò)是全局逼近的，而 RBF網(wǎng)絡(luò)是局部逼近的？它們各有突岀的特點是什么？ BP網(wǎng)絡(luò)的活化函數(shù)為 S函數(shù)，其值在輸入空間中無限大的范圍內(nèi)為非零值，因而是全局逼近的神經(jīng)網(wǎng)絡(luò)。 其突出特點如下：1、是一種多層網(wǎng)絡(luò)化，包括輸入層、隱含層和輸出層；2、層與層之間采用全互聯(lián)方式，同一層神 經(jīng)元不連接；3、權(quán)值通過delta 學(xué)習(xí)算法進(jìn)行調(diào)節(jié)；4、神經(jīng)元活化(激發(fā))函數(shù)為 S函數(shù)；5、學(xué)

34、習(xí)算法由正向算法 和反向算法組成；6、層與層之間的連接時單向的，信息的傳播史雙向的。 RBF網(wǎng)絡(luò)的活化函數(shù)為高斯基函數(shù)，其值在輸入空間中有限范圍內(nèi)為非零值，并且RBF神經(jīng)網(wǎng)絡(luò)的神經(jīng)元具有局部 逼近的神經(jīng)網(wǎng)絡(luò)。其 輸出特點如下：1、RBF徑向基函數(shù)是局部的，學(xué)習(xí)速度快；2、已證明RBF網(wǎng)絡(luò)具有唯一最佳逼近 的特性，且無局部最?。?、在函數(shù)創(chuàng)建過程中可以自動增加隱含層的神經(jīng)元個數(shù)，直到滿足均方差要求為止無需單獨 的代碼來訓(xùn)練函數(shù)，網(wǎng)絡(luò)的創(chuàng)建過程就是訓(xùn)練過程。4、RBF網(wǎng)絡(luò)用于非線性系統(tǒng)辨識與控制中，雖具有唯一最佳逼近 特性，且無局部最小的優(yōu)點，避免去確定隱層和隱層點數(shù)，網(wǎng)絡(luò)可以根據(jù)具體問題自適應(yīng)的

35、調(diào)整，因此適應(yīng)性更好。 3、何為神經(jīng)網(wǎng)絡(luò)的泛化能力？影響泛化能力的因素有哪些？ 答：泛化能力(綜合能力、概括能力)：用較少的樣本進(jìn)行訓(xùn)練，是網(wǎng)絡(luò)能在給定的區(qū)域內(nèi)達(dá)到要求的精度。所以沒有 泛化能力的網(wǎng)絡(luò)沒有使用價值。 影響泛化能力的因素：1、樣本；2、結(jié)構(gòu)；3、初始權(quán)值4、訓(xùn)練樣本集；5、需測試集。 1 2 4. 已知一個非線性函數(shù) y ( xjsin(2 X2)，試用三層 BP網(wǎng)絡(luò)逼近輸出y，畫出網(wǎng)絡(luò)的結(jié)構(gòu)，寫出網(wǎng)絡(luò)各層節(jié)點 2 的表達(dá)式以及各層節(jié)點輸出值的范圍。 1 2 解：非線性函數(shù) y ( x2)sin(2 x2)畫出三層BP網(wǎng)絡(luò)的結(jié)構(gòu)圖 2 由輸入得到兩個隱節(jié)點、一個輸出層節(jié)點的輸出，

36、輸入層不考慮閾值 兩個隱節(jié)點、一個輸出層節(jié)點輸出為 1 活化函數(shù)選擇 S型函數(shù)y f(xl)xr 1 e x 如教材例，取第一個輸入、輸出神經(jīng)元與各隱含神經(jīng)元的連接權(quán)均為1，第二個輸入、輸出神經(jīng)元與各隱含層單元的連 接權(quán)為2.則 由上式可得 第六章高級神經(jīng)網(wǎng)絡(luò) k 控制器的一般形式為u(k) kpe(k) ki e( j) kde(k) e(k 1)，也可寫成等價形式 j 0 k uk) e(k),U2(k)e(k), u(k) keMk) k2U2(k) k3U3(k)，其中j 0，k1.k2.k3 為 pid 控制器 kp,k,kd 三個參數(shù) U3(k)e(k) e(k) e(k 1) 的

37、線性表示。這一形式可以看成以u1(k),u2(k),u3(k)為輸入，k1,k2, k3為權(quán)系數(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，試推導(dǎo)出自適應(yīng)神 經(jīng)網(wǎng)絡(luò)PID控制器參數(shù)調(diào)整的學(xué)習(xí)算法。 解：自適應(yīng)神經(jīng)網(wǎng)絡(luò) PID控制器結(jié)構(gòu) 如下圖所示： 由圖可知：控制器由兩部分組成，分別為常規(guī) PID控制和神經(jīng)網(wǎng)絡(luò)。其中，常規(guī)PID直接對被控對象進(jìn)行閉環(huán)控制， 并且其控制參數(shù)kp、ki、kd為在線調(diào)整方式；神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的運動狀態(tài)，調(diào)節(jié)PID控制器的參數(shù)，使輸出層神經(jīng) 元的輸出對應(yīng)于 PID控制器的三個可調(diào)參數(shù)。 學(xué)習(xí)算法如下：首先確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，即確定輸入節(jié)點數(shù)和隱含層節(jié)點數(shù)，并給出各層加權(quán)系數(shù)的初值w1和W2, 并

