第一學(xué)期《智能控制技術(shù)基礎(chǔ)》試卷試卷A標(biāo)準(zhǔn)答案

1、2011-2012第一學(xué)期智能控制技術(shù)基礎(chǔ)試卷A標(biāo)準(zhǔn)答案一、簡答題（每題6分，共30分）1、什么是智能系統(tǒng)？智能控制系統(tǒng)的特點(diǎn)是什么？答：智能系統(tǒng)是指具備一定智能行為的系統(tǒng)，具體地說，若對于一個問題的激勵輸入，系統(tǒng)具備一定的智能行為，能夠產(chǎn)生合適的求解問題的響應(yīng)，這樣的系統(tǒng)便稱為智能系統(tǒng)。3分一般來說，智能控制系統(tǒng)必須具備以下一個或多個功能的特點(diǎn)為：（1）學(xué)習(xí)功能；（2）適應(yīng)功能；（3）組織功能；3分2、什么是模糊控制？它的優(yōu)缺點(diǎn)是什么？答：模糊控制主要研究那些在現(xiàn)實(shí)生活中廣泛存在的、定性的、模糊的、非精確的信息系統(tǒng)的控制問題。模糊控制有三個基本組成部分：模糊化、模糊決策、精確化計(jì)算。3分模糊

2、控制的優(yōu)點(diǎn)是：不依賴于控制的數(shù)學(xué)模型，是解決不確定系統(tǒng)控制的一種有效途徑；也是一種可以訓(xùn)練的非線性動力學(xué)系統(tǒng)。模糊控制的缺點(diǎn)是：對信息進(jìn)行簡單的模糊處理會導(dǎo)致被控系統(tǒng)控制精度的降低和動態(tài)品質(zhì)變差3分3、什么是模糊集合論？它與經(jīng)典集合論有何不同？答：模糊集合論是用具有01之間變化的隸屬度的特征函數(shù)來描述某一模糊元素，模糊集合中的特征函數(shù)就稱為隸屬度函數(shù)。3分經(jīng)典集合論中對任意一個元素與任意一個集合的關(guān)系的描述，只有“屬于”或“不屬于”兩種，它描述的是有明確分界線的元素的組合，經(jīng)典集合論不能處理模糊概念。模糊集合論則用隸屬度函數(shù)來描述一個元素屬于一個集合的程度3分4、一個模糊控制器應(yīng)該包含哪幾個部

3、分？各自的作用是什么？答：模糊控制器主要包含的部分為：模糊化過程、知識庫、推理決策和精確化計(jì)算。2分模糊化過程主要完成：測量輸入變量的值，并將數(shù)字表示形式的輸入量轉(zhuǎn)化為通常用語言值表示的某一限定碼的序數(shù)；知識庫包含數(shù)據(jù)庫和規(guī)則庫，數(shù)據(jù)庫提供必要的定義，規(guī)則庫根據(jù)控制目的和控制策略給出一套由語言變量描述的并由專家或自學(xué)習(xí)產(chǎn)生的控制規(guī)則的集合;推理決策是模糊控制的核心，它利用知識庫的信息模擬人類的推理決策過程，給出適合的控制量；精確化計(jì)算是將推理得到的模糊集合中取一個能最佳代表這個模糊推理結(jié)果可能性的精確值的過程4分5、什么是神經(jīng)網(wǎng)絡(luò)辨識？在辨識過程中需要考慮哪些因素？神經(jīng)網(wǎng)絡(luò)辨識模型中的前向建模

4、的導(dǎo)師信號來自于？答：神經(jīng)網(wǎng)絡(luò)辨識就是選擇一適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來逼近實(shí)際系統(tǒng)。1分在辨識過程中需要考慮的因素有：模型的選擇；輸入信號的選擇；誤差準(zhǔn)則的選擇；4分神經(jīng)網(wǎng)絡(luò)辨識模型中的前向建模的導(dǎo)師信號來自于系統(tǒng)的實(shí)際輸出1分評分標(biāo)準(zhǔn)：能基本求出公式給滿分，結(jié)果有出入扣12分二、計(jì)算題（每題10分，共50分）1、設(shè)論域X=x,x,x,x以及模糊集合:TOC o 1-5 h z12340.9人0.90.70.60.3A=+-xxxx12340.90.40.5解：AB=+-xxx123n-0.10.30.40.7A=+-xxxx12340.一0.90.70.6+，AB_+xxxx4u1230.10.6

