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(diǎn)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(diǎn) 有：集散控制系統(tǒng) ：

2、以微處理器為基礎(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(shí)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(diǎn)，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(diǎn)，既實(shí)現(xiàn)了在管理、操作和顯示三方面集中，又實(shí)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(diǎn)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

3、一個智能計算機(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(yàn)，能夠利用人類專家 的知識和解決問題的經(jīng)驗(yàn)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(diǎn)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

4、策周期越長，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(diǎn)。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、

6、聲音、物體識別裝置。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(yùn)動軌跡（跟隨系統(tǒng)），因此具有控制任務(wù)單一性的特點(diǎn)，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(yùn)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

7、和以數(shù)學(xué)表示的混合控制過程， 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(diǎn)，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(bǔ)償及自修復(fù)能力和判斷決策能力。4把智能控制看作是 AI（人工智能 ）、OR（運(yùn)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(diǎn)，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(yùn)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

8、 控制，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(shí)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(shí)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(yùn)動參數(shù)、焊接參數(shù)等，并 自

9、動生成一個連續(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(shí)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(diǎn)至點(diǎn)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± 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

10、，世界上許多的事物都 具有模糊非電量的特點(diǎn)。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

11、態(tài)和類屬是確定的，是一種外在的不確定性。相同點(diǎn) 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(diǎn) 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(yùn)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(diǎn) ：都屬于集合，同時具有集合的基本性質(zhì)。兩者異同點(diǎn) ：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

12、隸屬關(guān)系也不是明確的；普通集合是指具有某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：0old (x) 2 1old 1 (x 50/5) 2x 5050x 100確定“ NOT So Old ”，“Very Old ”，“MORE Or LESS Old ”的隸屬函數(shù)。0 x 50解：NOT So old (x)11 (x 50/5) 2 250 x 1000(x)0 x 506. 令論域 U1 2 3 4 ，給定語言變量“ Small ”=1/1+0.7/2+0.3/3+0.

13、1/4和模糊關(guān)系 R=“Almost 相等”定義10.60.100.610.60.1利用 max-min 復(fù)合運(yùn)算，試計算：0.10.610.600.10.61如下： RR(y) ( X是Small ) (Almost相等)。00x 50MORE or less old(x)121 (x 50/5) 2 450x 1002Very old1(x 50/5)250 x 100A0.70.50.10.80.40.10.25.已知存在模糊向量 A 和模糊矩陣 R 如下：計算 B A R 。R0.60.400.100.30.60.310.0.610.10.600.1解： R（ y） （10.70.3

14、0.1)0.1 0.610.600.10.61(11)(0.70.6)(0.30.1)(0.1T0) T(10.6)(0.71) (0.3 0.6)(0.10.1)1 0.7 0.6 0.3(10.1)(0.70.6)(0.31)(0.10.6)(10)(0.70.1)(0.30.6)(0.11)10.800.10.20.810.400.97. 已知模糊關(guān)系矩陣：R00.4100計算 R 的二至四次冪。0.10010.50.2 0.9 0 0.5 110.800.10.210.800.10.210.80.40.20.80.810.40 0.90.810.400.90.810.40.50.9解：

15、 R2R?R00.410000.41000.40.4100.40.10010.50.10010.50.20.5010.50.20.900.510.20.900.510.80.90.40.5110.80.40.50.810.80.40.50.80.810.40.50.90.810.40.50.9R3R?R20.40.410.40.4R4R2?R20.40.410.40.40.50.50.410.50.50.50.410.50.80.90.40.510.80.90.40.518. 設(shè)有論域 X x1, x2, x3, Y y1,y2, y3, Z z1, z2 ，二維模糊條件語句為“若A且B則 C

16、”，其中0.510.1A, A F(X)x1x2x3*A*0.110.6B, B F(Y)已知y1y2y3B*0.41CC F(Z)z1z2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 BC.0.5R1TAT B1 0.10.60.1將 R1T 按行展開寫成列向量為0.1 0.50.50.10.10.10.40.50.50.40.50.50.40.10.10.4所以， RR1TC10.4 110.40.60.60.40.10.10.40.10.10.40.10.10.410.10.51AB0.50.10.5 10.10.50.5 ，0.10.10.10.110.

17、50.1 ,*F(X)A*x1x2x30.10.51,*F(Y)B*y1y2y30.50.10.51 0.50.60.10.50.510.11110.60.110.60.10.10.11 0.10.60.10.10.1T1 0.6 0.1 0.1 0.10.110.10.10.510.40.50.510.40.50.110.10.1110.41 . 又因?yàn)?CABR，0.610.40.60.110.10.10.110.10.10.110.10.1將 A B 按行展開寫成行向量，為0.4 0.50.1 0.5 1 0.1 0.5 0.5 0.1 0.1 0.1 ，則 C A B R 0.4 0.

18、5 即 Cz1z29. 已知語言變量 x，y， z。X 的論域?yàn)?1,2,3 ，定義有兩個語言值： “大” 0, 0.5, 1 ；“小” =1, 0.5, 0 。Y 的論域?yàn)?10,20,30,40,50 ，語言值為：“高” =0, 0, 0, 0.5, 1 ；“中” =0, 0.5, 1, 0.5, 0; “低” =1, 0.5, 0, 0, 0 。Z 的論域?yàn)?0.1,0.2,0.3 ，語言值為： “長” =0, 0.5, 1 ；“短” =1, 0.5, 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” 那么

19、z 是“短”。所蘊(yùn)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” =0.7, 0.25, 0，y 是“略高” =0, 0, 0.3, 0.7, 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。同理可得；0000.50.5010.500.50.500000000.50.50尺=（匕玄）込二0.50.500.50.50000000000000000000則可知：!00 _ 000_ 000 _0000.50.500.50.5000010.5010.500000.50.500.50.500000000000000000000

