智能控制復(fù)習(xí)題

1、智能控制復(fù)習(xí)第一章 選擇題1 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2經(jīng)常作為智能控制典型研究對象的是B 智能故障診斷系統(tǒng)D 智能機器人A 智能決策系統(tǒng)C 智能制造系統(tǒng)3解決自動控制面臨問題的一條有效途徑就是，把人工智能等技術(shù)用入自動控制系統(tǒng)中， 其核心是A 控制算法（ B ）B 控制器智能化C 控制結(jié)構(gòu)D 控制系統(tǒng)仿真4智能自動化開發(fā)與應(yīng)用應(yīng)當(dāng)面向 （ C ）A 生產(chǎn)系統(tǒng)C 復(fù)雜系統(tǒng)5不屬于 智能控制是 A 神經(jīng)網(wǎng)絡(luò)控制C 模糊控制6以下不屬于智能控制主要特點的是A 具有自適應(yīng)能力C 具有分層遞階組織結(jié)構(gòu)7以下不屬于智能控制的是A 神經(jīng)網(wǎng)絡(luò)控制C 模糊控制1

2、地質(zhì)探礦專家系統(tǒng)常使用的知識表示方法為A 語義網(wǎng)絡(luò)B 管理系統(tǒng)D 線性系統(tǒng)（ D ）B 專家控制D 確定性反饋控制（ D ）B 具有自組織能力D 具有反饋結(jié)構(gòu)（ D ）B 專家控制D 自校正調(diào)節(jié)器第二章 選擇題（ D ）B 框架表示C 劇本表示D 產(chǎn)生式規(guī)則2自然語言問答專家系統(tǒng)使用的知識表示方法為（ B ）A 框架表示C 劇本表示3 專家系統(tǒng)中的自動推理是基于（A 直覺C 知識B 語義網(wǎng)絡(luò)D 產(chǎn)生式規(guī)則C ）的推理。B邏輯D預(yù)測4適合專家控制系統(tǒng)的是A 雷達故障診斷系統(tǒng)C 聾啞人語言訓(xùn)練系統(tǒng)（ D ）B 軍事沖突預(yù)測系統(tǒng)D 機車低恒速運行系統(tǒng)5 直接式專家控制 通常由 （ B ） 組成A 控

3、制規(guī)則集、知識庫、推理機和傳感器B 信息獲取與處理、知識庫、控制規(guī)則集和推理機C 信息獲取與處理、知識庫、推理機和傳感器 D 信息獲取與處理、控制規(guī)則集、推理機和傳感器6 專家控制可以稱作基于（ D ）的控制。A直覺B邏輯C預(yù)測D知識7直接式專家控制通常由（ C ） 組成A 信息獲取與處理、知識庫、推理機構(gòu)和傳感器B 信息獲取與處理、知識庫、控制規(guī)則集和傳感器C 信息獲取與處理、知識庫、推理機構(gòu)和控制規(guī)則集D 信息獲取與處理、控制規(guī)則集、推理機構(gòu)和傳感器8 專家系統(tǒng)的核心部分是（ B ）A 人機接口、過程接口、推理機構(gòu)B 知識庫、數(shù)據(jù)庫、推理機構(gòu)C 人機接口、知識獲取結(jié)構(gòu)、推理機構(gòu)D 知識庫、

4、數(shù)據(jù)庫、人機接口9以下不屬于專家系統(tǒng)知識表示法的是（ C ）A 彩色 Petri 網(wǎng)絡(luò)B 語義知識表示C 樣本分類D 產(chǎn)生式規(guī)則10 產(chǎn)生式系統(tǒng)的推理方式不包括（ C ）A 正向推理B 反向推理C 簡單推理D 雙向推理11 肺病診斷專家系統(tǒng)使用的知識表示方法為 （ D ）A 語義網(wǎng)絡(luò)B 產(chǎn)生式規(guī)則C 劇本表示D 框架表示12以下不屬于專家系統(tǒng)組成部分的是（ A ）A 專家B 數(shù)據(jù)庫C 知識庫13黑板專家控制系統(tǒng)的組成有A 黑板、數(shù)據(jù)庫、調(diào)度器D 解釋部分（ C ）B 數(shù)據(jù)庫、知識源、調(diào)度器C黑板、知識源、調(diào)度器D 黑板、規(guī)則庫、調(diào)度器14建立專家系統(tǒng)，最艱難（ “瓶頸” ）的任務(wù)是A 知識表示

