智能控制技術(shù)試卷試題

1、一、選擇題1、 蔡自興教授提出智能控制系統(tǒng)的四元結(jié)構(gòu)，認(rèn)為智能控制是 人工智能 、控制理論、系統(tǒng)理論和運(yùn)籌學(xué)四種學(xué)科的交叉。2、 專家是指在某一專業(yè)領(lǐng)域內(nèi)其專業(yè)知識與解決問題的能力達(dá)到 很高 水平的學(xué)者。3、 專家系統(tǒng)中的知識按其在問題求解中的作用可分為三個層次，即數(shù)據(jù)級、 知識庫 級和控制級。4、 不確定性知識的表示有三種:概率、確定性因子和 模糊集合 。5、 Hebb學(xué)習(xí)規(guī)則是一種無教師的學(xué)習(xí)方法，它只根據(jù)神經(jīng)元連接間的激活水平改變 權(quán)值 ，因此這種方法又稱為相關(guān)學(xué)習(xí)和并聯(lián)學(xué)習(xí)。6、 交叉運(yùn)算是兩個相互配對的染色體按某種方式相互交換其部分基因，從而形成兩個新的 個體 。二、判斷題1、 IE

2、EE控制系統(tǒng)協(xié)會把智能控制歸納為：智能控制系統(tǒng)必須具有模擬人類學(xué)習(xí)和自適應(yīng)的能力。（ T ）2、 不精確推理得出的結(jié)論可能是不確定的，但會有一個確定性因子，當(dāng)確定性因子超過某個域值時，結(jié)論便不成立。（ F ）3、 一般的專家系統(tǒng)由知識庫、推理機(jī)、解釋機(jī)制和知識獲取系統(tǒng)等組成。（ T ）4、 人機(jī)接口是專家系統(tǒng)與領(lǐng)域?qū)＜摇⒅R工程師、一般用戶間進(jìn)行交互的界面，由一組程序及相應(yīng)的硬件組成，用于完成知識獲取工作。（ F ）5、Hopfield神經(jīng)網(wǎng)絡(luò)是反饋神經(jīng)網(wǎng)絡(luò)中最簡單且應(yīng)用廣泛的模型，它具有聯(lián)想記憶的功能。（ F ）6、 知識是將有關(guān)的信息進(jìn)一步關(guān)聯(lián)在一起，形成了更高層次含義的一種信息結(jié)構(gòu)，信息

3、與關(guān)聯(lián)是構(gòu)成知識的兩個基本要素。（ T ）7、 建造知識庫涉及知識庫建造的兩項主要技術(shù)是知識獲取和知識存放。（ F ）8、 模糊控制系統(tǒng)往往把被控量的偏差（一維）、偏差變化（二維）以及偏差的變化率（三維）作為模糊控制器的輸入。（ T ）9、 RBF網(wǎng)絡(luò)的學(xué)習(xí)過程與BP網(wǎng)絡(luò)的學(xué)習(xí)過程是類似的，兩者的主要區(qū)別在于使用了相同的激勵函數(shù)。（ F ）10、 應(yīng)用遺傳算法求解問題時，在編碼方案、適應(yīng)度函數(shù)及遺傳算子確定后，算法將利用進(jìn)化過程中獲得的信息自信組織搜索。（ T ）三、簡答題1.分別說明專家系統(tǒng)與專家控制系統(tǒng)？答：專家系統(tǒng)就是利用存儲在計算機(jī)內(nèi)的某一特定領(lǐng)域內(nèi)人類專家的知識，來解決過去需要人類專

4、家才能解決的現(xiàn)實問題的計算機(jī)系統(tǒng)。 專家控制是將人工智能領(lǐng)域的專家系統(tǒng)理論和技術(shù)與控制理論方法和技術(shù)相結(jié)合，仿效專家智能，實現(xiàn)對較為復(fù)雜問題的控制。基于專家控制原理所設(shè)計的系統(tǒng)稱為專家控制系統(tǒng)。2.人工神經(jīng)網(wǎng)絡(luò)中兩種典型的結(jié)構(gòu)模型是什么它們進(jìn)行學(xué)習(xí)時具有哪些特點答：兩種典型的結(jié)構(gòu)模型是前饋神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)。前饋神經(jīng)網(wǎng)絡(luò)有感知器和BP網(wǎng)絡(luò)等；主要采用學(xué)習(xí)規(guī)則，這是有教師學(xué)習(xí)方法。反饋神經(jīng)網(wǎng)絡(luò)有Hopfield神經(jīng)網(wǎng)絡(luò)、Boltzmann機(jī)網(wǎng)絡(luò)等；主要采用Hebb學(xué)習(xí)規(guī)則，概率式學(xué)習(xí)算法。3.應(yīng)用遺傳算法計算時，設(shè)計編碼的策略與編碼評估準(zhǔn)則（即編碼原則）是什么？答：設(shè)計編碼策略：（1）完備性

