智能控制復(fù)習(xí)題

1、123456712345智能控制復(fù)習(xí)第一章 選擇題 智能控制的概念首次由著名學(xué)者( D )提出 A 蔡自興 B C D 傅京孫 經(jīng)常作為智能控制典型研究對(duì)象的是 ( D )A 智能決策系統(tǒng)B 智能故障診斷系統(tǒng)C 智能制造系統(tǒng)D 智能機(jī)器人解決自動(dòng)控制面臨問題的一條有效途徑就是，把人工智能等技術(shù)用入自動(dòng)控制系統(tǒng)中， 其核心是( B )A 控制算法B 控制器智能化C 控制結(jié)構(gòu)D 控制系統(tǒng)仿真智能自動(dòng)化開發(fā)與應(yīng)用應(yīng)當(dāng)面向( C)A 生產(chǎn)系統(tǒng)B 管理系統(tǒng)C 復(fù)雜系統(tǒng)D 線性系統(tǒng)不屬于智能控制是(D)A 神經(jīng)網(wǎng)絡(luò)控制B專家控制C 模糊控制D 確定性反饋控制以下不屬于智能控制主要特點(diǎn)的是(D)A 具有自適

2、應(yīng)能力B 具有自組織能力C 具有分層遞階組織結(jié)構(gòu)D 具有反饋結(jié)構(gòu)以下不屬于智能控制的是(D )A 神經(jīng)網(wǎng)絡(luò)控制B專家控制C 模糊控制D 自校正調(diào)節(jié)器第二章 選擇題地質(zhì)探礦專家系統(tǒng)常使用的知識(shí)表示方法為 ( D)A 語(yǔ)義網(wǎng)絡(luò)B 框架表示C 劇本表示D 產(chǎn)生式規(guī)則自然語(yǔ)言問答專家系統(tǒng)使用的知識(shí)表示方法為 (B)A 框架表示B 語(yǔ)義網(wǎng)絡(luò)C 劇本表示D 產(chǎn)生式規(guī)則專家系統(tǒng)中的自動(dòng)推理是基于(C )的推理。A 直覺B 邏輯C 知識(shí)D 預(yù)測(cè)適合專家控制系統(tǒng)的是( D)A 雷達(dá)故障診斷系統(tǒng)B 軍事沖突預(yù)測(cè)系統(tǒng)C 聾啞人語(yǔ)言訓(xùn)練系統(tǒng)D 機(jī)車低恒速運(yùn)行系統(tǒng)直接式專家控制 通常由( B ) 組成A 控制規(guī)則集、知

3、識(shí)庫(kù)、推理機(jī)和傳感器B 信息獲取與處理、知識(shí)庫(kù)、控制規(guī)則集和推理機(jī)C 信息獲取與處理、知識(shí)庫(kù)、推理機(jī)和傳感器D 信息獲取與處理、控制規(guī)則集、推理機(jī)和傳感器專家控制可以稱作基于（ D ）的控制。A 直覺B 邏輯C 預(yù)測(cè)D 知識(shí)直接式專家控制通常由 （ C ） 組成A 信息獲取與處理、知識(shí)庫(kù)、推理機(jī)構(gòu)和傳感器B 信息獲取與處理、知識(shí)庫(kù)、控制規(guī)則集和傳感器C 信息獲取與處理、知識(shí)庫(kù)、推理機(jī)構(gòu)和控制規(guī)則集D 信息獲取與處理、控制規(guī)則集、推理機(jī)構(gòu)和傳感器專家系統(tǒng)的核心部分是 （ B ） A 人機(jī)接口、過程接口、推理機(jī)構(gòu) B 知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)構(gòu) C 人機(jī)接口、知識(shí)獲取結(jié)構(gòu)、推理機(jī)構(gòu) D 知識(shí)庫(kù)、數(shù)據(jù)

4、庫(kù)、人機(jī)接口 以下不屬于專家系統(tǒng)知識(shí)表示法的是AC彩色 Petri 網(wǎng)絡(luò)B 語(yǔ)義知識(shí)表示樣本分類 D 產(chǎn)生式規(guī)則 產(chǎn)生式系統(tǒng)的推理方式不包括正向推理 B 反向推理 簡(jiǎn)單推理 D 雙向推理 肺病診斷專家系統(tǒng)使用的知識(shí)表示方法為 語(yǔ)義網(wǎng)絡(luò)B 產(chǎn)生式規(guī)則劇本表示D 框架表示AC 以下不屬于專家系統(tǒng)組成部分的是A 專家C 知識(shí)庫(kù) 黑板專家控制系統(tǒng)的組成有A 黑板、數(shù)據(jù)庫(kù)、調(diào)度器C黑板、知識(shí)源、調(diào)度器建立專家系統(tǒng)，最艱難（ “瓶頸”）的任務(wù)是 A 知識(shí)表示 B 知識(shí)獲取 在專家系統(tǒng)中，知識(shí)庫(kù)推理機(jī)產(chǎn)生式系統(tǒng)包含的基本組成知識(shí)庫(kù)、規(guī)則庫(kù)和數(shù)據(jù)庫(kù)知識(shí)庫(kù)、規(guī)則庫(kù)和模型庫(kù)數(shù)據(jù)庫(kù)D 解釋部分?jǐn)?shù)據(jù)庫(kù)、知識(shí)源、 黑板