5、B 知識獲取C 知識應(yīng)用 D 知識推理15 在專家系統(tǒng)中，D ）是專家系統(tǒng)與用戶間的人- 機接口A知識庫BC 推理機D數(shù)據(jù)庫解釋機構(gòu)16 產(chǎn)生式系統(tǒng)包含的基本組成A知識庫、規(guī)則庫和數(shù)據(jù)庫C知識庫、規(guī)則庫和模型庫（ A ）B 規(guī)則庫、模型庫和控制器D 規(guī)則庫、數(shù)據(jù)庫和控制器第三章 模糊控制1.某模糊控制器輸出信息的解模糊判決公式為? Ui mu (Ui)Uo = 三，該解模糊方法mu (U)為A最大隸屬度法i = 1(D )B取中位數(shù)法C隸屬度限幅元素平均法D重心法2 .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de

6、C控制加熱裝置的電壓的誤差e和溫度誤差變化量deD控制加熱裝置的電壓的誤差 e和溫度誤差變化量de3 .下列概念中不能用普通集合表示的是A控制系統(tǒng)B低于給定溫度C工程師D壓力不足4 .以下應(yīng)采用模糊集合描述的是A 高三男生B年輕C教師D社會,據(jù)此可建立5 .總結(jié)手動控制策略，得出一組由模糊條件語句構(gòu)成的控制規(guī)則A輸入變量賦值表C模糊控制器查詢表(D )B輸出變量賦值表 D模糊控制規(guī)則表6 .某模糊控制器的語言變量選為實際溫度與給定溫度之差即誤差e、誤差變化率 e；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(A )B單輸出一單輸入D單輸出一雙輸入為A

7、a截集C 核8.在模糊控制中，隸屬度A不能是1或07 .在論域U中，模糊集合A的支集只包含一個點u,且mA(u)=1,則A稱(B )B模糊單點D支集(C )B根據(jù)對象的數(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對應(yīng)的元素u稱為(A )A交叉點B模糊單點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 最大隸屬度法D 中位數(shù)法A 重心法C 系 數(shù)加權(quán)平均法11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“略微老”相當(dāng)于A ，其中 為， （ C ）A 2B 4C 12

8、D 1412 若對誤差、誤差變化率論域X、 Y 中元素的全部組合計算出相應(yīng)的控制量變化Uj ,可寫成矩陣（Ujm , 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de14以下的集合運算性質(zhì)中，模糊集合不滿足的運算性質(zhì)（ D）A 交換律B結(jié)合律C 分配律D互補律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16在選定模糊控制器的

9、語言變量及各個變量所取的語言值后，可分別為各語言變量建立各自的（ C ）A 控制規(guī)則表B 控制變量賦值表C 語言變量賦值表D 論域量化表17模糊控制方法是基于（ D ）A模型控制B 遞推的控制C學(xué)習(xí)的控制D 專家知識和經(jīng)驗的控制18. 以下應(yīng)采用模糊集合描述的是（ B ）A 學(xué)生B大蘋果C 老師D演員19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 “極老” 相當(dāng)于 A ，其中 為， （ D ）A 2B 4C 12D 1420某液位模糊控制系統(tǒng)的語言變量選為實際溫度與給定溫度之差即誤差e 以及加熱裝置中可控硅導(dǎo)通角的變化量 u,但不考慮溫度誤差變化率 e,該模糊控制器應(yīng)

10、為（ B ）A雙輸入一單輸出B單輸入一單輸出C雙輸入一雙輸出D單輸入一雙輸出21模糊隸屬度函數(shù)曲線的形狀可以為 （ C ）A 橢圓形B 平行四邊形C 梯形D 圓形22在選定模糊控制器的語言變量及各個變量所取的語言值后，可分別為各語言變量建立各自的（ C ）A 控制規(guī)則表B 控制查詢表C 語言變量賦值表D 基本論域量化表23.某模糊控制器的語言變量選為實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

11、的術(shù)語“正中” ，可用符合（ D ）表示A PBB NMC ZED PM26 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