5、0.51B+-4分x40.312342、已知模糊關(guān)系矩陣R解：RQ=0.80.30.60.50.80.6o0.30.7o_0.30.5_0.10.4_0.30.7o0.70.5o_0.30.4_0.20.6_0.80.3(RQ)S=0.6o0.30.70.5_0.10.4n0.30.6o0.70.10.4_0.2o0.30.10.70.40.70.2(0.8a0.3)v(0.6a0.1)(0.3a0.3)v(0.5a0.1)(0.3a0.7)v(0.7a0.2)(0.3a0.7)v(0.4a0.2)0.30.60.10.40.50.6，試計(jì)算模糊關(guān)系合成矩陣RQS，以及（RQ）S。(0.8a0

6、.7)v(0.6a0.4)_(0.3a0.7)v(0.5a0.4)0.30.30.7o0.4(0.3a0.5)v(0.7a0.6)(0.3a0.5)v(0.4a0.6)-0.3r(0.3a0.7)v(0.6a0.2)(0.3a0.5)v(0.6a0.6)0.6-(0.1a0.7)v(0.4a0.2)(0.1a0.5)v(0.4a0.6)0.50.30.60.4_0.30.6-0.20.43、設(shè)有論域X表示轉(zhuǎn)速，X1100,300,500,700,900，論域Y表示電機(jī)的控制電壓，Y110,20,30,40,50。已知在X、Y上的模糊子集為:TOC o 1-5 h z人_、一10.80.50.3

7、0A“轉(zhuǎn)速低”+一100300500700900廠00.20.50.71B“控制電壓高”一+-1020304050試確定XXY上的模糊條件語言“若轉(zhuǎn)速低，貝y控制電壓高；否則控制電壓不很高”所決定的模糊關(guān)系矩陣R,并計(jì)算出當(dāng)轉(zhuǎn)速為“不很低”時，所對應(yīng)的控制電壓y的模糊集合?解:設(shè)模糊子集B“控制電壓很高”101B“控制電壓不很高”-T+1020則所得模糊關(guān)系R(AXB)MX萬丿00.040.250.491+-203040500.960.750.510+-405030-1-U-00.20.50.71_-0_-00000-0.8x【00.21-00.20.50.70.80.20.750.5100.

8、20.20.20.200.50.50.700.20.50.50.5AxB0.5x10.960.50.50.50.500.300.30.30.30.30.70.70.70.70.510_0_00000_1_10.960.750.510_3分AxB00.20.50.71_-00000_-00.20.50.71-00.20.50.70.80.20.20.20.200.20.20.50.70.800.20.50.50.50.50.50.50.500.50.50.50.50.500.30.30.30.3U0.70.70.70.5100.70.70.70.510.3_00000_10.960.750.51

9、0_10.960.750.510_0.640.250.0901xB)設(shè)模糊子集A-“轉(zhuǎn)速很低”+-10030050070090000.360.750.911A“轉(zhuǎn)速不很低”_而+300+500+700+900因此當(dāng)轉(zhuǎn)速為“不很低”時，所對應(yīng)的控制電壓y的模糊集合為:00.20.50.710.20.20.50.70.80.50.50.50.50.50.70.70.70.510.310.960.750.510R【00.360.750.9110.960.750.510.54、某一模糊控制系統(tǒng)的輸入變量為系統(tǒng)誤差e和誤差變化量de,控制變量選擇為v，其隸屬度函數(shù)均選擇為:誤差e-50-30-15-50

10、5153050誤差變化de-150-90-30-100103090150控制v-64-16-4-20241664量化等級-4-3-2-101234PB00000000.351PS000000.410.40ZE0000.210.2000NS00.410.400000NB10.350000000設(shè)在某一時刻，系統(tǒng)誤差e的量化等級為3,誤差變化量de的量化等級為-2，而此時的模糊控制規(guī)則庫中只有兩條規(guī)則有效:第一條如果誤差e是PB、且誤差變化de是NS,則控制v為NB；第二條如果誤差e是PS、且誤差變化de是NS，則控制v為ZE；試?yán)脴O大極小推理法實(shí)現(xiàn)模糊推理過程(做圖)，并采用重心法計(jì)算出模糊控

