智能控制復習考試題庫

一、填空題

1.智能控制是一門新興的學科，它具有非常廣泛的應(yīng)用領(lǐng)域，例

如___、、和。

1、交叉學科在機器人控制中的應(yīng)用在過程控制中的應(yīng)用飛行器控制

2.傳統(tǒng)控制包括和。2、經(jīng)典反饋控制現(xiàn)代理論控制

3.一個理想的智能控制系統(tǒng)應(yīng)具備的基本功能是—、—、一和°

3、學習功能適應(yīng)功能自組織功能優(yōu)化能力

4.智能控制中的三元論指的是：、和。

4、運籌學，人工智能，自動控制

5.近年來，進化論、、和等各門學科的發(fā)展給智能控制注

入了巨大的活力，并由此產(chǎn)生了各種智能控制方法。

5、神經(jīng)網(wǎng)絡(luò)模糊數(shù)學專家系統(tǒng)

6.智能控制方法比傳統(tǒng)的控制方法更能適應(yīng)對象的、和

。6、時變性非線性不確定性

7.傅京遜首次提出智能控制的概念，并歸納出的3種類型智能控制系統(tǒng)是

、和。

7、人作為控制器的控制系統(tǒng)、人機結(jié)合作為控制器的控制系統(tǒng)、無人參與的自主

控制系統(tǒng)

8、智能控制主要解決傳統(tǒng)控制難以解決的復雜系統(tǒng)的控制問題，其研究的對象具備的3個

特點為、和。

8、不確定性、高度的非線性、復雜的任務(wù)要求

9.智能控制系統(tǒng)的主要類型有、、、一

、和,

9、分級遞階控制系統(tǒng)，專家控制系統(tǒng)，神經(jīng)控制系統(tǒng)，模糊控制系統(tǒng)，學習控制系統(tǒng),

集成或者（復合）混合控制系統(tǒng)

10.智能控制的不確定性的模型包括兩類：（1）：

（2）。

10、（1）模型未知或知之甚少；（2）模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。

11.控制論的三要素是：值良、反饋和控制.

12.建立一個實用的專家系統(tǒng)的步驟包括三個方面的設(shè)計，它們分別

是、

和。知識庫的設(shè)計推理機的設(shè)計人機接口的設(shè)計

13.專家系統(tǒng)的核心組成部分為—和。知識庫、推理機

14.專家系統(tǒng)中的知識庫包括了3類知識，它們分別為、

和。判斷性規(guī)則控制性規(guī)則數(shù)據(jù)

15.專家系統(tǒng)的推埋機可采用的3種推理方式為推埋、—和推理。

15、正向推理、反向推理和雙向推理

16.根據(jù)專家控制器在控制系統(tǒng)中的功能，其可分為和o

16、直接型專家控制器、間接型專家控制器

17.普通集合可用函數(shù)表示,模糊集合可用—函數(shù)表示。特征、隸屬

18.某省兩所重點中學在(x~x)五年高考中，考生“正常發(fā)揮”的隸屬函數(shù)分別為0.85>

0.93、0.89、0.91>0.96和0.92、0.96、0.87、0.93、0.94.>則在研究該省重點中學高考考生

水平發(fā)揮的狀況時，論域應(yīng)為x—,若分別用4、R表示兩個學校考

試“正常發(fā)揮”的狀況，則用序偶表示法分別表示為,

±；”未正常發(fā)揮”模糊子集(用行向量表示)分別

為和；而該省兩所重點中學每年高考考生“正常發(fā)揮”的模糊子集應(yīng)

該是(用Zadeh法表示).*={X1，X2，&，X4，XJ

力={(玉,0.85),區(qū),0.93),(工3,0.89),(*0.91),55,0.96)}

?={(xp0.92),(xr0.96k(^P0.87X(x4?0.93)t(x,,0.94)!

A-[0.15,0.07,0.11,0.09,0.04]H=[0.08,0.04,0.13,0.07,0.06]

O.?5+0.<B+0.87+0.91?-0-.9-4

X,-X:----/--xA---X,

19.確定隸屬函數(shù)的方法大致有、和。

19、模糊統(tǒng)計法主觀經(jīng)驗法神經(jīng)網(wǎng)絡(luò)法

20.在模糊控制中應(yīng)用較多的隸屬函數(shù)有6種，它們分別為高斯型隸屬函數(shù)、、

、、和。

20、廣義鐘形隸屬函數(shù)S形隸屬函數(shù)梯形隸屬函數(shù)三角形隸屬函數(shù)Z形隸屬函數(shù)