5、（2）健全性（3）非冗余性編碼評估準(zhǔn)則，即編碼原則：（1）有意義基因塊編碼規(guī)則（2）最小字符集編碼原則。四、設(shè)某恒溫室的溫度模糊控制器，控制室溫為某個設(shè)定值：（1）試給出該模糊控制器的結(jié)構(gòu)圖；（2）說明模糊控制器設(shè)計的主要內(nèi)容。模糊規(guī)則庫解：（1）該模糊控制器為兩輸入信號，為二維模糊控制器結(jié)構(gòu)，該溫度模糊控制器的結(jié)構(gòu)圖如下：y 清晰化模糊化模糊推理 溫度模糊控制器輸入變量是兩個變量分別為偏差（即溫度的設(shè)定值與實際測定值的差值）和偏差的變化，是確定數(shù)值的清晰量；通過模糊化處理，用模糊語言變量E來描述偏差。模糊推理輸出y是模糊變量，在系統(tǒng)中要實施控制時，模糊量U轉(zhuǎn)化為清晰值。(2) 模糊控制器設(shè)計

6、的主要內(nèi)容:1. 定義輸入變量X1、X2的模糊子集為NB ZE PB PB ZE NB，偏差的量論域為-2,0,+2，偏差變化率的量化論域為-2,0,+2。2. 定義所有變量的模糊化條件。輸出語言的基本論域為-u,u，控制輸出量的量化論域為-2,0,+2，控制輸出量的模糊子集 NB ZE PB ，對輸入輸出語言變量均選用正態(tài)函數(shù)：作為其隸屬函數(shù)。3. 建立模糊控制規(guī)則表： u X1 X2 NBZEPBPBPSZENBZEPSZENSNBPBZENS4. 求模糊控制器輸出 應(yīng)用模糊推理合成規(guī)則，有溫度偏差和偏差變化量的量化論域，根據(jù)輸入語言變量偏差X1和偏差變化量X2求出相應(yīng)輸出語言變量U的模糊

7、集合，應(yīng)用最大隸屬度法對此模糊集合進(jìn)行模糊判決，從而可求出控制量控制精確值u。五、計算題1.設(shè)模糊控制器的控制規(guī)則為：If x1 is A1 and x2 is B1 then y is C1已知A1=0.9 0.6 0.1，B1=0.3 0.7，C1=0.2 0.4 0.8試計算A2=0.2 0.5 0.4，B2=0.3 0.6時C2的數(shù)值；若Y的量化論域為2,3,4，用最大隸屬度法求控制輸出的清晰量。解：(1) A1*A2=將A1*A2矩陣展成如下列向量：模糊關(guān)系 當(dāng)輸入A2和B2時，有:將A2*B2矩陣展成如下列向量：最后得C2： (2) 因為Y的量化論域為2,3,4，所以得出,用最大隸

8、屬度法求控制輸出的清晰量2.設(shè)需要函數(shù)的最大值， 自變量x在0-31之間取整數(shù)時，若用遺傳算法求解函數(shù)值的最大值，有5位二進(jìn)制代碼串可組成所有染色體的基因型。隨機(jī)取4個x值3, 29, 10, 22，組成初始種群，A1:00011，A2:11101，A3:01010，A4:10110； 試用二進(jìn)制編碼交叉方法，對第2位后的編碼串進(jìn)行交換，寫出兩個個體A1與A2交叉后得到的新個體B1與B2；A3與A4交叉得到的新個體B3與B4；如用變異的方法對編碼的第4基因位進(jìn)行變異，寫出對個體B1，B2，B3，B4變異得到的新個體C1，C2，C3，C4; 并分別計算這12個個體的適應(yīng)度和在下一代生存的期望數(shù)目

9、。（函數(shù)f(x)作為適應(yīng)度fi的計算式）復(fù)制概率： ；期望復(fù)制數(shù)：（M=4為種群規(guī)模）。解：根據(jù)題意條件可計算各項數(shù)據(jù)如下：串號初始種群x值適應(yīng)度 fi (x)復(fù)制概率Pi期望復(fù)制數(shù)1000113540.1260.50621110129930.2180.871301010101310.3071.227410110221490.3491.396進(jìn)行二進(jìn)制編碼交叉方法，得出新個體B1，B2，B3，B4，計算各項數(shù)據(jù)如下：串號初始種群x值適應(yīng)度 fi (x)復(fù)制概率Pi期望復(fù)制數(shù)1001015810.1600.64211011271140.2250.9301110141530.3021.208410

10、010181590.3131.25用變異的方法對編碼的第4基因位進(jìn)行變異，得出新個體C1，C2，C3，C4；計算各項數(shù)據(jù)如下：串號初始種群x值適應(yīng)度 fi (x)復(fù)制概率Pi期望復(fù)制數(shù)10011171040.1940.776211001251310.2440.976301100121440.2681.073410000161580.2941.1816、 已知某RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為3-4-1，其結(jié)構(gòu)如下圖所示，神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點為線性激勵函數(shù)；中間層節(jié)點激勵函數(shù)為： j=1, 2, 3, 4 。設(shè)為常量，試從兩個方面描述該神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。（1） 信號從輸入層向輸出層的正向傳遞；（2） 網(wǎng)絡(luò)期望輸出值為d,誤差信號的反向傳播調(diào)節(jié)輸出層的權(quán)值和激勵函數(shù)的參數(shù)。解：REF神經(jīng)網(wǎng)絡(luò)是三層前向神經(jīng)網(wǎng)絡(luò)，采用誤差反轉(zhuǎn)（BP）學(xué)習(xí)算法。（1） 信號從輸入層向輸出層的正向傳遞；對某個訓(xùn)練樣本，輸入層的輸出信號與輸入信號相等，即。中間層節(jié)點的激勵函數(shù)為REF