智能控制习题目及解答.doc

智能控制题目及解答第一章 绪论 作业作业内容1． 什么是智能、智能系统、智能控制2． 智能控制系统有哪几种类型，各自的特点是什么3． 比较智能控制与传统控制的特点4． 把智能控制看作是AI(人工智能)、OR(运筹学)、AC(自动控制)和IT(信息论)的交集，其根据和内涵是什么5． 智能控制有哪些应用领域试举出一个应用实例，并说明其工作原理和控制性能1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能2）人-机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。

3）无人参与的自组控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标，而智能控制通常是学习积累非精确知识；传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到但是，智能控制与传统的或常规的控制有密切的关系，互相取长补短，而并非互相排斥基于智能控制与传统控制在应用领域方面、理论方法上和性能指标等方面的差异，往往将常规控制包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题4 答：人工只能（AI）是一个用来模拟人思维的知识处理系统，具有学习、记忆、信息处理、形式语言、启发推理等功能；自动控制（AC）描述系统的动力学特性，是一种动态反馈；运筹学（OR）是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等；信息论（IT）信息论是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。

早期产生的的二元结构被发现是很大程度上局限于符号主义的人工智能，无助于智能控制的有效的、成功的应用，所以后来又引入了运筹学考虑到信息论对知识和智能的解释作用、控制论和系统论与信息之间的密切关系、信息论对智能控制的作用等方面的因素之后，蔡自兴教授创新性的提出了四元结构，即在三原结构的基础上增加了信息论作为智能控制的一个重要组成部分智能控制作为一门交叉的学科，所用到的知识都包含这几门学科的内容，所以说可以把智能控制看成是这几门的交集5 答：主要应用领域：智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制、社会经济管理系统、交通运输系统、环保及能源系统实例应用：机器人运动轨迹控制机器人腿部机构由连杆和连接在其端部的从动滚轮组成机器人行走是通过后部两条腿的两个连杆带动从动滚轮向后作类似于滑冰动作的后蹬动作实现此类机器人也称滑冰机器人机器人的行走方向和轨迹通过同时调整几个从动滚轮的方向角来控制这是一个多自由度、非线性、强耦合的系统,用常规控制器对单个从动滚轮方向角, 难以实现精确的轨迹控制针对上述控制对象运动轨迹控制问题,作者提出了一种基于模糊神经网络自适应控制方法该方法利用模糊神经网络来辩识机器人的逆动力学模型,并以此模型作为控制器提供给机器人主要的广义驱动力, 加上常规的PD 控制器构成完整的控制系统。

当模糊神经网络模型给出的驱动力合适, 系统误差小, PD 控制器的控制作用就很弱; 反之, PD 控制器起主要作用模糊规则的制定是利用PD 控制器提取初始模糊规则,利用专家经验对初始规则进行补充, 最后利用误差的反向传播算法对参数进行自适应调整文献给出的验证结果表明该方法很好的解决了该种机器人的运动轨迹控制问题这种方法的优点是利用智能控制理论解决运动轨迹控制问题, 利用常规控制方法解决控制系统抗干扰的问题① 举例说明模糊性的客观性和主观性答：模糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量的特点例如：如果一个人的身高大于等于180cm算高的，170-180cm之间的算中等，低于170cm的算矮的.如果一个人的身高为179.999cm那么算高还是中等理论上从客观的角度说他是中等的，但是与180我们是分辨不出来的，从主观上我们认为他是高的这就是没有量化的模糊的概念② 模糊性与随机性有哪些异同答：同：模糊性由于事物类属划分的不分明而引起的判断上的不确定性；随机性是由于条件不充分而导致的结果的不确定性所以，它们都表示不确定性异：随机性反映了因果律的破缺；模糊性所反映的是排中律的破缺。

随机性现象可用概率论的数学方法加以处理，模糊性现象则需要运用模糊数学③ 比较模糊集合与普通集合的异同答：异：（1）普通集合是指具有某种属性的对象的全体这种属性所表达的概念应该是清晰的，界限分明的因此每个对象对于集合的隶属关系也是明确的，非此即彼模糊集合就是指具有某个模糊概念所描述的属性的对象的全体由于概念本身不是清晰的、界限分明的，因而对象对集合的隶属关系也不是明确的、非此即彼的2）普通集合的表示法有列举法、描述法、图示法、自然语言模糊集合表示法有Zadeh表示法、向量表示法、序偶表示法同：都属于集合，同时具备集合的基本性质第二章 模糊控制的理论基础 作业1作业内容 1． 举例说明模糊性的客观性和主观性2． 模糊性与随机性有哪些异同3． 比较模糊集合与普通集合的异同4-5. 见本空间分类资源习题-第二章第4、5题1 答:模糊性的主观性反映在模糊隶属函数的确定性，依靠主观认识和认为经验，客观反映在虽然在方法的使用过程中有主观性，但得到的对事物的认知结果，反映了事物的本质，是对事物的客观认识例如：对温度的界定，按经典集合的定义，人感到适宜的温度是15到25摄氏度，低于15摄氏度定义为冷，并且14摄氏度和0摄氏度都定义为冷，显然冷的程度是不同的，高于25摄氏度定义为热。