5、、規(guī)則庫(kù)、調(diào)度器調(diào)度器C 知識(shí)應(yīng)用 D 知識(shí)推理）是專家系統(tǒng)與用戶間的人數(shù)據(jù)庫(kù) 解釋機(jī)構(gòu)第三章- 機(jī)接口（ A ）B 規(guī)則庫(kù)、模型庫(kù)和控制器D 規(guī)則庫(kù)、數(shù)據(jù)庫(kù)和控制器 模糊控制6789101112131415161.某模糊控制器輸出信息的解模糊判決公式為為A最大隸屬度法BC隸屬度限幅兀素平均法D2在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸入是A溫度的誤差e和溫度誤差變化量deB控制加熱裝置的電壓的誤差e和電壓誤差變化量C控制加熱裝置的電壓的誤差e和溫度誤差變化量D控制加熱裝置的電壓的誤差 e和溫度誤差變化量 3下列概念中不能用普通集合表示的是A控制系統(tǒng)C工程師4以下應(yīng)采用模糊集合描述的是A高三男

6、生C教師5總結(jié)手動(dòng)控制策略，得出一組? Ui mu (Ui)Uo =叫，該解模糊方法?i = 1 (D ) 取中位數(shù)法 重心法mu (Ui)低于給定溫度 壓力不足B年輕 社會(huì)dededeD由模糊條件語(yǔ)句構(gòu)成的控制規(guī)則(D )B輸出變量賦值表D模糊控制規(guī)則表A輸入變量賦值表C模糊控制器查詢表6某模糊控制器的語(yǔ)言變量選為實(shí)際溫度與給定溫度之差即誤差 以及加熱裝置中可控硅導(dǎo)通角的變化量 u,故該模糊控制器為A 雙輸入一單輸出C 雙輸入一雙輸出,據(jù)此可建立e、誤差變化率 e；(A )B 單輸出一單輸入D 單輸出一雙輸入7在論域U中，模糊集合A的支集只包含一個(gè)點(diǎn)u,且mA(u)=1,則A稱為A a截集C

7、 核8在模糊控制中，隸屬度A不能是1或0(B)B模糊單點(diǎn)D支集(C )B根據(jù)對(duì)象的數(shù)學(xué)模型確定C反映元素屬于某模糊集合的程度D只能取連續(xù)值9.模糊集合中，mA(u) =0.5對(duì)應(yīng)的元素u稱為(A )A交叉點(diǎn)B模糊單點(diǎn)C核D支集10.在模糊控制器的推理輸出結(jié)果中，取其隸屬度最大的元素作為精確值，去執(zhí)行控制的方法稱為 （ B ）A 重心法 B 最大隸屬度法C 系數(shù)加權(quán)平均法 D 中位數(shù)法11若模糊集合A表示模糊概念“老”，其隸屬度函數(shù)為g，則模糊概念“略微老”相當(dāng)于 A ，其中 為，A2B 4C 12D 1412 若對(duì)誤差、誤差變化率論域 X、 Y 中元素的全部組合計(jì)算出相應(yīng)的控制量變化W ,可寫

8、成矩陣（Uj ）n，m，一般將此矩陣制成（C ）A 輸入變量賦值表B 輸出變量賦值表C 模糊控制器查詢表D 模糊控制規(guī)則表13在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸出是（ C ）A 溫度的誤差 eB溫度誤差變化量 deC 控制加熱裝置的電壓 UD 控制加熱裝置的電壓的誤差 e 和溫度誤差變化量 de 14以下的集合運(yùn)算性質(zhì)中，模糊集合不滿足的運(yùn)算性質(zhì)（ D）A 交換律B 結(jié)合律C 分配律D 互補(bǔ)律15. 以下屬于模糊集合表示方法的是（ B）A 重心法B 扎德法C 系數(shù)加權(quán)平均法D 中位數(shù)法建立各自的（ C ）A 控制規(guī)則表BC 語(yǔ)言變量賦值表 17模糊控制方法是基于A 模型控制C 學(xué)習(xí)的控制

9、18. 以下應(yīng)采用模糊集合描述的是A 學(xué)生BC 老師D19若模糊集合 A 表示模糊概念“老”16在選定模糊控制器的語(yǔ)言變量及各個(gè)變量所取的語(yǔ)言值后，可分別為各語(yǔ)言變量控制變量賦值表D 論域量化表（ D ）B 遞推的控制D 專家知識(shí)和經(jīng)驗(yàn)的控制（ B ）大蘋果演員e 以及加熱，其隸屬度函數(shù)為 mA ，則模糊概念 “極老” 相當(dāng)于 A ，其中為，( D)A 2B 4C 1 2D 1420某液位模糊控制系統(tǒng)的語(yǔ)言變量選為實(shí)際溫度與給定溫度之差即誤差裝置中可控硅導(dǎo)通角的變化量 u，為A 雙輸入一單輸出C 雙輸入一雙輸出21模糊隸屬度函數(shù)曲線的形狀可以為A 橢圓形 BC 梯形 D但不考慮溫度誤差變化率

10、e,該模糊控制器應(yīng)（ B ）B 單輸入一單輸出D 單輸入一雙輸出（ C ）平行四邊形圓形22在選定模糊控制器的語(yǔ)言變量及各個(gè)變量所取的語(yǔ)言值后,可分別為各語(yǔ)言變量 建立各自的（ C ）A 控制規(guī)則表B 控制查詢表C 語(yǔ)言變量賦值表D 基本論域量化表23.某模糊控制器的語(yǔ)言變量選為實(shí)際水位與給定水位之差即誤差e,以及調(diào)節(jié)閥門開度的變化量u故該模糊控制器為（B ）.A.單輸出雙輸入B.單輸入單輸出C.雙輸入雙輸出D.雙輸入單輸出24某一隸屬度函數(shù)曲線的形狀可以選為（ C ）A橢圓形B 圓形C三角形D 正方形25模糊控制器的術(shù)語(yǔ)“正中” ,可用符合（ D ）表示A PBB NMC ZE D PM26

