智慧树知到《智能控制导论》章节测试答案文档格式.docx
《智慧树知到《智能控制导论》章节测试答案文档格式.docx》由会员分享，可在线阅读，更多相关《智慧树知到《智能控制导论》章节测试答案文档格式.docx（30页珍藏版）》请在冰豆网上搜索。
3、以下不属于专家控制的特点的是（）
网络结构
4、专家系统结构中的关键部分为知识库和推理机。
5、常用的知识表达方法为：
产生式规则、框架、语义网络、过程。
6、推理机中的正向推理是从结果中得到原始数据和已知条件。
7、专家控制的规则库一般采用产生式规则表示，IF控制局势THEN操作结论。
8、专家控制的关键技术不包括（）
被控对象数学模型的建立
9、以下关于专家PID控制描述不正确的是
微分的作用是为了消除系统的静态误差
10、直接型专家控制器用于取代常规控制器，直接控制生产过程或被控对象。
第3章单元测试
1、模糊集合的元素是以某种程度隶属于该集合，而普通集合的元素隶属度为0或者1。
2、两个定义在不同论域上的模糊集合之间可以进行元素的并、交等运算。
3、模糊关系矩阵的元素可以大于1。
4、隶属函数的确定方法为（）
其他3项都是
5、设有两个定义在相同论域上的模糊集合A和B，A合成B的结果等于B合成A的结果。
6、设有两个定义在相同论域上的模糊集合A=[0.20.4;
0.60.9],B=[0.80.7;
0.50.3]，则A合成B的结果为（）
[0.40.3;
0.60.6]
7、模糊集合表示为A=u1/x1+u2/x2+u3/x3+......，其中u代表隶属度，x表示论域元素，式子中的加号和除法和数学中的表示含义相同。
8、已知"
如果天气冷，请多穿衣服"
这一条关系R，则"
当天气为很冷，则穿什么衣服"
，这一推理过程属于（）
前向推理
9、已知模糊集合A表示"
大苹果"
，则加了语气算子的模糊集合B"
很大的苹果"
，B中的元素隶属度等于A中元素隶属度加（1/2）次方运算。
10、以下关于二维输入的Mamdani推理方法描述错误的是（）
二维模糊集合融合的方式可以直接将对应元素计算"
交"
运算得到向量。
第4章单元测试
1、解模糊的目的是为了实现由模糊集合到定值定量信号的转化。
2、设计模糊控制器时可以无需进行模糊化接口的一步。
3、模糊化接口一般采用隶属度最大化原则实现由实际取值到模糊集合的映射。
4、在实际模糊控制任务中，模糊推理可以在离线状态下设计一个模糊规则表，以查询表的方式实现模糊推理。
5、模糊控制器的组成包括（）
6、常见的解模糊方法有（）
7、模糊控制具有一定的不确定性，因此不能实现精确控制。
8、关于模糊控制的描述中错误的是（）
模糊控制隶属度的选取可以随意给定
9、在制定模糊查询表时需要根据实际的经验进行设定。
10、当模糊推理中存在多条已知关系时，每个子关系计算的结果再进行"
运算得到最后的推理关系R。
第5章单元测试
1、人工神经元数学模型的建立是根据实际神经元的工作特性的。
2、人工神经元数学模型中的阈值是模拟实际神经元中的（）
神经元对信号的抑制作用
3、以下关于BP神经网络的描述中错误的是（）
前一层的神经元和后一层的神经元存在部分连接关系
4、BP神经网络中采用的负梯度下降算法，当误差目标函数中存在多个极值点时，仍然能够寻找到全局最优解。
5、学习的方式分为在线学习和批量学习。
6、一个神经元并不聪明，但千万个神经元彼此相连在有限的空间里就会产生智慧，这属于群智能的现象之一。
7、深度网络模型中由于存在大量待寻优的参数，因此需要大数据样本进行训练。
8、神经网络的学习过程就是网络中的权值调整的过程。
9、神经网络的泛化能力就是指对样本数据的拟合和逼近效果。
10、以下关于神经网络的描述中错误的是（）
神经网络计算过程中不能省略神经元的阈值参数
第6章单元测试
1、神经网络控制内容一般包括被控对象系统辨识和神经网络控制器的设计。
2、以下属于神经网络控制结构的有（）
3、神经网络直接逆控制是与被控对象并联起来，以使得总体的传递函数为1。
4、神经网络和PID控制器结合时输出为比例积分和微分系数。
5、神经网络在做被控对象系统辨识时需要采集大量的输入和输出数据形成训练样本。
6、神经网络从本质上说就是一个建立了输入变量到输出变量之间的映射函数。
7、所谓黑箱模型是指输入和输出变量之间的数学关系式是确定的。
8、神经网络直接逆控制的可用性在相当程度上取决于逆模型的准确精度。
9、神经网络输入层节点个数与训练样本的个数有关。
10、神经网络作为控制器，可以实现对不确定系统或者未知系统进行有效的控制，使控制系统达到所要求的动态、静态特性。
第7章单元测试
1、遗传算法的基本操作不包括（）
抑制