21.在天氣、學問、晴朗、表演和淵博中可作為語言變量值的有和。

21、晴朗、淵博

23.模糊控制是以、、和

為基礎(chǔ)的一種智能控制方法。模糊集理論，模糊語言變量，模糊邏輯推理

24.模糊控制的數(shù)學基礎(chǔ)為。24、模糊集合

25.模糊控制中，常用的語言變量值用〃力，八?"U，X。等表示，其中〃八/代表

代表。25、正中、負零

26.在模糊控制中.模糊推理的結(jié)果是量。26、模糊

27.在模糊控制中，解模糊的結(jié)果是量。確定量

28.基本模糊控制器的組成包括知識庫以及、和o

模糊化接口、推理機、解模糊接口

29.在模糊控制中，實時信號需要才能作為模糊規(guī)則的輸入，從而完成模糊推理。

29、模糊化

30.模糊控制是建立在基礎(chǔ)之上的，它的發(fā)展可分為三個階段，分別為、、和。

30、人工經(jīng)驗?zāi)：龜?shù)學發(fā)展和形成階段產(chǎn)生了簡單的模糊控制器高性能模糊控制階段

31.模糊集合邏輯運算的模糊算子為、和。

31、交運算算子并運算算子平衡算子

32.在溫度、成績、暖和、口才和很好中可作為語言變量值的有和

32.暖和、很好

33.在水位、壓力、暖和、表演、中年人和比較好中可作為語言變量值的有、

和。

33、暖和、中年人和比較好

34.在水位、寒冷、溫度、表演和偏高中可作為語言變量值的有和。

34.寒冷、偏高

35.模糊控制的基本思想是把人類專家對特定的被控芯象或過程的總結(jié)成一系列

以形式表示的控制規(guī)則。

35、控制策略“IF條件THEN作用”

36.神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程經(jīng)歷了4個階段，分別為、、和。

36、啟蒙期、低潮期、復興期、新連接機制期

37.神經(jīng)元由4部分構(gòu)成，它們分別為、、和突觸。

37、細胞體、樹突、軸突

38.根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)的3種形式為：、和。38、前向網(wǎng)絡(luò)反饋網(wǎng)絡(luò)自

組織網(wǎng)絡(luò)

39.神經(jīng)網(wǎng)絡(luò)的3個要素為：、和。

39、神經(jīng)元的特性拓撲結(jié)構(gòu)學習規(guī)則

41.目前神經(jīng)網(wǎng)絡(luò)的學習算法有多種，按有無導師分類，可分為、

和O

41、有導師學習無導師學習再勵學習

42.神經(jīng)網(wǎng)絡(luò)的研究主要分為3個方面的內(nèi)容，即、和。

42.神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)學習算法

43.神經(jīng)網(wǎng)絡(luò)的學習過程主要由正向傳播和反向傳播兩個階段組成。

44.神經(jīng)網(wǎng)絡(luò)控制是將和相結(jié)合而發(fā)展起來的智能控制方法。神經(jīng)網(wǎng)絡(luò)，控制理論

45.遺傳算法的主要用途是。45、尋優(yōu)（優(yōu)化計算）

46.常用的遺傳算法的染色體編碼方法有二種，它們分別為實數(shù)編碼和

46、二進制編碼

47.遺傳算法的3種基本遺傳算子、和。

47、比例選擇算子單點交叉算子變異算子

48.遺傳算法中，適配度大的個體有被復制到下一代。更多機會

49.遺傳算法中常用的3種遺傳算子（基本操作）為、、和。

49、復制、交叉和變異

二、簡答題：

1.試說明智能控制的的基本特點是什么？

（1）學習功能（1分）（2）適應(yīng)功能（1分）（3）自組織功能（1分）

（4）優(yōu)化能力（2分）

2、試簡述智能控制的幾個重要分支。

專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。

3、試說明智能控制研究的數(shù)學工具。

智能控制研究的數(shù)學工具為：（1）符號推理與數(shù)值計算的結(jié)合；（2）離散事件

與連續(xù)時間系統(tǒng)得結(jié)合；（3）模糊集理論；（4）神經(jīng)網(wǎng)絡(luò)理論；（5）優(yōu)化理論

4.智能控制系統(tǒng)有哪些類型，各自的特點是什么？

（1）專家控制系統(tǒng)（1分）

專家系統(tǒng)主要指的是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜?/p>

的知識與經(jīng)驗。它具有啟發(fā)性、透明性、靈活性、符號操作、不一確定性推理等特點。

（2）模糊控制系統(tǒng)（1分）

在被控制對象的模糊模型的基礎(chǔ)上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的

一種方法模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標。

（3）神經(jīng)控制系統(tǒng)（1分）

神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學習算法是神經(jīng)網(wǎng)絡(luò)的主要特征。