11、 以下關(guān)于模糊關(guān)系的正確說法是（ B ）A 模糊關(guān)系是普通關(guān)系的一個(gè)特例B 模糊關(guān)系描述元素之間的關(guān)聯(lián)程度C 模糊關(guān)系中的元素都是整數(shù)D 模糊關(guān)系矩陣一定是方陣27模糊控制以模糊集合為基礎(chǔ),最早提出模糊集合的學(xué)者是（ A ）B MamdaniC TakagiD Sugeno28在模糊控制器的推理輸出結(jié)果中,取其隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積的重心 作為輸出值,去執(zhí)行控制的方法稱為（ A ）A 重心法B 最大隸屬度法C 系數(shù)加權(quán)平均法D 中位數(shù)法29下列概念中不能用普通集合表示的是（ D ）A 控制系統(tǒng)B壓力不足C 機(jī)電工程師D低于給定溫度30在模糊控制中,隸屬度( C )A 不能是 1 或 0

12、B 是根據(jù)對(duì)象的數(shù)學(xué)模型確定的C反映元素屬于某模糊集合的程度D 只能取連續(xù)值A(chǔ) 速度B天氣C 特別D表演32若模糊集合 A 表示模糊概念“老”，其隸屬度函數(shù)為 mA ，則模糊概念非常老” 相當(dāng)于 A ，其中為，（C )A 2B 4C 1 2D 1 4第4章 神經(jīng)網(wǎng)絡(luò)1.BP 網(wǎng)絡(luò)使用的學(xué)習(xí)規(guī)則是（B )A 相關(guān)規(guī)則B糾錯(cuò)規(guī)則C 競(jìng)爭(zhēng)規(guī)則D模擬退火算法2BP 神經(jīng)網(wǎng)絡(luò)所不具備的功能是（C )A 自適應(yīng)功能B泛化功能C 優(yōu)化功能D非線性映射功能3由于各神經(jīng)元之間的突觸連接強(qiáng)度和極性有所不同并可進(jìn)行調(diào)整，因此人腦才具有（ A ）的功能。A 學(xué)習(xí)和存儲(chǔ)信息B輸入輸出C 聯(lián)想D 信息整合A )31最適合

13、作為語(yǔ)言變量的值是4. 采用單層拓?fù)浣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是 （A )A Hopfield 網(wǎng)絡(luò)C BP 網(wǎng)絡(luò)B 生物神經(jīng)網(wǎng)絡(luò)D 小腦模型網(wǎng)絡(luò)5單層神經(jīng)網(wǎng)絡(luò)，有兩個(gè)輸入，兩個(gè)輸出，它們之間的連接權(quán)有( B）A 6 個(gè) B 4 個(gè)C 2個(gè)D 8個(gè)6神經(jīng)網(wǎng)絡(luò)直接逆控制是一種（B）控制。A 反饋B前饋C 串級(jí)D混合7誤差反向傳播算法屬于（ B）學(xué)習(xí)規(guī)則A 無(wú)導(dǎo)師B 有導(dǎo)師C 死記憶D混合8以下不屬于人工神經(jīng)網(wǎng)絡(luò)主要特點(diǎn)的是(B )A 便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)B 網(wǎng)絡(luò)中含有神經(jīng)元 C 信息分布在神經(jīng)元的連接上D 可以逼近任意非線性系統(tǒng)9最適宜用于聯(lián)想記憶的神經(jīng)網(wǎng)絡(luò)（ D）A BP 神經(jīng)網(wǎng)絡(luò)

14、B感知器網(wǎng)絡(luò)C 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)D Hopfield 網(wǎng)絡(luò)10PID 神經(jīng)網(wǎng)絡(luò)控制中，控制器使用了（ C）A CMAC神申經(jīng)網(wǎng)絡(luò)B Hopfield 網(wǎng)絡(luò)D 感知器網(wǎng)絡(luò)C PID 神經(jīng)網(wǎng)絡(luò)11 下面哪個(gè)方程最好描述了 Hebb學(xué)習(xí)規(guī)則（A ）A 兩個(gè)神經(jīng)元同時(shí)興奮或同時(shí)抑制時(shí)，它們之間連接權(quán)的強(qiáng)度增強(qiáng)B 兩個(gè)神經(jīng)元同時(shí)興奮或同時(shí)抑制時(shí)，它們之間連接權(quán)的強(qiáng)度減弱C 兩個(gè)神經(jīng)元，一個(gè)興奮，另一個(gè)抑制，它們之間連接權(quán)的強(qiáng)度增強(qiáng)D 兩個(gè)神經(jīng)元，一個(gè)興奮，另一個(gè)抑制，它們之間連接權(quán)的強(qiáng)度不變 12在神經(jīng)網(wǎng)絡(luò)內(nèi)模控制結(jié)構(gòu)中，神經(jīng)網(wǎng)絡(luò)辨識(shí)器用來(lái)獲得（ A ）A 被控對(duì)象的正模型B 被控劉象的逆模型C 線性

15、濾波器D 控制器13單層神經(jīng)網(wǎng)絡(luò)，有三個(gè)輸入，三個(gè)輸出，它們之間的連接權(quán)有（ B ）A 6 個(gè)B 9 個(gè)C 16 個(gè)D 25個(gè)14多層前向神經(jīng)網(wǎng)絡(luò)與單層感知器相比較，下面（C）不是多層網(wǎng)絡(luò)所特有的特點(diǎn)A 采用誤差反向傳播算法C神經(jīng)元的數(shù)目可達(dá)到很多B 含有一層或多層的隱層神經(jīng)元15單層感知器網(wǎng)絡(luò)可以A 解決異或問題B .對(duì)稱型階躍函數(shù)D 隱層激活函數(shù)采用可微非線性函數(shù)16.能夠用于無(wú)導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型是（ A)A Hopfield 網(wǎng)絡(luò)BCMAC申經(jīng)網(wǎng)絡(luò)C BP 神經(jīng)網(wǎng)絡(luò)D自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)17.連續(xù)型 Hopfield 網(wǎng)絡(luò)BA 是前饋神經(jīng)網(wǎng)絡(luò)B 是單層反饋型非線性神經(jīng)網(wǎng)絡(luò)C 具有函數(shù)逼