38、選定學(xué)習(xí)速率和慣性系數(shù)，令k=1 ;采樣得到r(k)和y(k),計算當(dāng)前時刻誤差r(k)-y(k);計算各神經(jīng)網(wǎng)絡(luò)的輸入和 輸出，其輸出層的輸出即為PID控制器的三個控制參數(shù)kp、ki、kd并計算PID控制器的輸出進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在線 調(diào)整加權(quán)系數(shù)，實現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整；令 k=k1,進(jìn)行上述步驟。 網(wǎng)絡(luò)各層輸入輸出算法: 第八章專家控制 1什么叫產(chǎn)生式系統(tǒng)？它由哪些部分組成？試舉例略加說明 產(chǎn)生式系統(tǒng)。 答：如果滿足某個條件，那么就應(yīng)當(dāng)采取某些行動，滿足這種生產(chǎn)式規(guī)則的專家系統(tǒng)成為 產(chǎn)生式系統(tǒng) 主要由總數(shù)據(jù)庫，產(chǎn)生式規(guī)則和推理機(jī)構(gòu)組成。 舉例：醫(yī)療產(chǎn)生式系統(tǒng)。 2. 專家系統(tǒng)有哪

39、些部分構(gòu)成？各部分的作用如何？專家系統(tǒng)它具體有哪些特點和優(yōu)點? 答：知識庫：知識庫是知識的存儲器，用于存儲領(lǐng)域?qū)＜业慕?jīng)驗性知識以及有關(guān)的事實、一般常識等。知識庫中的知 識來源于知識獲取機(jī)構(gòu)，同時它又為推理提供求解問題所需的知識。 推理機(jī)：推理機(jī)時專家系統(tǒng)的思維機(jī)構(gòu)，實際上是求解問題的計算機(jī)軟件系統(tǒng)，綜合推理機(jī)的運行可以有不同的控制 策略。 數(shù)據(jù)庫：它是用于存放推理的初始證據(jù)、中間結(jié)果以及最終結(jié)果等的工作存儲器。 解釋接口：它把用戶輸入的信息轉(zhuǎn)換成系統(tǒng)內(nèi)規(guī)范化的表現(xiàn)形式，然后交給相應(yīng)的模塊去處理，把系統(tǒng)輸出的信息轉(zhuǎn) 換成用戶易于理解的外部形式顯示給用戶，回答提出的問題。 知識獲取：知識獲取是指通

40、過人工方法或機(jī)器學(xué)習(xí)的方法，將某個領(lǐng)域內(nèi)的事實性知識和領(lǐng)域?qū)＜宜赜械慕?jīng)驗 性知識轉(zhuǎn)化成計算機(jī)程序的過程。對知識庫的修改和擴(kuò)充也是在系統(tǒng)的調(diào)試和驗證中進(jìn)行，是一件困難的工作。 專家系統(tǒng)的特點：具有專家水平的專門知識，能進(jìn)行有效的推理，專家系統(tǒng)的透明性和靈活性，具有一定的復(fù)雜性 與難度。 3. 在專家系統(tǒng)中，推理機(jī)制，控制策略和搜索方法是如何定義的，它們之間存在什么樣的關(guān)系? 答：推理機(jī)制是根據(jù)一定的原則從已有的事實推出結(jié)論的過程，這個原則就是推理的核心。專家系統(tǒng)的自動推理是知 識推理。而知識推理是在計算機(jī)或者智能機(jī)器中，在知識表達(dá)的基礎(chǔ)上，進(jìn)行機(jī)器思維，求解問題，實現(xiàn)知識推理的 智能操作過程。

41、在專家系統(tǒng)中，可以依據(jù)專家所具有的知識的特點來選擇知識表示的方法，而只是推理技術(shù)同知識方 法有密切的關(guān)系。 控制策略求解問題的策略，是推理的控制策略。而控制策略包括推理方向、推理路線、沖突消解策略等，按推理 進(jìn)行的路線與方向，推理可分正向推理、反向推理、混合推理。 搜索方法：推理機(jī)時用于對知識庫中的知識進(jìn)行推理來得到結(jié)論的思維機(jī)構(gòu)。 三者關(guān)系：推理機(jī)制，控制策略（推理機(jī)構(gòu)）和搜索方法三者都屬于推理范疇，是一個整體。只是執(zhí)行順序不同而 已。 4. 設(shè)計專家控制器時應(yīng)考慮哪些特點？專家控制系統(tǒng)的一般結(jié)構(gòu)模型為何? 答：設(shè)計控制器的一般 原則：多樣化的模型描述，在線處理的靈活性，靈活性的控制策略，決

