智能控制基础复习总结

智能控制基础复习总结第一部分（填空题）1.智能控制的几个主要分支：基于知识的专家系统、模糊控制、神经元网络控制、学习控制。2.隶属度函数的建立方法：模糊统计法、例证法、专家经验法、二元对比排序法。3.神经元网络系统的研究主要有三个方面的内容：神经元模型、神经网络结构、神经网络学习方法。4.从网络结构方面来看，人工神经网络主要表现为三大类：前向网络、反馈网络、自组织网络。5.神经网络的模型分类（按连接方式分类）：前向网络、反馈网络、相互结合型网络、混合型网络。6.神经网络的学习算法可分为（根据连接权系数的改变方式）：相关学习、纠错学习、无导师学习（各类详细介绍见P88）。7.对神经网络的训练过程有较大影响的有：权系数的初值、学习方式、激励函数、学习速率。8.知识表达的种类：图示类、符号类、结构类。9.含一个隐层以上的多层前向传播神经网络不仅可以以任意精度逼近连续函数本身，还可以逼近函数的导数项。第二部分（简答题）1.智能控制系统由哪几部分组成？各部分作用是什么？智能控制系统的特点是什么？答：智能控制系统由六部分组成，包括执行器、传感器、感知信息处理、规划与控制、认知和通信接口。执行器：是系统的输出，对外界对象发生作用，有电机、定位器、阀门、电磁线圈等；传感器：产生智能系统的输入，可以是关节位置传感器、视觉/触觉传感器、力传感器、距离传感器等，用来监测外部环境和系统本身的状态，向感知信息处理单元提供输入；感知信息处理：将传感器得到的原始信息加以处理，并与内部环境模型产生的期望值进行比较，在时间和空间上综合观测值与期望值之间的异同，检测事件识别环境；认知：接收存储信息、知识、经验和数据，并分析推理做出决策，送至规划和控制部分；通信接口：建立人机联系及各模块之间的联系；规划和控制：系统核心，根据任务要求、反馈信息及经验知识，进行自动搜索、推理决策、动作规划，最后产生控制作用。智能控制系统的原理结构智能控制系统的分层递阶结构从智能控制系统的功能模块结构观点出发，提出了分层递阶结构的智能控制系统。执行级：需要精确模型以实现具有一定精度的控制任务；协调级：协调执行级的动作，不需精确模型但需具备学习功能以便改善性能，并接受上一级的模糊命令和符号语言；组织级：将操作员的自然语言翻译成机器语言，组织决策规划任务并干预底层的操作。识别功能——执行级：获得不确定的参数值或监督系统参数的变化；协调级：测量数据和指令产生合适的协调作用；组织级：翻译定性的命令和其他输入。智能控制系统具有以下几点特点：①一般具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程；②具有分层信息处理和决策机构；③具有非线性和变结构特点；④具有多目标优化能力；⑤能够在复杂环境下学习。从功能和行为上分析，智能控制系统应该具备以下一条或几条功能特点：①自适应：不依赖于模型，系统某一部分故障时系统仍能正常工作；②自学习：对过程或环境的未知特征所固有的信息进行学习；③自组织：自行组织协调功能，多目标冲突时自行解决；④自诊断：故障检测能力；⑤自修复：无人干预下的正常恢复能力。2.模糊控制系统的组成包括哪些部分？答：模糊控制系统的组成类似常规的计算机控制系统，即模糊控制器、输入输出接口、执行机构、被控对象和测量装置等五大部分。①模糊化接口将被控对象的测量值从数字量转化为模糊量，主要是定义论域内所有语言变量的隶属函数。②知识库包括数据库和规则库。数据库包括模糊化和精确化过程相关论域的数据以及定义隶属函数的数据等。规则库包括根据控制目的和控制策略给出的一组由语言变量描述的通过如领域专家或自学习产生的控制规则集合（模糊控制规则库建立的四种方法：基于模糊模型的控制、专家经验法、观察法、自组织法）。③决策逻辑是模糊控制器的核心。它是由模糊输入和模糊控制规则，采用某种模糊推理方法，导出模糊控制器的模糊控制量输出。④精确化接口实现在推理得到的模糊集合中取一个能最佳代表模糊推理结果可能性的精确值的过程（常用的精确化计算方法：最大隶属度函数法、重心法、加权平均法）。模糊逻辑控制的过程主要有三个步骤：模糊化过程、模糊逻辑推理、精确化计算。3.神经网络按连接方式分有哪几类？按功能分有哪几类？按学习方式分又有哪几类？答：神经网络是由通过神经元的互连而达到的。根据神经元的连接方式的不同，神经网络可分为以下四种形式：①前向网络：由输入层、隐含层和输出层组成。每一层只接受前一层神经元的输入，各神经元之间不存在反馈，属于层次型网络。②反馈网络：只在输出层到输入层存在反馈，即每一个输入节点都有可能接受来自外部的输入和来自输出神经元的反馈。属于层次型网络。③相互结合型网络：这种神经网络在任意两个神经元之间都可能有连接。