16、近問題D 是多層反饋型非線性神經(jīng)網(wǎng)絡(luò)18.離散 Hopfield 網(wǎng)絡(luò)( CA 是多層反饋網(wǎng)絡(luò)B是多層反饋網(wǎng)絡(luò)C 具有聯(lián)想記憶功能D具有函數(shù)逼近功能19.神經(jīng)網(wǎng)絡(luò) PID 控制是一種( BA 前饋控制B反饋控制C 開環(huán)控制D混合控制20.單層感知器網(wǎng)絡(luò)可以( D)A 解決異或問題B實(shí)現(xiàn)函數(shù)逼近C 進(jìn)行優(yōu)化計(jì)算D 實(shí)現(xiàn)樣本分類B 實(shí)現(xiàn)樣本分類C 進(jìn)行優(yōu)化計(jì)算D 實(shí)現(xiàn)函數(shù)逼近)21連續(xù)型 Hopfield 網(wǎng)絡(luò)的神經(jīng)元轉(zhuǎn)移函數(shù)采用（ A ）A .對(duì)稱型Sigmoid函數(shù)C.分段線性轉(zhuǎn)移函數(shù)D .閾值型轉(zhuǎn)移函數(shù)22.在間接 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制中，（ B ）A 需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器B 需要一

17、個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器C 需要兩個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器D 需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及兩個(gè)個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器 生物神經(jīng)元的突觸連接相當(dāng)于神經(jīng)元之間的 A 輸入連接B輸出連接C 絕緣D輸入輸出接口在間接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制結(jié)構(gòu)中， 獲得 ( A ) A 被控對(duì)象的正模型C 線性濾波器生物神經(jīng)元的組成包括細(xì)胞體、軸突、樹突和A軸突末梢B細(xì)胞核C突觸D細(xì)胞膜以下不屬于人工神經(jīng)網(wǎng)絡(luò)主要特點(diǎn)的是 A信息并行處理BC信息分布在神經(jīng)元的連接上一般認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)最適用于A線性系統(tǒng)BC 多輸入多輸出系統(tǒng) 在直接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制中， A 需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器B 需要一個(gè)

18、神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器 C 需要兩個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器D 需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及兩個(gè)個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器 29離散型 Hopfield 網(wǎng)絡(luò)的神經(jīng)元轉(zhuǎn)移函數(shù)采用A .對(duì)稱型Sigmoid函數(shù)2324.25262728神經(jīng)網(wǎng)絡(luò)辨識(shí)器用來(lái)B 被控劉象的逆模型D 控制器網(wǎng)絡(luò)中含有神經(jīng)元D 可以逼近任意非線性系統(tǒng)( B非線性系統(tǒng)D 多變量系統(tǒng)B 對(duì)稱型階躍函數(shù)C 分段線性轉(zhuǎn)移函數(shù)30采用單層拓?fù)浞答伣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是A Hopfield 網(wǎng)絡(luò)C PID 神經(jīng)網(wǎng)絡(luò)31 基于多層前向神經(jīng)網(wǎng)絡(luò)的D 閾值型轉(zhuǎn)移函數(shù)A 一個(gè)C 三個(gè)BP網(wǎng)絡(luò) 小腦模型神經(jīng)網(wǎng)絡(luò)PID 控制系統(tǒng)結(jié)構(gòu)有( DB

19、 四個(gè)D 兩個(gè)32. 最早提出人工神經(jīng)網(wǎng)絡(luò)模型的學(xué)者是A HebbB McCulloch 和 PittsC Rosenblatt D Hopfield33. 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂凭哂蠥 直接逆控制的優(yōu)點(diǎn)和缺點(diǎn) B 直接逆控制的優(yōu)點(diǎn) C 直接逆控制的優(yōu)點(diǎn)，但無(wú)直接逆控制的缺點(diǎn))內(nèi)含神經(jīng)網(wǎng)絡(luò)的環(huán)節(jié)。D 直接逆控制的缺點(diǎn)第 5 章 遺傳算法1. 最早提出遺傳算法概念的學(xué)者是L.DavisD2 遺傳算法的基本操作順序是A 計(jì)算適配度、交叉、變異、選擇C計(jì)算適配度、選擇、交叉、變異3能夠往種群中引入新的遺傳信息是以下哪種遺傳算法的操作A 交叉B 復(fù)制C 優(yōu)選D 變異4哪一種說法是對(duì)遺傳算法中復(fù)制操作的描述

20、個(gè)體串按照它們的適配值進(jìn)行復(fù)制 隨機(jī)改變個(gè)體串的適配度函數(shù)值 隨機(jī)改變一些串中的一小部分 為權(quán)值隨機(jī)產(chǎn)生小的初始值( C ) 選擇、變異B 計(jì)算適配度、交叉、D 計(jì)算適配度、選擇、交叉、變異DABCD5 遺傳算法中，關(guān)于變異操作的最好敘述是 隨機(jī)改變一些“串”中的一小部分 隨機(jī)挑選新“串”組成下一代 為權(quán)隨機(jī)產(chǎn)生新的初始值 從兩個(gè)“串”中隨機(jī)組合遺傳信息B 優(yōu)選D 變異，“染色體”實(shí)際上是 適應(yīng)度函數(shù) 用編碼表示的字符串( B )B 隨機(jī)選擇“染色體”D 變異“染色體”的適應(yīng)度 染色體” ，“染色體”實(shí)際上是 (ABCD 6哪種遺傳算法的操作，能夠從種群中淘汰適應(yīng)度值小的個(gè)體(A 交叉C 復(fù)制