11、制輸出的精確量。解：系統(tǒng)誤差e的量化等級為3，由表可知相應(yīng)的隸屬度值，對于誤差e卩(e)-0.35卩(e)-0.4PBPS對于誤差de卩(de)13分NS由極大極小推理法可得控制量的輸出模糊集為：第2條規(guī)則PSNSmin0123-3-2-101(v)min43101最后將每一條推理規(guī)則得到的模糊控制子集進(jìn)行“并”運(yùn)算,4x0.35+(-3)x0.35+(-1)x0.2+0 x0.4+1x0.2u=再由重心法計(jì)算出模糊控制輸出的精確量:0.35+0.35+0.2+0.4+0.2245245=1.633一21.55、假設(shè)一個3節(jié)點(diǎn)的離散Hopfield神經(jīng)網(wǎng)絡(luò)，已知網(wǎng)絡(luò)權(quán)值與閥值如下圖所示:V3試

12、計(jì)算狀態(tài)轉(zhuǎn)移關(guān)系，求出該神經(jīng)網(wǎng)絡(luò)的穩(wěn)定狀態(tài)，并畫出網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)移圖。解：以初始狀態(tài)歹心3二000為例，依次選擇節(jié)點(diǎn)V1V2V3,確定其節(jié)點(diǎn)興奮的條件及狀態(tài)的轉(zhuǎn)移。首先選擇節(jié)點(diǎn)匕，激勵函數(shù)為:Net(0)=y(0)+6二0.2x0+0.4x0+0二011jj1j=1節(jié)點(diǎn)V1處于抑制狀態(tài)，其狀態(tài)不會發(fā)生改變，同樣其它兩個節(jié)點(diǎn)也可以得出Net(0)=0.2x0+(0.5)x0+0.1=0.102Net(0)=0.4x0+(0.5)x0+0.0=03可見狀態(tài)000會轉(zhuǎn)移到狀態(tài)010，轉(zhuǎn)移概率為1/3。依次類推，可得該神經(jīng)網(wǎng)絡(luò)的穩(wěn)定狀態(tài)為110，網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)移圖為:評分標(biāo)準(zhǔn)：能基本求出公式給滿分，結(jié)果有出入

13、扣12分三、綜合題(20分)設(shè)某一神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如下圖所示:y1y2假設(shè)對期望輸入*彳小3,其期望輸出為打1yd2=0.30.5，網(wǎng)絡(luò)權(quán)系數(shù)初始值如圖所示，神經(jīng)元激勵函數(shù)為b(x)=匸，請問:1+e-2x該神經(jīng)網(wǎng)絡(luò)是什么結(jié)構(gòu)形式的神經(jīng)網(wǎng)絡(luò)?試用BP算法訓(xùn)練此網(wǎng)絡(luò)，并詳細(xì)寫出第一次迭代學(xué)習(xí)的計(jì)算結(jié)果。解:該神經(jīng)網(wǎng)絡(luò)是多層前向傳播神經(jīng)網(wǎng)絡(luò)輸入最大容許逼近誤差值和最大迭代學(xué)習(xí)次數(shù)iteratemax，置初始迭代學(xué)習(xí)次數(shù)iterate=0計(jì)算當(dāng)前輸入狀態(tài)下，當(dāng)前網(wǎng)絡(luò)的連接權(quán)系數(shù)下的神經(jīng)網(wǎng)絡(luò)輸出neti=oix+O1x+oi=2x1+0 x3+1x(-1)=122112222012210net1=o1

14、x+o1x+o1=1x1+(2)x3+1x3=211111=0.88=0.0181+e2xnet11+e4o=21+e2xnet!1+e212210net2=02o+02o+02=(2)x0.018+1x0.882=1.1551111net2=o2o+o2o+o2=0 x0.018+1x0.881=0.122211222201y=11+e2xnet=1=0.091+e2.31y=21+e2xnet1+e0.24=0.44判斷神經(jīng)網(wǎng)絡(luò)逼近誤差滿足要求或者迭代學(xué)習(xí)達(dá)到最大容許值否？計(jì)算廣義誤差(ty)f(net2)=2(ty)y(1y)=0.034482=(ty)f(net2)=2(ty)y(1y)=0.029572222222