12、力不足C 機電工程師D 低于給定溫度30在模糊控制中，隸屬度（ C ）A 不能是 1 或 0B 是根據(jù)對象的數(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31最適合作為語言變量的值是B天氣D表演A 速度C 特別32.若模糊集合A表示模糊概念“老”，其隸屬度函數(shù)為以，則模糊概念“非常老” 相當(dāng)于 A ，其中A 2C121 BP 網(wǎng)絡(luò)使用的學(xué)習(xí)規(guī)則是A 相關(guān)規(guī)則C 競爭規(guī)則2 BP 神經(jīng)網(wǎng)絡(luò)所不具備的功能是A 自適應(yīng)功能C 優(yōu)化功能為， （ C ）B 4D 14第 4 章 神經(jīng)網(wǎng)絡(luò)（ B ）B 糾錯規(guī)則D 模擬退火算法（ C ）B 泛化功能D 非線性映射功能3 由于各神經(jīng)元之間的突

13、觸連接強度和極性有所不同并可進行調(diào)整，因此人腦才具有 （ A ） 的功能。A 學(xué)習(xí)和存儲信息 B 輸入輸出C 聯(lián)想D 信息整合4 采用單層拓撲結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是（ A ）A Hopfield網(wǎng)絡(luò)B 生物神經(jīng)網(wǎng)絡(luò)C BP 網(wǎng)絡(luò)D 小腦模型網(wǎng)絡(luò)5 單層神經(jīng)網(wǎng)絡(luò)，有兩個輸入，兩個輸出，它們之間的連接權(quán)有（ B ）A 6個B 4個C 2個D 8個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D 混合7誤差反向傳播算法屬于（B ）學(xué)習(xí)規(guī)則A 無導(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)實現(xiàn)B 網(wǎng)絡(luò)中含有神

14、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)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)10. PID神經(jīng)網(wǎng)絡(luò)控制中，控制器使用了（ C ）A CMACW經(jīng)網(wǎng)絡(luò)B Hopfield 網(wǎng)絡(luò)C PID 神經(jīng)網(wǎng)絡(luò)D 感知器網(wǎng)絡(luò)11.下面哪個方程最好描述了Hebb學(xué)習(xí)規(guī)則（A ）A 兩個神經(jīng)元同時興奮或同時抑制時，它們之間連接權(quán)的強度增強B 兩個神經(jīng)元同時興奮或同時抑制時，它們之間連接權(quán)的強度減弱C 兩個神經(jīng)元，一個興奮，另一個抑制，它們之間連接權(quán)的強度增強D 兩個神經(jīng)元，一個興奮，另一個抑制，它們之間連接權(quán)的

15、強度不變12在神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)中，神經(jīng)網(wǎng)絡(luò)辨識器用來獲得（ A ）A被控對象的正模型B 被控劉象的逆模型C線性濾波器D 控制器13單層神經(jīng)網(wǎng)絡(luò)，有三個輸入，三個輸出，它們之間的連接權(quán)有（ B ）A 6 個B 9 個C 16 個D 25個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A 采用誤差反向傳播算法C 神經(jīng)元的數(shù)目可達到很多B 含有一層或多層的隱層神經(jīng)元D 隱層激活函數(shù)采用可微非線性函數(shù)15 單層感知器網(wǎng)絡(luò)可以A 解決異或問題B 實現(xiàn)樣本分類C 進行優(yōu)化計算D 實現(xiàn)函數(shù)逼近16能夠用于無導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型是A Hopfield 網(wǎng)絡(luò)C BP 神經(jīng)

16、網(wǎng)絡(luò)B CMAC申經(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)A 是前饋神經(jīng)網(wǎng)絡(luò)（ B ）B 是單層反饋型非線性神經(jīng)網(wǎng)絡(luò)C 具有函數(shù)逼近問題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)A 是多層反饋網(wǎng)絡(luò)BC 具有聯(lián)想記憶功能D19.神經(jīng)網(wǎng)絡(luò)PID控制是一種A 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A 解決異或問題 BC 進行優(yōu)化計算（ C ）是多層反饋網(wǎng)絡(luò) 具有函數(shù)逼近功能（ B ）（ D ）實現(xiàn)函數(shù)逼近D 實現(xiàn)樣本分類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.對稱型Sigmoid函數(shù)B 對稱型階躍函數(shù)C