21、7遺傳算法將問題的求解表示成“染色體”A 基因 BC 種群D 8 哪種遺傳算法的操作，可以從父代雙親中繼承部分遺傳信息，傳給子代 ( A )A 交叉B 變異C 復(fù)制D 共享9下面哪種類型的學(xué)習(xí)能夠用于移動(dòng)機(jī)器人的路徑規(guī)劃B PID 神經(jīng)網(wǎng)絡(luò)D 遺傳算法A 多層前向神經(jīng)網(wǎng)絡(luò)C 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò) 10輪盤賭技術(shù)可用于A 選擇最好的“染色體”C 交叉所選擇的“染色體”11遺傳算法將問題的求解表示成A 種群 B 存在于細(xì)胞核中能被堿性染料染色的物質(zhì) C 用編碼表示的字符串D 各種數(shù)值12在遺傳算法中，復(fù)制操作可以通過( B )的方法來(lái)實(shí)現(xiàn)解析 B 隨機(jī)C 交叉匹配 D 變異判斷題第一章 緒論1. 與

22、傳統(tǒng)控制相比較，智能控制方法可以較好地解決非線性系統(tǒng)的控制問題。(V )2 智能控制系統(tǒng)采用分層遞階的組織結(jié)構(gòu)，其協(xié)調(diào)程度越高，所體現(xiàn)的智能也越高。(V )3分層遞階智能控制按照自下而上精確程度漸減、智能程度漸增的原則進(jìn)行功能分配。(V )4 智能系統(tǒng)是指具備一定智能行為的系統(tǒng)。(V)5 智能控制的不確定性的模型包括兩類，一類是模型未知或知之甚少； 另一類是模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。(V )第二章 專家系統(tǒng)1 在專家系統(tǒng)中，數(shù)據(jù)庫(kù)是領(lǐng)域知識(shí)的存儲(chǔ)器，是系統(tǒng)的核心部分之一。(V)2在設(shè)計(jì)專家系統(tǒng)時(shí)，知識(shí)工程師的任務(wù)是提供解決問題的知識(shí)和經(jīng)驗(yàn)。(x )3 數(shù) 據(jù) 庫(kù) 和 推 理 機(jī) 是

23、 專 家 系 統(tǒng) 的 核 心 部 分 。 ( 應(yīng) 為 知 識(shí) 庫(kù) )(x)4按照?qǐng)?zhí)行任務(wù)分類，專家系統(tǒng)有解釋型、預(yù)測(cè)型、診斷型、調(diào)試型、維修型等多種類型。(V )5 專家系統(tǒng)實(shí)質(zhì)上是一種數(shù)學(xué)計(jì)算系統(tǒng)。(x )6在設(shè)計(jì)專家系統(tǒng)時(shí)，知識(shí)工程師的任務(wù)是模仿人類專家，運(yùn)用他們解 決問題的知識(shí)和經(jīng)驗(yàn)。(V )第三章 模糊控制1. 模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復(fù)雜問題時(shí)，還 需要建立數(shù)學(xué)模型。(x )2在模糊控制中，為把輸入的確定量模糊化，需要建立模糊控制規(guī)則表。( 應(yīng)該是確定模糊集合 )(x )3在模糊集合的向量表示法中，隸屬度為 0的項(xiàng)必須用 0 代替而不能舍棄。(V)4

24、從模糊控制查詢表中得到控制量的相應(yīng)元素后，乘以比例因子即為控制 量的變化值。( V )5 與傳統(tǒng)控制相比，智能模糊控制所建立的數(shù)學(xué)模型因具有靈活性和應(yīng) 變性，因而能勝任處理復(fù)雜任務(wù)及不確定性問題的要求。(x )6. 在模糊語(yǔ)言變量中，語(yǔ)義規(guī)則用于給出模糊集合的隸屬函數(shù)。（V ）7 模糊控制對(duì)被控對(duì)象參數(shù)的變化不敏感，可用它解決非線性、時(shí)變、 時(shí)滯系統(tǒng)的控制。（V ）8. 普通關(guān)系是模糊關(guān)系的推廣，它描述兀素之間的關(guān)聯(lián)程度。（X ）9. 模糊控制就是不精確的控制。（X ）10. 在模糊控制中，為把輸入的確定量模糊化，需要建立語(yǔ)言變量賦值表。（V）11. 模糊控制規(guī)則是將人工經(jīng)驗(yàn)或操作策略總結(jié)而成

25、的一組模糊條件語(yǔ)句（V）12. 通常，模糊控制器的輸入、輸出語(yǔ)言變量分別取為控制系統(tǒng)的誤差和誤差變化率。（X ）13. 模糊控制器的輸入語(yǔ)言變量一般可取控制系統(tǒng)的誤差及其變化率。（V）14. 模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復(fù)雜問題時(shí)，還需要建立數(shù)學(xué)模型。（X ）IF-THEN 模糊規(guī)則15. T-S模糊控制系統(tǒng)采用系統(tǒng)狀態(tài)變化量或輸入變量的函數(shù)作為的后件，不可以描述被控對(duì)象的動(dòng)態(tài)模型。 （X ）16. Mamdani型模糊控制器，通過模糊推理得到的結(jié)果是精確量。（X ）17. 在模糊控制中，隸屬度是根據(jù)對(duì)象的數(shù)學(xué)模型來(lái)確定的。（X）18. 模糊控制中，語(yǔ)言變量的值可