（4）遺傳算法（2分）

遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，是基于進化論在計算機上模擬

生命進化論機制而發(fā)展起來的一門學科.遺傳算法可用于模糊控制規(guī)則的優(yōu)化及神經(jīng)網(wǎng)絡(luò)參

數(shù)及權(quán)值的學習，在智能控制領(lǐng)域有廣泛的應(yīng)用。

5、簡述專家控制與專家系統(tǒng)存在的區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

（1）專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進行獨立的、實時的自

動決策。專家控制比專家系統(tǒng)對可靠性和抗干擾性有著更高的要求。

（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作

方式。

6、試說明智能控制的三元結(jié)構(gòu)，并畫出展示它們之間關(guān)系的示意圖。

AI

VOR/

圖3.2智能控制的三元結(jié)構(gòu)

把智能控制擴展為三元結(jié)構(gòu)，即把人工智能、自動控制

和運籌學交接如下表示：（2分）

ic=AinAcnoR

OR一運籌學（Operationresearch）

IC—智能控制（intelligentcontrol）;

Al—人工智能（artificialintelligence）;

AC—自動控制（automaticColltrol）;

C—表示交集.

7.比較智能控制與傳統(tǒng)控制的特點。

傳統(tǒng)控制：經(jīng)典反饋控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)學模

型的控制。適于解決線性、時不變等相對簡單的控制問題。（2分）

智能控制：以上問題用智能的方法同樣可以解決。智能控制是對傳統(tǒng)控制理論的發(fā)展,

傳統(tǒng)控制是智能控制的一個組成部分，在這個意義下，兩者可以統(tǒng)一在智能控制的框

架下。

8.簡述智能控制系統(tǒng)較傳統(tǒng)控制的優(yōu)點。

在傳統(tǒng)控制的實際應(yīng)用遇到很多難解決的問題，主要表現(xiàn)以下幾點：（1）實際系統(tǒng)由于存

在復雜性、非線性、時變性、不確定性和不完全性等，無法獲得精確的數(shù)學模型。（1分）

（2）某些復雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學模型來描述，即無法解決建

模問題。（1分）（3）針對實際系統(tǒng)往往需要進行一些比較苛刻的線性化假設(shè)，而這些假設(shè)

往往與實際系統(tǒng)不符合。［1分）（4）實際控制任務(wù)復雜，而傳統(tǒng)的控制任務(wù)要求低，對復

雜的控制任務(wù)，如機器人控制、CIMS,社會經(jīng)濟管理系統(tǒng)等復雜任務(wù)無能為力。（1分）

智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合起來，其控制方法適應(yīng)對象的復雜

性和不確定性，能夠比較有效的解決上述問題,具有較大的優(yōu)越性。（1分）

9、智能控制與傳統(tǒng)控制的主要區(qū)別如何？

傳統(tǒng)控制：經(jīng)典反饋控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)