17、.分段線性轉(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，A 需要一個神經(jīng)網(wǎng)絡(luò)控制器D 閾值型轉(zhuǎn)移函數(shù)（ B ）B 需要一個神經(jīng)網(wǎng)絡(luò)控制器及一個神經(jīng)網(wǎng)絡(luò)辨識器C 需要兩個神經(jīng)網(wǎng)絡(luò)控制器及一個神經(jīng)網(wǎng)絡(luò)辨識器D 需要一個神經(jīng)網(wǎng)絡(luò)控制器及兩個個神經(jīng)網(wǎng)絡(luò)辨識器23生物神經(jīng)元的突觸連接相當(dāng)于神經(jīng)元之間的（ D ）A 輸入連接B輸出連接C 絕緣D輸入輸出接口24. 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，神經(jīng)網(wǎng)絡(luò)辨識器用來獲得（ A ）A被控對象的正模型B 被控劉象的逆模型C 線性濾波器D 控制器25生物神經(jīng)元的組成包括細胞體、軸突、樹突和（ C ）A軸突末梢B細胞核C突觸D細胞膜26以下不屬于人工神

18、經(jīng)網(wǎng)絡(luò)主要特點的是（ B ）A信息并行處理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)27一般認為，人工神經(jīng)網(wǎng)絡(luò)最適用于（ B ）A 線性系統(tǒng)B 非線性系統(tǒng)C 多輸入多輸出系統(tǒng)D 多變量系統(tǒng)28在 直接 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制中， （ A ）A 需要一個神經(jīng)網(wǎng)絡(luò)控制器B 需要一個神經(jīng)網(wǎng)絡(luò)控制器及一個神經(jīng)網(wǎng)絡(luò)辨識器C 需要兩個神經(jīng)網(wǎng)絡(luò)控制器及一個神經(jīng)網(wǎng)絡(luò)辨識器D 需要一個神經(jīng)網(wǎng)絡(luò)控制器及兩個個神經(jīng)網(wǎng)絡(luò)辨識器29 離散型 Hopfield 網(wǎng)絡(luò)的神經(jīng)元轉(zhuǎn)移函數(shù)采用 （ D ）A 對稱型Sigmoid 函數(shù)B 對稱型階躍函數(shù)C.分段線性轉(zhuǎn)移函數(shù)D,閾值型轉(zhuǎn)移函數(shù)30

19、 采用單層拓撲反饋結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是（ A ）A Hopfield 網(wǎng)絡(luò)B BP 網(wǎng)絡(luò)C PID 神經(jīng)網(wǎng)絡(luò)D 小腦模型神經(jīng)網(wǎng)絡(luò)31 基于多層前向神經(jīng)網(wǎng)絡(luò)的PID 控制系統(tǒng)結(jié)構(gòu)有（ D）內(nèi)含神經(jīng)網(wǎng)絡(luò)的環(huán)節(jié)。A 一個B 四個C 三個D 兩個32最早提出人工神經(jīng)網(wǎng)絡(luò)模型的學(xué)者是（ B ）A HebbB McCulloch和PittsC Rosenblatt D Hopfield33神經(jīng)網(wǎng)絡(luò)內(nèi)模控制具有（ C ）A 直接逆控制的優(yōu)點和缺點 B 直接逆控制的優(yōu)點C 直接逆控制的優(yōu)點，但無直接逆控制的缺點D 直接逆控制的缺點第 5 章 遺傳算法1 . 最早提出遺傳算法概念的學(xué)者是（ A ）D L.Davis

20、2 遺傳算法的基本操作順序是（ C ）A 計算適配度、交叉、變異、選擇 B 計算適配度、交叉、選擇、變異C 計算適配度、選擇、交叉、變異D 計算適配度、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（ D ）A交叉B 復(fù)制C優(yōu)選D 變異4哪一種說法是對遺傳算法中復(fù)制操作的描述（ A ）A 個體串按照它們的適配值進行復(fù)制B 隨機改變個體串的適配度函數(shù)值C 隨機改變一些串中的一小部分D 為權(quán)值隨機產(chǎn)生小的初始值5 遺傳算法中，關(guān)于變異操作的最好敘述是（ A ）A 隨機改變一些“串”中的一小部分B 隨機挑選新“串”組成下一代C 為權(quán)隨機產(chǎn)生新的初始值D 從兩個“串”中隨機組合