26、用“負(fù)大、負(fù)小、零”等表示。（V）19. 模糊控制在一定程度上模仿人的模糊決策和推理，用它解決較復(fù)雜問題時(shí)，不需要建立數(shù)學(xué)模型。（ V ）第四章 神經(jīng)網(wǎng)絡(luò)1. 可以充分逼近任意復(fù)雜的非線性函數(shù)關(guān)系是神經(jīng)網(wǎng)絡(luò)的特點(diǎn)之一。 （V ）2. 一般情況下，神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型的并聯(lián)結(jié)構(gòu)可以保證系統(tǒng)辨識(shí)收斂。（X）3. 反饋型神經(jīng)網(wǎng)絡(luò)中，每個(gè)神經(jīng)兀都能接收所有神經(jīng)兀輸出的反饋信息。（V）4. 運(yùn)算效率高，收斂速度快是 BP 神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)之一。 （X ）5. 神經(jīng)兀的各種不同數(shù)學(xué)模型的主要區(qū)別在于采用了不同的轉(zhuǎn)移函數(shù)，從而使神經(jīng)兀具有不同的信息處理特性。（V ）6. 離散 Hopfield 網(wǎng)絡(luò)的兩種工作

27、方式是同步和異步工作方式。 （ V ）7. 神經(jīng)網(wǎng)絡(luò)已在多種控制結(jié)構(gòu)中得到應(yīng)用，如 PID控制、內(nèi)?？刂?、直接逆控制等。(V)8一般情況下，神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型的串 -并聯(lián)型結(jié)構(gòu)不利于保證系統(tǒng)辨識(shí)模型的穩(wěn)定性。(x )9. BP神經(jīng)網(wǎng)絡(luò)是一種多層全互連型結(jié)構(gòu)的網(wǎng)絡(luò) 。（X ）10離散型單層感知器的轉(zhuǎn)移函數(shù)一般采用閾值（符號(hào)）函數(shù)。（V）11. Hopfield 網(wǎng)絡(luò)的吸引子是指網(wǎng)絡(luò)的穩(wěn)定狀態(tài)。（V ）12. 兩關(guān)節(jié)機(jī)械手的控制可應(yīng)用小腦神經(jīng)網(wǎng)絡(luò)直接逆模型控制。（V）13. 神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)正模型辨識(shí)的結(jié)構(gòu)只有串聯(lián)結(jié)構(gòu)一種。（x）14. 連續(xù)型 Hopfield 網(wǎng)絡(luò)是多層前饋型神經(jīng)網(wǎng)絡(luò)，每一節(jié)點(diǎn)的

28、輸出均反饋至節(jié)點(diǎn)的輸入。（x ）第五章 遺傳算法1. 遺傳算法的復(fù)制操作可以通過隨機(jī)方法來(lái)實(shí)現(xiàn)，可使用計(jì)算機(jī)，也可使用輪盤賭的轉(zhuǎn)盤。（V ）2. 在遺傳算法中，初始種群的生成不能用隨機(jī)的方法產(chǎn)生。（x ）3. 遺傳算法的復(fù)制操作有嚴(yán)格的程序，不能通過隨機(jī)方法來(lái)實(shí)現(xiàn)。（x ）4. 遺傳算法具有進(jìn)化計(jì)算的所有特征，其主要用途是數(shù)值計(jì)算。（x ）5. 遺傳算法中，適配度大的個(gè)體有更多機(jī)會(huì)被復(fù)制到下一代。（V ）6. 在遺傳算法中，初始種群的生成不能用隨機(jī)的方法產(chǎn)生。（x ）名詞解釋第一章1. 智能控制有知識(shí)的“行為舵手” ，它把知識(shí)和反饋結(jié)合起來(lái)，形成感知 - 交互集、以目標(biāo)為導(dǎo)向的控 制系統(tǒng)。第二

29、章1. 專家系統(tǒng) 一種包含知識(shí)和推理的人工智能的計(jì)算機(jī)程序系統(tǒng)，這些程序軟件具有相當(dāng)于某個(gè)專門領(lǐng)域 專家的知識(shí)和經(jīng)驗(yàn)水平，同時(shí)具有處理該領(lǐng)域問題的能力2. 語(yǔ)義網(wǎng)絡(luò)通過概念及相互間語(yǔ)義關(guān)系，圖解表示知識(shí)網(wǎng)絡(luò)。3. 專家控制系統(tǒng)應(yīng)用專家系統(tǒng)的概念、原理和技術(shù)，模擬人類專家的控制知識(shí)和經(jīng)驗(yàn)而建造的控制系統(tǒng)。第三章1. 模糊控制模糊控制是把人類專家對(duì)特定的被控對(duì)象或過程的控制策略總結(jié)成一系列的控制規(guī)則，通過模糊推理得到控制作用集，作用于被控對(duì)象或過程。它無(wú)需建立系統(tǒng)模型，是解決不確定 系統(tǒng)的一種有效途徑。2. 模糊系統(tǒng)一種基于知識(shí)或基于規(guī)則的系統(tǒng)。它的核心就是有IF-THEN規(guī)則形成的知識(shí)庫(kù)。3.

30、模糊集合論域U上的模糊集A用一個(gè)在區(qū)間0 , 1上取值的隸屬度函數(shù) mA(u)來(lái)表示。4. 隸屬度某元素屬于模糊集合 A的程度稱為隸屬度，用隸屬度函數(shù)mA (x)描述。隸屬度函數(shù)的值是閉區(qū)間0,1上的一個(gè)數(shù)，表示元素 x屬于模糊集合 A的程度。5. 模糊關(guān)系X與Y直積 X Y x, y |x X, y Y中一個(gè)模糊子集 R稱為從X到Y(jié)的模糊關(guān)系。第四章1. 神經(jīng)網(wǎng)絡(luò)神經(jīng)元互連組成的網(wǎng)絡(luò)，從微觀結(jié)構(gòu)和功能上對(duì)人腦抽象、簡(jiǎn)化，是模擬人類智能的一條重要途徑，反映人腦功能的若干特征，如并行處理、學(xué)習(xí)聯(lián)想、分類等。2. 小腦模型神經(jīng)網(wǎng)絡(luò)由局部調(diào)整、相互覆蓋接收域的神經(jīng)元組成，模擬人的小腦學(xué)習(xí)結(jié)構(gòu)。是一種