學模型的控制。適于解決線性、時不變等相對簡單的控制問題。

智能控制：以上問題用智能的方法同樣可以解決。智能控制是對傳統(tǒng)控制理論的發(fā)展,

能夠解決傳統(tǒng)控制方法難以解決的復雜系統(tǒng)的控制問題，如：對象的不確定性、高度的非

線性和復雜的任務(wù)要求。傳統(tǒng)控制是智能控制的一個組成部分，在這個意義下，兩者可以

統(tǒng)一在智能控制的框架下,

10.在模糊控制器的設(shè)計中，常用的反模糊化的方法有哪幾種？

最大隸屬度法、中心法和加權(quán)平均法。

11.簡述將模糊控制規(guī)則離線轉(zhuǎn)化為查詢表形式的模糊控制器的設(shè)計步驟。

（1）確定模糊控制錯的結(jié)構(gòu)；（2）定義輸入、輸出模糊集；（3）定義輸入、輸

出隸屬函數(shù)；（4）建立模糊控制規(guī)則；（5）建立模糊控制表；（6）模糊推理；（7）

反模糊化。

12.簡述模糊控制的發(fā)展方向

模糊控制的發(fā)展方向有：（1）Fuzzy-PID復合控制（2）自適應(yīng)模糊控制（3）

專家模糊控制（4）神經(jīng)模糊控制（5）多變量模糊控制

13、模糊控制系統(tǒng)一般由幾個部分組成？

1）模糊控制器2）輸入/輸出接口裝置3）廣義對象4）傳感器

14、比較模糊集合與普通集合的異同。

比較模糊集合與普通集合的異同。

相同點：都表示一個集合；

不同點：普通集合具有特定的對象。而模糊集合沒有特定的對象，允許在符合與

不符合中間存在中間過渡狀態(tài)。

16、請畫出模糊控制系統(tǒng)的組成框圖，并結(jié)合該圖說明模糊控制器的工作原理。

模糊控制器的工作原理為：

（1）模糊化接口測量輸入變量（設(shè)定輸入）和受控系統(tǒng)的輸出變量,并把它們映射到一個

合適的響應(yīng)論域的量程，然后，精確的輸入數(shù)據(jù)被變換為適當?shù)恼Z言值或模糊集合的標識

符°本單元可視為模糊集合的標記。

（2）知識庫涉及應(yīng)用領(lǐng)域和控制目標的相關(guān)知識，它由數(shù)據(jù)庫和語言（模糊）控制規(guī)則庫

組成。數(shù)據(jù)庫為語言控制規(guī)則的論域離散化和隸屬函數(shù)提供必要的定義。語言控制規(guī)

則標記控制目標和領(lǐng)域?qū)＜业目刂撇呗浴?/p>

⑶推理機是模糊控制系統(tǒng)的核心。以模糊概念為基礎(chǔ)，模糊控制信息可通過模糊蘊

涵和模糊邏輯的推理規(guī)則來獲取，并可實現(xiàn)擬人決策過程。根據(jù)模糊輸入和模糊控制規(guī)

則,模糊推理求解模糊關(guān)系方程，獲得模糊輸出。

⑷模糊判決接口起到模糊控制的推斷作用,并產(chǎn)生一個精確的或非模糊的控制作用。

此精確控制作用必須進行逆定標（輸出定標），這一作用是在對受控過程進行控制之前通

過量程變換來實現(xiàn)的

17.試寫出3種常用模糊條件語句及對應(yīng)的模糊關(guān)系&的表達式。

（1）設(shè)/、“分別是論域*、y上的模糊集合，則模糊條件語句uifj

then/f所決定的二元模糊關(guān)系為：

Ria=\AK8\\J\AXE\（1分）

（2）設(shè).4、”和「分別是論域x、y和z上的模糊集合，則模糊條件語

句“if/then“else?！彼鶝Q定的二元模糊關(guān)系為：

R,辭=|,4x4|U|4xC|（2分）

（3）設(shè),4、“和r分別是論域X、V和Z上的模糊集合，則模糊條件語

句"if/and"then所決定的二元模糊關(guān)系為:

廢?做露扁J1酸篦

18.人工神經(jīng)網(wǎng)絡(luò)有哪些主要的結(jié)構(gòu)特征？

（1）并行處理；（2分）（2）信息分布式存儲；（2分）容錯性。（1分）

19.簡述神經(jīng)元模型并畫出結(jié)構(gòu)圖。

和神經(jīng)生理學類似，人工神經(jīng)網(wǎng)絡(luò)的的基本處理單元稱為神經(jīng)元，每個神經(jīng)元模型模擬

一個生物神經(jīng)元,如圖所示：

神經(jīng)元模型

該神經(jīng)元單元由多個輸入2,n和一個輸出y組成。中間狀態(tài)由輸入信號加

權(quán)和表示，其輸出為：

*

甩"）=〃2＞戶廠鄉(xiāng)）

1-1

式中，號為神經(jīng)元單元的閾值），w及為連接權(quán)系數(shù)（對于激發(fā)狀態(tài)，必下取正值,對于抑制狀態(tài),

取負值）,n為輸入信號數(shù)目，為神經(jīng)元輸出，t為時間，f（_）為輸出變換函數(shù)，有時

叫做激發(fā)或激勵函數(shù),往往采用0和1二值函數(shù)、S形函數(shù)和高斯函數(shù)等。

20、神經(jīng)網(wǎng)絡(luò)應(yīng)具備的四個基本屬性是什么？

1）并行分布式處理2）非線性處理3）自學習功能4）可通過硬件實現(xiàn)并行處理

21.簡述誤差反向傳播學習算法的主要思想

誤差反傳算法的主要思想是把學習過程分為兩個階段（1分）：第一階段（正向傳播過程）

給出輸入信息通過輸入層經(jīng)隱含層逐層處理并計算每個單元的實際輸出值（2分）；第二

階段（反向過程），若在輸出層未能得到期望輸出值，則逐層遞歸的計算實際輸出與期望

輸出之差值（誤差）以便根據(jù)此差值調(diào)節(jié)權(quán)值。

22.簡述前向（多層）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并畫出結(jié)構(gòu)圖。