21、遺傳信息6哪種遺傳算法的操作，能夠從種群中淘汰適應(yīng)度值小的個體（C ）A交叉B優(yōu)選C復(fù)制D變異7遺傳算法將問題的求解表示成“染色體”， “染色體”實際上是（ D ）A基因B適應(yīng)度函數(shù)C 種群D 用編碼表示的字符串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”9下面哪種類型的學(xué)習(xí)能夠用于移動機器人的路徑規(guī)劃 （ D ）B PID 神經(jīng)網(wǎng)絡(luò)D 遺傳算法（ B ）B 隨機選擇“染色體”D 變異“染色體”的適應(yīng)度11遺傳算法將

22、問題的求解表示成“染色體” ， “染色體”實際上是（ C ）A 種群B 存在于細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 ）的方法來實現(xiàn)解析B 隨機C 交叉匹配D 變異判斷題第一章 緒論1 . 與傳統(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。（，）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。（，）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行功能分配。（，）4 .智能系統(tǒng)是指具備一定智能行為的系統(tǒng)。（，）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

23、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。（，）第二章 專家系統(tǒng)1 在專家系統(tǒng)中，數(shù)據(jù)庫是領(lǐng)域知識的存儲器，是系統(tǒng)的核心部分之一。（V ）2在設(shè)計專家系統(tǒng)時，知識工程師的任務(wù)是提供解決問題的知識和經(jīng)驗。（X ）3 數(shù)據(jù)庫和推理機是專家系統(tǒng)的核心部分。 （應(yīng)為知識庫）（X ）4按照執(zhí)行任務(wù)分類，專家系統(tǒng)有解釋型、預(yù)測型、診斷型、調(diào)試型、維修型等多種類型。（，）5.專家系統(tǒng)實質(zhì)上是一種數(shù)學(xué)計算系統(tǒng)。（X ）6在設(shè)計專家系統(tǒng)時，知識工程師的任務(wù)是模仿人類專家，運用他們解決問題的知識和經(jīng)驗。（，）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，還需

24、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 的項必須用 0 代替而不能舍棄。（V ）4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 .在模糊語言變量中，語義規(guī)則用于給出模糊集合的隸屬函數(shù)。（V ）7 模糊控制對被控對象參數(shù)的變化不敏感，可用它解決非線性、時變、時滯系統(tǒng)的控制。（，）8 .普通關(guān)系是模糊關(guān)系的推廣，它描述元

25、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，需要建立語言變量賦值表。 （V）11模糊控制規(guī)則是將人工經(jīng)驗或操作策略總結(jié)而成的一組模糊條件語句（V ）12通常，模糊控制器的輸入、輸出語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，還需要建立數(shù)學(xué)模型。（x ）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IF-THEN 模糊規(guī)則的后件，不可以描述被控對象的動態(tài)模型。（x ）1

26、6 . 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)對象的數(shù)學(xué)模型來確定的。（X）18 .模糊控制中，語言變量的值可用“負大、負小、零”等表示。（，）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，不需要建立數(shù)學(xué)模型。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)的特點之一。（，）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)辨識收斂。（X ）3反饋型神經(jīng)網(wǎng)絡(luò)中，每個神經(jīng)元都能接收所有神經(jīng)元輸出的反饋信息 。（V ）4 .運算效率高，收斂速度快是 BP神經(jīng)網(wǎng)絡(luò)的主要特點之一。（X ）5

27、 . 神經(jīng)元的各種不同數(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)元具有不同的信息處理特性。（，）6 .離散Hopfield網(wǎng)絡(luò)的兩種工作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)模控制、直接逆控制等。（，）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）函數(shù)。（V11 . Hopfield網(wǎng)絡(luò)的吸引子是指網(wǎng)絡(luò)的穩(wěn)定狀態(tài)。（，）12 .兩關(guān)節(jié)機械手的控制可應(yīng)用小腦神經(jīng)網(wǎng)絡(luò)直接逆模型

28、控制。（，）13 .神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)正模型辨識的結(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)點的輸出均反饋至節(jié)點的輸入。（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方法來實現(xiàn)，可使用計算機，也可使用輪盤賭的轉(zhuǎn)盤。（，）2 .在遺傳算法中，初始種群的生成不能用隨機的方法產(chǎn)生。（X ）3 .遺傳算法的復(fù)制操作有嚴格的程序，不能通過隨機方法來實現(xiàn)。（X ）4 .遺傳算法具有進化計算的所有特征，其主要用途是數(shù)值計算。 （X ）5 .遺傳算法中，適配度大的個體有更多機會被復(fù)制到下一代。（，）6 .在遺傳算法中，初始種群的生成不能用隨機的方法產(chǎn)