31、基于表格 查詢式輸入輸出多維非線性映射能力。3. Hopfield 神經(jīng)網(wǎng)絡(luò)全連接型反饋動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，分為離散型和連續(xù)型兩種，網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài)時(shí)，其能量函數(shù) 達(dá)到最小。第五章1. 變異操作模擬生物在自然遺傳環(huán)境下由于各種偶然因素引起的基因突變，它以很小的概率隨機(jī)改變遺傳基因(表示染色體的符號(hào)串的某一位)的值。2. 適應(yīng)度函數(shù)遺傳算法中某個(gè)個(gè)體對(duì)環(huán)境的適應(yīng)程度，適應(yīng)值函數(shù)可由目標(biāo)函數(shù)變換而成。3. 遺傳算法建立在自然選擇和群體遺傳學(xué)機(jī)理基礎(chǔ)上的隨機(jī)迭代和進(jìn)化，具有廣泛適用性的搜索方法。簡(jiǎn)答題氏代第一早1智能控制的主要功能特點(diǎn)是什么(1) 多層遞階的組織結(jié)構(gòu)(2) 多模態(tài)控制(3) 自學(xué)習(xí)能力(4

32、) 自適應(yīng)能力(5) 自組織能力2智能控制的研究對(duì)象具備哪些特點(diǎn)？不確定性的模型； 高度的非線性； 復(fù)雜的任務(wù)要求。3與傳統(tǒng)控制相比，智能控制的主要特點(diǎn)是什么?(1) 處理復(fù)雜性、不確定性問題的能力;(2) 描述系統(tǒng)的模型更為廣泛；(3) 具有學(xué)習(xí)、適應(yīng)、組織的功能；(4) 具有分層信息處理和決策機(jī)構(gòu);(5) 控制其與對(duì)象、環(huán)境沒有明顯的分離。4智能控制有哪些主要類型?(1)(2)(3)(4)模糊控制神經(jīng)網(wǎng)絡(luò)控制專家控制分層遞階智能控制1.專家系統(tǒng)中，知識(shí)表示方法有哪些常用形式?2.1. 簡(jiǎn)述模糊控制器中的比例因子計(jì)算方法？設(shè)卜Umax, Umax為控制量U的變化范圍，n為0 Umax范圍內(nèi)的

33、區(qū)間個(gè)數(shù)，稱為量化區(qū)間數(shù)，則比 例因子 Ku= umax/n2. 設(shè)計(jì)一個(gè)模糊控制器必須要解決哪三個(gè)關(guān)鍵問題？1）設(shè)計(jì)模糊控制器要解決的第一個(gè)問題是 如何把確定量轉(zhuǎn)換為對(duì)應(yīng)的 模糊量 ；2）根據(jù)操作者的控制經(jīng)驗(yàn)制定模糊控制規(guī)則，并執(zhí)行模糊邏輯推理，以 得到一個(gè)輸出模糊集合，這一步稱為 模糊控制規(guī)則形成和推理 ；3）需要為模糊輸出量進(jìn)行 解模糊判決 ，實(shí)現(xiàn)控制。3. 在模糊控制器的設(shè)計(jì)中，常用的模糊判決方法有哪些？1、最大隸屬度法2、加權(quán)平均法3、重心法4、取中位數(shù)法4. 模糊控制中，描述語(yǔ)言變量常見的語(yǔ)言值有哪幾種？語(yǔ)言變量常見的語(yǔ)言值是負(fù)大（ NE）、負(fù)中（NM、負(fù)?。∟S、負(fù)零（NO、正零

34、（PO、 正?。≒S）、正中（PM、正大（PB）。5. 模糊控制系統(tǒng)由哪四個(gè)基本單元組成？1、模糊化接口；2、知識(shí)庫(kù)（規(guī)則庫(kù)和數(shù)據(jù)庫(kù)、3、推理機(jī)；4、反模糊化接口 。6. 簡(jiǎn)要回答基本模糊控制器的設(shè)計(jì)步驟？1、選擇輸入、輸出語(yǔ)言變量；2、建立各語(yǔ)言變量的賦值表；3、建立模糊控制規(guī)則表；4、建立查詢表。7. 試寫出幾種常見的模糊條件語(yǔ)句。單輸入 - 單輸出模糊控制器的模糊規(guī)則有兩種形式：（ 1、若 A 則 B 型； IF A THEN B(2)若 A貝U B型否貝U C型；IF A THEN B ELSE C雙輸入-單輸出模糊控制器的模糊規(guī)則(3)若 A且 B貝U C型。IF A and B T

35、HEN C第四章1. 在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法中，有導(dǎo)師學(xué)習(xí)的含義是什么？有導(dǎo)師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是糾錯(cuò)規(guī)則。在學(xué)習(xí)訓(xùn)練過程中需要不斷給網(wǎng)絡(luò)成對(duì)提供一個(gè)輸入模式和一個(gè)期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號(hào)”。將神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出同期望輸出進(jìn)行比較，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不符時(shí)，根據(jù)差錯(cuò)的方向和大小按一定的規(guī)則調(diào)整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更接近期望結(jié)果。2. 常用的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移函數(shù)有哪幾種類型？（1）對(duì)稱、非對(duì)稱閾值型轉(zhuǎn)移函數(shù)；（2）對(duì)稱、非對(duì)稱 Sigmoid型轉(zhuǎn)移函數(shù)；（3）分段線性轉(zhuǎn)移函數(shù)。3. 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 ）信息分布式存儲(chǔ)；（3