因此采用这种离散型严格的不能明显的划分，模糊性的划分不仅容易被大众接受和区别，也更接近事实，反映了温度连续性的客观事实2 答：模糊性是从主观性上反应事物发展的可能性，客观性是从客观上反应事物发生的可能性随机性是由于事物的因果关系不确定而造成的，由概率统计加以研究，是概率分析、设计的范畴，表现的是语言的不确定性模糊性在本质上没什么明确的含义，在量上没有什么明确界限，这种边界的模糊不是由于人的主观认识达不到客观实际而造成的，而是事物的客观属性，是事物的差异之间存在中间过渡过程而造成的在描述方法上，模糊性采用隶属函数划分，揭示事物的客观可能性分析模糊实验常常与心理等主观因素联系在一起，而随机性采用概率函数来划分，采用对随机现象的统计观察，求出平均比例分布，且随机实验可以客观进行3 答：普通集合是经典集合或者称为清晰集合，具有清晰的边界模糊集合不具有清晰的界限普通集合也就是一个元素不属于一个集合是突变或非此即彼的，属于就是属于，不属于就是不属于而模糊集合中引入了隶属度的概念，元素只在一定程度上属于集合，有时候这种表示方法更接近实际，更便于研究问题，更为人所接受4 解：5 解：第二章 模糊控制的理论基础 作业2作业内容6 令论域，给定语言变量“Small”=1/1+2+3+4和模糊关系R=“Almost相等”定义如下：利用max-min复合运算，试计算：7 已知模糊关系矩阵：计算R的二至四次幂。

8 设有论域，二维模糊条件语句为“若A且B则C”，其中已知 由关系合成推理法，求得推理结论6 解： 7 解： 8 解：令R表示模糊关系，则.将按行展开写成列向量为所以，.又因为，，将按行展开写成行向量，为，则 即 第二章 模糊控制的理论基础 作业3作业内容已知语言变量x，y，z X的论域为{1,2,3}，定义有两个语言值：“大”＝{0, , 1}；“小”={1, , 0} Y的论域为{10,20,30,40,50}，语言值为：“高”={0, 0, 0, , 1}；“中”={0, , 1, , 0}; “低”={1, , 0, 0, 0}Z的论域为{,,}，语言值为：“长”={0, , 1}；“短”={1, , 0} 则：1）试求规则： 如果 x 是 “大” 并且 y 是“高” 那么 z是“长”； 否则，如果 x 是“小” 并且 y 是 “中” 那么 z是“短” 所蕴涵的x，y，z之间的模糊关系R2）假设在某时刻，x是“略小”={, , 0}，y是“略高”={0, 0, , , 1} 试根据R分别通过Zadeh法和Mamdani法模糊推理求出此时输出z的语言取值。

解： 1）设“如果X是大并且Y是高，那么Z是长”，X,Y,Z之间的模糊关系为； “如果X是小并且Y是中，那么Z是短”，X,Y,Z之间的模糊关系为所以：R=[（X是大×Y是高）×Z是长]∪[（X是小×Y是中）×Z是短]=∪X是大×Y是高==（X是大×Y是高）×Z是长==同理，X是小×Y是中==（X是小×Y是中）×Z是短===∪=∨=Zadeh法：Mamdani法：第四章 神经网络基础作业作业内容1． 生物神经元模型的结构功能是什么？2． 人工神经元模型的特点是什么？3． 人工神经网络的特点是什么如何分类？4． 有哪几种常用的神经网络学习算法1 答：生物神经元由细胞体、树突和轴突组成其中，细胞体是神经元的主体，担当着信息处理的角色；树突主要作用是接受神经元的输入信息；轴突的主要作用是信息的输出，把细胞体处理的信息从轴突起点传递到轴突末梢，轴突末梢与另一个神经元的树突或细胞体形成一种突触结构，实现神经元之间的信息传递2 答：1）非线性 2）分布处理 3）学习并行和自适应 4）数据融合 5）适用于多变量系统 6）便于硬件实现3 答：特点：（1）能逼近任意非线性函数； （2）信息的并行分布式处理与存储； （3）可以多输入、多输出； （4）便于用超大规模集成电路（VISI）或光学集成电路系统实现，或用现有的计算机技术实现； （5）能进行学习，以适应环境的变化。

分类：根据网络连接结构分：前馈型网络、反馈型网络和自组织网络；根据知识获取方式分：监督学习型、无监督学习型和再励学习型；根据连接权对网络输出的影响：可以把前馈网络分成。