29、生。（X ）名詞解釋第一章1 智能控制有知識的“行為舵手” ，它把知識和反饋結(jié)合起來，形成感知 - 交互集、以目標(biāo)為導(dǎo)向的控 制系統(tǒng)。第二章2 專家系統(tǒng)一種包含知識和推理的人工智能的計算機程序系統(tǒng)，這些程序軟件具有相當(dāng)于某個專門領(lǐng)域?qū)＜业闹R和經(jīng)驗水平，同時具有處理該領(lǐng)域問題的能力3 語義網(wǎng)絡(luò)通過概念及相互間語義關(guān)系，圖解表示知識網(wǎng)絡(luò)。4 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和經(jīng)驗而建造的控制系統(tǒng)。第三章1 .模糊控制模糊控制是把人類專家對特定的被控對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，作用于被控對象或過程。它無需建立系統(tǒng)模型，是

30、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)則形成的知識庫。3 .模糊集合論域U上的模糊集A用一個在區(qū)間0, 1上取值的隸屬度函數(shù) mA （u）來表示。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)以（x）描述。隸屬度函數(shù)的值是閉區(qū)間0 , 1上的一個數(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)和功能上對人腦抽象、簡化，是模擬人類智能的一條重要途徑，反映人腦功能的若

31、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)達到穩(wěn)定狀態(tài)時，其能量函數(shù) 達到最小。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改變遺傳基因（表示染色體的符號串的某一位）的值。2 .適應(yīng)度函數(shù)遺傳算法中某個個體對環(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)機理基礎(chǔ)上的隨機迭代和進化，具有廣泛

32、適用性的搜索方法。簡答題代K 弟一早1.智能控制的主要功能特點是什么(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)自適應(yīng)能力(5)自組織能力2 .智能控制的研究對象具備哪些特點？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構(gòu);(5)控制其與對象、環(huán)境沒有明顯的分離。4 .智能控制有哪些主要類型?(1) 模糊控制(2) 神經(jīng)網(wǎng)絡(luò)控制(3) 專家控制(4) 分層遞階智能控制1.第二章知識表示方法有

33、哪些常用形式?專家系統(tǒng)中,2.3.1. 簡述模糊控制器中的比例因子計算方法？設(shè)- umax, Umax為控制量U的變化范圍，n為0 Umax范圍內(nèi)的區(qū)間個數(shù)，稱為量化區(qū)間數(shù)，則比例因子Ku= umax/n2. 設(shè)計一個模糊控制器必須要解決哪三個關(guān)鍵問題？1） 設(shè)計模糊控制器要解決的第一個問題是如何把確定量轉(zhuǎn)換為對應(yīng)的模糊量 ；2） 根據(jù)操作者的控制經(jīng)驗制定模糊控制規(guī)則，并執(zhí)行模糊邏輯推理，以得到一個輸出模糊集合，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行解模糊判決 ，實現(xiàn)控制。3. 在模糊控制器的設(shè)計中，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（

34、 3） 重心法（ 4） 取中位數(shù)法4. 模糊控制中，描述語言變量常見的語言值有哪幾種？語言變量常見的語言值是負大（NB）、負中（NM） 、負小（NS）、負零（NO）、正零（PO）、正?。≒S） 、正中（PM） 、正大（PB） 。5. 模糊控制系統(tǒng)由哪四個基本單元組成？（ 1） 模糊化接口；（ 2） 知識庫（規(guī)則庫和數(shù)據(jù)庫）；（ 3） 推理機；（ 4） 反模糊化接口。6. 簡要回答基本模糊控制器的設(shè)計步驟？（ 1 ）選擇輸入、輸出語言變量；（ 2 ）建立各語言變量的賦值表；（ 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句。單輸入 - 單輸出模糊控制器的模糊規(guī)則

35、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；IFATHENBELSEC雙輸入-單輸出模糊控制器的模糊規(guī)則(3)若 A且 B貝UC型。IFAandBTHENC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)成對提供一個輸入模式和一個期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號”。將神經(jīng)網(wǎng)絡(luò)的實際輸出同期望輸出進行比較，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不符時，根據(jù)差錯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)