36、 ）容錯(cuò)性。4. 在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中，何謂無(wú)導(dǎo)師的學(xué)習(xí)？無(wú)導(dǎo)師學(xué)習(xí)也稱為 無(wú)監(jiān)督學(xué)習(xí)，是一種自組織學(xué)習(xí)。輸入模式進(jìn)入網(wǎng)絡(luò)后， 網(wǎng)絡(luò)按照一種預(yù)先設(shè)定的規(guī)則 ，如競(jìng)爭(zhēng)規(guī)則，反復(fù)調(diào)整網(wǎng)絡(luò)權(quán)值以響應(yīng)輸入模式的激勵(lì)，直到網(wǎng)絡(luò)最后形成某種有序狀態(tài)5. 簡(jiǎn)述BP神經(jīng)網(wǎng)絡(luò)的基本思想學(xué)習(xí)過程由信號(hào)的正向傳播和反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸人樣本由輸入層進(jìn)入，經(jīng)隱層處理后傳向輸出層。若實(shí)際輸出與教師信號(hào)不 符，則轉(zhuǎn)入誤差的反向傳播階段。反向傳播時(shí)，輸出誤差將通過隱層向輸人層逐層反傳，并把誤差分?jǐn)偠玫礁鲗訂卧恼`差信號(hào)，作為修正各單元權(quán)值的依據(jù) 。權(quán)值的調(diào)整過程即網(wǎng)絡(luò)的學(xué)習(xí)過程，直到網(wǎng)絡(luò)輸出精度滿足要求為

37、止。1.給出遺傳算法的一般算法流程圖1.設(shè)論域 U = Xi X2 X3 X405 +Xi0.30.40.2+ +X2X3X4第3章模糊控制X5，兩個(gè)模糊集合為Xi0.6+X41X5試求：A U B、A I B、B。驏0.8 0.7亠驏.2 0.4亠2. 設(shè)有模糊矩陣A =纟主B =纟主試求桫.5 0.3三桫.6 0.9三(1) A與B的復(fù)合Ti(2) B與A的復(fù)合T2類似得可以求得驏.1 0.3亠驏.8 0.5亠3. 設(shè)有模糊矩陣A =桫.8 0.2圭B =桫.3 0.2圭試求(1) AI B( 2) A與B的復(fù)合T驏0.5 0.6亠驏.2 1.0亠4. 設(shè)有模糊矩陣A =， B =，試求桫

38、.7 0.4-桫.8 0.4 一(1) AU B5. 設(shè)論域U ，出上的模糊結(jié)合A和B如下：1U10.6U20.4U30.20.8U2U3求：AU B, AI B, A6. 論域X=0 , 100上的模糊集合A代表“偏大”，在0 , 80區(qū)間上mA(X) =0.0125 x,在80 , 100區(qū)間上 叫(x) =1。寫出A的隸屬度函數(shù)解析表達(dá)式, 并畫出其隸屬度函數(shù)曲線。7. 畫出以下兩種情況的隸屬函數(shù)：(a) 精確集合 A x| 4 X2的隸屬函數(shù)；(b) 寫出單點(diǎn)模糊(singleton fuzzification)隸屬函數(shù)的數(shù)學(xué)表達(dá)形式，并畫出隸屬 函數(shù)圖。(a)(b)8. 設(shè)有一個(gè)模糊

39、控制器的輸出結(jié)果為模糊集合U,表示為用重心法求模糊判決的結(jié)果？=-1.0279. 設(shè)有一個(gè)模糊控制器的輸出結(jié)果為模糊集合U,表示為用最大隸屬度法求模糊判決的結(jié)果？存在3個(gè)最大隸屬度mu (2) = mu (4) = mu (5) =0.81或者 u0 =(2 + 5) = 3.5210. 語(yǔ)言變量的量化等級(jí)都是9級(jí)，即-4,-3，-2，-1，0，1，2，3, 4。誤差e的 論域?yàn)?50,50，控制輸出u的論域?yàn)?64,64，求量化因子Ke，K為多少？emax=0.08（ 3 分）50（3 分）U max64Ku = 16n 411. 某語(yǔ)言變量五元組描述示意圖如下所示，分別說明圖中的語(yǔ)言變量、

40、語(yǔ)言變量值的集合、論域具體指什么？G-2，-1，12,4，5,、：論域4早圭 誤差誤差：語(yǔ)言變量負(fù)大，負(fù)中，負(fù)小，零-6 負(fù)大，-4，13.設(shè)廠二Y=正中正大Y上0minmJx1 ,mB （y 3456根據(jù) m-5 B （x,-y ） = m（X）?-気（yj12, 3,5,収I輸出B1的0.40.710.40.70.70.30.30.3000000模糊推理輸出B1 = A1 o R 14.設(shè)T=爐溫，V=電壓。某控制系統(tǒng)的人工操作經(jīng)驗(yàn)為若爐溫低于100C則升壓；若爐溫高于100C則降壓；若爐溫等于100C則保持電壓不變。選擇輸出語(yǔ)言變量U為電壓變化量。輸入、輸出語(yǔ)言變量均選 3個(gè)語(yǔ)言值：正、

41、零、負(fù)，分別用模糊子集P、0、N表示。試用以上控制規(guī)則給出基本模糊控制器的模t ifE =N thenU=Pt ifE =:P thenU =:Nt ifE :=O thenU :=OE為爐溫誤差，即 E=T-100;糊控制規(guī)則表。選擇輸入語(yǔ)言變量若爐溫低于200C則升壓；若爐溫高于200C則降壓；若爐溫等于200C則保持電壓不變。由以上模糊控制規(guī)則建立控制規(guī)則表。（2分）EU15.某液位控制系統(tǒng)的若液位低于 400cm度，低得越多開得越大；人工操作經(jīng)驗(yàn)為則增大流入閥閥門開若液位等于400cm則保持流入閥閥門開度不變;若液位高于400cm則減小流入閥閥門開度，高得越多開得越小。描述輸入變量及輸出變量的語(yǔ)言值的量化范圍可取為：負(fù)大、負(fù)小、零、正小、正大。試寫出該系統(tǒng)的單輸入單輸出模糊控制規(guī)則，