42、策機(jī)構(gòu)的遞階性，推理 與決策的實時性。 專家控制系統(tǒng)的一般結(jié)構(gòu)模型： 5. 專家控制系統(tǒng)的特點是什么？它和一般的專家系統(tǒng)相同與區(qū)別在哪里? 答：專家控制系統(tǒng)具有全方面的專家系統(tǒng)結(jié)構(gòu)、完善的知識處理功能和實時控制的可靠性能。這種系統(tǒng)采用黑板等結(jié) 構(gòu)，知識庫龐大，推理機(jī)復(fù)雜。它包括有知識獲取子系統(tǒng)和學(xué)習(xí)子系統(tǒng)，人機(jī)接口要求較高。專家式控制器，多為工 業(yè)專家控制器，是專家控制系統(tǒng)的簡化形式，針對具體的控制對象或過程，著重于啟發(fā)式控制知識的開發(fā)，具有實時 算法和邏輯功能。 專家控制系統(tǒng)與一般的專家控制系統(tǒng)的區(qū)別： （1）通常的專家系統(tǒng)只完成專門領(lǐng)域問題的咨詢功能，它的推理結(jié)果一般用于輔助用戶的決策；而

43、專家控制則要求能 對控制動作進(jìn)行獨立的、自動的決策，它的功能一定要具有連續(xù)的可靠性和較強(qiáng)的抗干擾性。 （2）通常的專家系統(tǒng)一般處于離線工作方式，而專家控制則要求在線地獲取動態(tài)反饋信息，因而是一種動態(tài)系統(tǒng)，它 應(yīng)具有使用的靈活性和實時性，即能聯(lián)機(jī)完成控制。 6. 直接專家控制系統(tǒng)和間接專家控制各有什么特點，從保證系統(tǒng)的穩(wěn)定性來看有哪種方法更困難些? 答：直接專家控制系統(tǒng)的特點：直接專家控制系統(tǒng)中，專家控制系統(tǒng)直接起控制器作用，專家控制器在控制系統(tǒng)中所 處的位置與常規(guī)控制器完全相同，所不同的是其內(nèi)部組成和工作原理，專家控制器采用PID常規(guī)的控制算法，基于知 識庫和推理機(jī)得到相應(yīng)的控制輸出。 間接專

44、家控制系統(tǒng)的特點：其基本的控制作用由算法來完成，專家系統(tǒng)通過對使用算法的調(diào)用以及對各種算法參數(shù)的 整定和修正，間接的控制作用。間接專家控制的系統(tǒng)結(jié)構(gòu)因具體應(yīng)用的不同會表現(xiàn)出更大的多樣性，同時是PID參數(shù) 的整定專家，這種專家控制的特點是專家系統(tǒng)間接的對控制信號起作用。 直接專家控制系統(tǒng)更困難一些：根據(jù)現(xiàn)場過程響應(yīng)情況和環(huán)境條件，利用知識庫中的專家經(jīng)驗規(guī)則，決定什么時候使 用什么參數(shù)啟動什么算法，它也可以是一個調(diào)參專家。根據(jù)知識庫中的專家規(guī)則，調(diào)整PID參數(shù)及增益，所以從保證 系統(tǒng)穩(wěn)定性來看直接專家控制器方法更困難一些。 7. 試比較專家控制系統(tǒng)和模糊控制系統(tǒng)在工作原理、推理機(jī)制、知識和規(guī)則表示

45、方法的異同。 答：1.工作原理： （1）專家控制系統(tǒng)：專家系統(tǒng)的工作過程是根據(jù)知識庫中的知識和用戶提供的事實推理，不斷地由已知的前提推出未 知的結(jié)論，并把這些未知的結(jié)論納入工作存儲空間，作為已知的新事物繼續(xù)推理，從而把求解的問題由未知狀態(tài)轉(zhuǎn)換 為已知狀態(tài)。 （2）模糊控制系統(tǒng)：模糊控制是模仿人的思維方式和人的控制經(jīng)驗來實現(xiàn)的一種控制，把模糊集合的理論應(yīng)用于控制 就可以把人的經(jīng)驗形式化，在控制過程中實現(xiàn)模糊推理與決策。 2. 推理機(jī)制： （1） 專家控制系統(tǒng)的推理機(jī)制 是用于對知識庫中的知識進(jìn)行推理來得到結(jié)論的思維機(jī)構(gòu)。專家系統(tǒng)的自動推理是知識 推理。而知識推理是在計算機(jī)或智能機(jī)器中，在知識表達(dá)的基礎(chǔ)上，進(jìn)行機(jī)器思維，求解問題，實現(xiàn)知