36、有哪幾種類型？(1) 對稱、非對稱閾值型轉(zhuǎn)移函數(shù)；(2) 對稱、非對稱 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； (3)容錯性。4 .在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中，何謂無導(dǎo)師的學(xué)習(xí)？無導(dǎo)師學(xué)習(xí)也稱為 無監(jiān)督學(xué)習(xí)，是一種自組織學(xué)習(xí)。輸入模式進入網(wǎng)絡(luò)后， 網(wǎng)絡(luò)按照一種預(yù)先設(shè)定的規(guī)則，如競爭規(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，直到網(wǎng)絡(luò)最后形成某種有序狀態(tài)5 .簡述BP神經(jīng)網(wǎng)絡(luò)的基本思想。學(xué)習(xí)過程由信號的正向傳播和反向傳播兩個過程組成。正向傳播時，輸人樣本由輸入層進入，經(jīng)隱層處理后傳向輸出層。若實際輸出與教師信號不符

37、，則轉(zhuǎn)入誤差的反向傳播階段。反向傳播時，輸出誤差將通過隱層向輸人層逐層反傳，并把誤差分攤而得到各層單元的誤差信號，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止。第5章1.給出遺傳算法的一般算法流程圖第3章模糊控制1.設(shè)論域U =X1X2X3X4X5,兩個模糊集合為a 0.5A = +X1絲+g+吆X2X3X4B=味”+。X1 X4 X5試求：A U B、AI B、即.82.設(shè)有模糊矩陣A =第0.70.3士r.20.4(1) A與B的復(fù)合Ti.64=,試求0.9與(2) B與A的復(fù)合T2類似得可以求得如.13.設(shè)有模糊矩陣A逸80.3;0.2至期8

38、0.52B = ?0.3 0.2“式求(1) AI B(2) A與B的復(fù)合T那.54.設(shè)有模糊矩陣A =和0.4左 B 一?試求.8 0.4三5.設(shè)論域U(1) AU BU1,U2,U3,U4上的模糊結(jié)合 A和B如下:10.60.40.20.8,B ,U1U2U3U2U3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) =1。寫出A的隸屬度函數(shù)解析表達式, 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|/ x 4的隸屬函數(shù)；(b)寫出單點模糊(s

39、ingleton fuzzification)隸屬函數(shù)的數(shù)學(xué)表達形式，并畫出隸屬 函數(shù)圖。(a)(b)8 .設(shè)有一個模糊控制器的輸出結(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個最大隸屬度mu (2) = mu (4) = mu=0.81 一或者 u0 =(2 + 5) = 3.5210 .語言變量的量化等級都是9級，即-4 , -3 , -2, -1 , 0, 1, 2, 3, 4。誤差e的 論域為-50,50,控制輸出u的論域為-64,64,求量化因子Ke, K為多少？Ke =-

40、 emax=0.08 50(3分)(3分)u max64Ku = 16n411 .某語言變量五元組描述示意圖如下所示， 分別說明圖中的語言變量、語言變量值的 集合、論域具體指什么？誤差：語言變量負大，負中，負4YG14H至 慶左5,2,4,-2,-1,、：1個域正中正大Y上20minmJxl ,mB (yj 3456-電據(jù) m-5 b (x-y ) = m3(x) ?-2m (y)1-6負處-413.設(shè)論=Y= 0.35我輸出Bi的000000.4 0.710.4 0.7 0.70.3 0.3 0.3000000模糊推理輸出B1 = A1 oR14.設(shè)丁二爐溫，V=電壓。某控制系統(tǒng)的人工操作經(jīng)

41、驗為 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。選擇輸出語言變量U為電壓變化量。輸入、輸出語言變量均選 3個語言值：正、 零、負，分別用模糊子集P、O、N表示。試用以上控制規(guī)則給出基本模糊控制器的模 糊控制規(guī)則表。選擇輸入語言變量 E為爐溫誤差，即 E=T-100;若爐溫低于200c則升壓;一 if E = N then U = P若爐溫高于200c則降壓;一 if E = P then U = N若爐溫等于200c則保持電壓不變。一 ifE = O then U = O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言值的量化范圍可取為：負大、負小、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，并列出糊控制規(guī)則表。設(shè)系統(tǒng)輸入量為液位實測高度與給定值之誤