20、000.50.500.50.50恥&U&二000U0.50.500.50.5000.50.50.50.500.50.50.500.50.500000.50.500000000000000000000000000000.50.500000.50.500.51_ 000_00.51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(shí)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

21、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，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(yàn)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(yàn)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

22、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(shí)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 ：

23、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)的元素作為控制器輸出的精確值，如 果有多個最大點(diǎn)，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。7 級，取 5 個（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

24、一下控制經(jīng)驗(yàn)：（ 1）若爐溫低于 600 度，則升壓；低得越多升壓就越高。（ 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 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(diǎn)的溫度為 T0 ,實(shí)際測量溫度為 T ，溫度差為 e T T0 T 。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 e 變化劃分表 為：隸屬度變化等級-3-2-10123模糊集PB000000.51PS000010.5

25、0ZE000.510.500NS00.510000NB10.500000控制電壓 u 變化劃分表 為：隸屬度變化等級-3-2-10123模糊集PB000000.51PS000010.50ZE000.510.500NS00.510000NB10.500000根據(jù)一上兩表設(shè)計一下模糊規(guī)則：若e負(fù)大，則 u正大；若 e負(fù)小，則 u正小；若 e為0，則 u為0；若 e 正小，則 u 負(fù)小；若 e 正大，則 u 負(fù)大。 模糊控制規(guī)則表 為：若（if）NLeNSe0ePSePLE則（ then）NLuNSU0uPSuPLu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) ：（

26、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(shí)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

27、）、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(diǎn)是什么？答： 人工神經(jīng)元模型的特點(diǎn) ：（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

28、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(diǎn)是什么？如何分類？答： 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) ：（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)融合（ 5）、適用于多變量系統(tǒng)（6）、便于硬件實(shí)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

29、一個輸入節(jié)點(diǎn)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(shí)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(shí)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)

30、。（ 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(diǎn)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

31、搜索技術(shù)，以使 網(wǎng)絡(luò)的實(shí)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(diǎn) ：（ 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

32、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)； （ 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(diǎn)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?、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？它們各有突出的特點(diǎn)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)

33、為非零值，因而是全局逼近的神經(jīng)網(wǎng)絡(luò)。 其 突出特點(diǎn) 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)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(diǎn) 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，且無局部最小；

34、 3、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(dú)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(diǎn)，避免去確定隱層和隱層點(diǎn)數(shù)，網(wǎng)絡(luò)可以根據(jù)具體問題自適應(yīng)的調(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。124. 已知

35、一個非線性函數(shù) y （ x12）sin（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(diǎn)2的表達(dá)式以及各層節(jié)點(diǎn)輸出值的范圍。12 解：非線性函數(shù) y （ x12）sin（2 x2 ）畫出三層 BP 網(wǎng)絡(luò)的結(jié)構(gòu)圖第六章 高級神經(jīng)網(wǎng)絡(luò)k1.PID 控制器的一般形式為 u(k) kpe(k) ki e( j ) kd e(k) e(k 1) ，也可寫成等價形式 j0由輸入得到兩個隱節(jié)點(diǎn)、一個輸出層節(jié)點(diǎn)的輸出，輸入層不考慮閾值兩個隱節(jié)點(diǎn)、一個輸出層節(jié)點(diǎn)輸出為由上式可得活化函數(shù)選擇 S型函數(shù) y f (xl)1 xl1e如教材例 6.1，取第一個輸入、輸出神經(jīng)元與各隱含神

36、經(jīng)元的連接權(quán)均為的連接權(quán)為 2.則1，第二個輸入、輸出神經(jīng)元與各隱含層單元u(k) k1u1(k) k2u2(k) k3u3(k)，其中 u1(k) e(k),u2(k) j 0e(k), ，k1,k2,k3為PID 控制器 kp,ki,kd三個參數(shù) u3 (k)e(k) e(k) e(k 1)的線性表示。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)。

37、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(yùn)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(diǎn)數(shù)和隱含層節(jié)點(diǎn)數(shù)， 并給出各層加權(quán)系數(shù)的初值 w1 和 w2 ， 并選定學(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)

38、整加 權(quán)系數(shù)，實(shí)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。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) 。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(diǎn)和優(yōu)點(diǎn)？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(yàn)性知識以及有關(guān)的事實(shí)、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)

39、：推理機(jī)時專家系統(tǒng)的思維機(jī)構(gòu)，實(shí)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(yùn)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(shí)性知識和領(lǐng)域?qū)＜宜赜械慕?jīng)驗(yàn) 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(yàn)證中進(jìn)行，是一件困難的工作。專家系統(tǒng)的特點(diǎn) ：具有專家水平的專門知識，能進(jìn)行有效的推理，專

40、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(shí)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(shí)現(xiàn)知識推理的 智能操作過程。在專家系統(tǒng)中，可以依據(jù)專家所具有的知識的特點(diǎn)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

41、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(diǎn)？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，決策機(jī)構(gòu)的遞階性，推理 與決策的實(shí)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(diǎn)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(shí)時控制的可靠性能。這種系統(tǒng)采用黑板等

42、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(shí)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；而專家控制則要求能 對控制動作進(jìn)行獨(dú)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(shí)時性，即能聯(lián)機(jī)

43、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(diǎn)，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(diǎn) ：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。間接專家控制系統(tǒng)的特點(diǎn) ：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(diǎn)是

44、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(yàn)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(shí)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(yàn)來實(shí)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(yàn)形式化，在控制過程中實(shí)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(shí)現(xiàn)知識推理的智能 操作過程。（ 2）模糊控制系統(tǒng) ：模糊推理作為近似推理的一個分支，是模糊控制的