前向（多層）神經(jīng)網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu)，由一些同層神經(jīng)元間不存在互連的層組成。從

輸入層至輸出層的信號通過單向連接流通；神經(jīng)元從一層連接至下一層,不存在同層神經(jīng)元

間的連接，如圖所示。前向（多層）神經(jīng)網(wǎng)絡(luò)具有形式，如：多層感知器、BP網(wǎng)絡(luò)、RBF網(wǎng)

絡(luò)等。

反向傳播

前向（多層）神經(jīng)網(wǎng)絡(luò)

23.簡述專家系統(tǒng)與專家控制的區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

（1）專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進行獨立的、實時的自

動決策。專家控制比專家系統(tǒng)對可靠性和抗干擾性有著更高的要求。

（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作方

式。

24.試比較特征函數(shù)和隸屬函數(shù)。

特征函數(shù)用來表示某個元素是否屬于普通集合，而隸屬函數(shù)則用來表示某個元素屬于

模糊集合的程度，特征函數(shù)的取值{0,1},而隸屬函數(shù)的取值[0,1],特征函數(shù)可以看作特

殊的隸屬函數(shù)

25.請畫出直接型專家控制器的結(jié)構(gòu)圖并說明其設(shè)計思想。

圖略直接型專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程。具有模擬操作工人智

能的功能。這種類型的控制器任務(wù)和功能相對簡單，但需要在線、實時控制。

26.畫出間接型專家控制器的結(jié)構(gòu)圖并說明其設(shè)計思想。

圖略設(shè)計思想：間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對生產(chǎn)過程或被控

對象進行間接控制的智能控制系統(tǒng)。具有模擬（或延伸，擴展）控制工程師智能的功能。

該控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制。

27.簡述專家系統(tǒng)的基本構(gòu)成。

知識庫和推理機，具體略,

28.簡述直接型專家控制器的主要設(shè)計內(nèi)容。

直接型專家控制器的主要設(shè)計內(nèi)容：①建立知識庫；②控制知識的獲??；③選擇合適的

推理方法。

29.根據(jù)高層決策功能的性質(zhì)，簡述間接型專家控制器的分類。

按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型：

①優(yōu)化型專家控制器；②?應(yīng)型專家控制器；③協(xié)調(diào)型專家控制器；④組織型專家控制器。

31.簡述間接型專家控制器的概念及其分類。

間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對生產(chǎn)過程或被控對象進行間接控

制的智能控制系統(tǒng)。具有模擬（或延伸，擴展）控制工程師智能的功能。該控制器能夠?qū)?/p>

現(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制（1分）。按照高層決策功能的性質(zhì)，間接型

專家控制器可分為以下幾種類型：①優(yōu)化型專家控制器（1分）；②適應(yīng)型專家控制器（1分）；

③協(xié)調(diào)型專家控制器（1分）；④組織型專家控制器（1分）。

32.簡述基本遺傳算法的構(gòu)成要素。

（1）染色體編碼方法，基本遺傳算法使用固定長度的二進制來表示群體中的個體，其等

位基因是由二值符號集｛0,1｝所組成的，其中個體的基因值可用均勻分布的隨機值來生成。

（2）個體適應(yīng)度評價，基本遺傳算法與個體適應(yīng)度成正比的概率來決定當前群體中每個個

體遺傳到下一代群體的概率多少。為正確計算這個概率必須先確定出由目標函數(shù)值J（x）到

個體適應(yīng)度函數(shù)F（x）的轉(zhuǎn)換規(guī)則：

（3）遺傳算子，即選擇運算、交叉運算和變異運算的基本遺傳算子；

（4）基本遺傳算法的運行參數(shù)，即M、G、/）,和/一等參數(shù)。

33.簡述遺傳算法的應(yīng)用領(lǐng)域。

遺傳算法的應(yīng)用領(lǐng)域：（1）函數(shù)優(yōu)化；（2）組合優(yōu)化；（3）生產(chǎn)調(diào)度問題；（4）自動

控制；（5）機器人；（6）圖像處理；（7）人工生命（8）遺傳編程（9）機器學習。

34.簡述基本遺傳算法的特點。

見書P201頁

35.簡述基本遺傳算法的應(yīng)用步驟。

（1）確定決策變量及各種約束條件，即確定出個體的表現(xiàn)型X和問題的解空

間；

（2）建立優(yōu)化模型，