在这个状态中，信号要在神经元之间反复往返传递，网络处在一种不断改变状态的动态之中，从某种初态开始，经过若干次的变化，才会达到某种平衡状态。属于网状结构网络。④混合型网络：通过同一层内神经元的相互结合，可以实现同一层内神经元之间的横向抑制或兴奋机制。这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分为若干组，让每组作为一个整体来动作。它是层次型网络和网状结构网络的一种结合。神经网络将神经元按功能和顺序的不同分为输入层、中间层（隐含层）、输出层。输入层各神经元负责接收来自外界的输入信息，并传给中间各隐含层神经元；隐含层是神经网络的内部信息处理层，负责信息变换。根据需要可设计为一层或多层；最后一个隐含层将信息传递给输出层神经元经进一步处理后向外界输出信息处理结果。神经网络按按学习方式分为：有导师学习和无导师学习。4.神经元模型有哪些？神经元网络的研究内容及分类？答：神经元模型是生物神经元的抽象和模拟，它是模拟生物神经元的结构和功能，并从数学的角度抽象出来的一个基本单元。主要包括四种：阈值型、分段线性型、Sigmoid函数型、Tan函数型（详细介绍见P85）。神经元网络系统的研究只要有三个方面的内容：①神经元模型；②神经网络结构；③神经网络学习方法。从神经元网络结构来看分为：线性处理单元和非线性处理单元。从网络结构方面来看分为：①前向网络；②反馈网络；③自组织网络。5.专家控制系统的基本结构包括哪些部分？各部分的含义及作用是什么？知识推理的常见形式有哪些？答：专家系统包括：知识库、推理机、数据库、知识获取机构、解释机构以及人机界面。①知识库：存放领域知识、常识性知识、理论性知识、推理规则等，这些知识使专家系统具有启发性；②数据库：存放推理的原始数据、中间结果、控制信息等，一般来说，知识库存放的信息具有规律性和普遍性，相对于数据库更为稳定；③推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策，从结构上说，专家系统的推理机和知识库是彼此分离的，这点使专家系统便于维护和调整；④知识获取机构：获取专家的领域知识，对知识库进行修改和维护，保持其内容的一致性和完整性，该机构使系统具有自学习和自适应的特点；⑤解释机构：对推理过程作出说明，并回答用户的问题，该机构使系统具有透明性，便于人机交互；⑥人机接口：人机交互的界面，可以充分发挥人机协作。推理从前提得出结论的过程，其方法有两类：基于逻辑的推理和基于常识的推理。在专家控制系统中主要采用常识性推理，包括产生式规则推理和不确定性推理（详细见P191）。6.模糊控制的特点？（P13）答：①无需知道被控对像的数学模型；②是一种反映人类智慧思维的智能控制；③易被人们所接受；④构造容易；⑤鲁棒性好。7.神经网络控制的优越性？（P146）答：①神经网络可以处理那些难以用模型或规则描述的过程或系统；②神经网络采用并行分布式信息处理，具有很强的容错性；③神经网络是本质的非线性系统④神经网络具有很强的信息综合能力；⑤神经网络的硬件实现愈趋方便。8.神经网络控制器的分类？（P147）答：①导师指导下的控制器；②逆控制器；③自适应网络控制器；④前馈控制结构；⑤自适应评价网络。9.辨识的三个基本要素？（P156）答：①输入输出数据——能够测量到的系统的输入输出；②模型类——指所考虑的系统的机构；③等价准则——指辨识的优化目标。10.监督式学习机制有哪些？（P171）答：①离线学习法；②在线学习法；③反馈误差学习法；④多神经网络学习法。11.专家控制中的知识类型？（P188）答：①事实性知识；②过程性知识；③控制性知识。12.专家控制与专家系统的区别？（P188）答：（1）很多场合，专家系统是决策的辅助系统。例如疾病诊断，只是提供一个参考判断，而专家控制系统是决策的主体，必须具有足够的可靠性。（2）控制领域一般都有实时性的要求，因此专家恐坠系统必须具有一个实时专家系统。需要合理的设计知识库和推理机，甚至对专家系统的结构进行简化和改造。因此，专家控制的研究，既有传统专家系统的内容，也有其独特的方面，包括：（1）控制领域知识的表达和推理；（2）专家控制的结构和实现。13.专家控制与模糊控制的共同点都是把人的经验整理成控制规则，二者有何区别？答：（1）专家控制规则中的概念是精确的，不具有模糊性，而模糊控制规则中的概念是模糊的；（2）由于模糊控制规则中概念是模糊的，因而可以借助于模糊逻辑推理实现控制。第三部分（计算题）1.P18例2-42.P42例2-14语气算子（P38）、削顶法（P45,P82习题2-14）3.P81习题2-74.P100例3-15.P113例3-46.P115例3-57.P122例3-7