2、遗传算法最大的优点在于能够快速在解空间中找到目标函数的最佳解。
3、遗传算法的构成要素有哪些（）
4、如果适应度函数有两个变量，则可以把两个变量的二进制编码串接后形成染色体。
5、染色体经过复制、交叉、变异后的适应度一定比原种群中的染色体适应度高。
6、变异操作能够使染色体序列产生出新的染色体编码。
7、在复制操作中，采用轮盘赌的方式筛选出参与交叉和变异的染色体，显然适应度大的个体更容易被选中。
8、两个染色体在交叉中如果互换了某个位之后的所有染色体，则属于单点交叉的类型。
9、由于多条染色体在迭代过程中同时参与遗传操作，因此具有并行计算的特点，适合大规模复杂问题的优化。
10、遗传操作后得到的结果需要经过解码操作转换为实际变量的取值。
第8章单元测试
1、MATLAB程序语句必须以分号结束。
2、新版本的MATLAB提供了深度学习工具包，以及对某些硬件的直接编程功能。
3、MATLAB中数据存放格式是以矩阵形式，因此具有快速高效的矩阵和数学运算能力。
4、MATLAB中不能设计图形用户界面。
5、MATLAB中的变量类型有（）
其他3项都属于
6、MATLAB循环和选择语句的结束标志为end。
7、两个大小相同的矩阵进行点乘运算的结果为相同位置元素的乘积，与数学矩阵相乘不同。
8、表达式1：
2：
10，第三个元素为（）
5
9、SIMULINK中没有提供信号源的模块，需要从工作空间中给定。
10、MATLAB提供了多种曲线绘制函数，只需要给定函数式、变量等就可以绘制。
第9章单元测试
1、专家PID控制实验中所设定的规则可以根据实际需要改变其策略和参数。
2、专家PID控制实验中建立被控对象数学模型的目的是为了设定模糊控制规则。
3、模糊控制实验中建立的控制系统框图里，从信号发生器到虚拟示波器之间连线的目的是为了（）
提供原始信号与模糊控制输出跟踪信号的对比作用
4、模糊控制系统框图中的被控对象可以通过双击的方式打开后重新设定。
5、模糊控制系统实验中变量为误差和误差的变化率，模糊控制器的输出为跟踪正弦信号的结果。
6、MATLAB中提供用于建立神经网络模型的函数为newcf、newff等，用于训练的函数sim，用于计算网络输出的函数为train。
7、当神经网络为多输入和多输出的结构时，样本数据和测试数据需要进行转置。
8、遗传算法的具体编程可以根据实际需求而不同，但遗传操作的基本思想是一致的。
9、遗传算法实验中的语句：
TempE（Size,:
）=BestS;
其目的是为了保持最大适应度的编码稳定，以免出现取值振荡。
10、交叉概率过大时遗传模式被破坏的可能性也越大，概率越小则搜索过程缓慢。
第10章单元测试
1、燃料电池是通过燃烧氢气从而获得热能。
2、燃料电池比太阳能和风能更具有发展前途，因为其具有不受环境限制和无污染的特点。
3、燃料电池的排放物是纯净水。
4、温度控制燃料电池中最重要的控制任务。
5、在燃料电池控制任务中采用了模糊自适应控制策略。
A:
B:
正确答案：
学习功能
优化能力
C:
适应能力
D:
专家控制
神经网络控制
模糊控制
不确定性模型
高度非线性的模型
复杂的控制要求
第二章
灵活性
适应性
鲁棒性
知识的表达方法
从传感器中识别和获取定量的控制信号
将定性只是转换为定量的控制信号
根据偏差和偏差变化率实施的控制规则
根据实际的控制任务和误差曲线，可以调整专家控制规则和参数取值
一般采用增量式PID作为控制器的输出值
第三章
模糊统计法
主管经验法
神经网络法
[0.40.6;
0.20.9]
[0.80.5;
0.30.6]
[0.70.5;
后向推理
双向推理
其他3项都不对
首先需要将输入端进行融合，两个定义在不同论域上的模糊集合通过转置后形成矩阵，达到融合的效果。
输入端二维模糊集合融合后需要将矩阵的行首位相连构成一个向量，再参与和关系矩阵R的合成运算。
两个二维模糊集合合成的方法为转置后按位取小得到一个矩阵。
第四章
模糊化接口
知识库
推理与解模糊接口
最大隶属度法
重心法
加权平均法
模糊控制的输入一般是误差和误差的变化率
模糊控制中首先应该将传感器和设定值偏差通过量化因子转换到离散论域
模糊推理的结果通过隶属度最大化原则得到离散论域值，再通过比例因子转换为实际值输出
第五章
神经元之间的连接强度
神经元对信号的发送作用
神经元对输入信号的汇总作用
采用误差反向传播的负梯度下降算法调整网络权值
BP网络是一种前向网络结
神经网络的层内之间不存在连
神经网络中单个神经元的破坏不会影响结果，因此具有较好的容错机制
神经网络具有并行计算的能力
误差反向传播过程中采用负梯度下降算法
第六章
2、以下属于神经网络控制结构的有（）
神经网络监督控制
神经网络直接逆控制
神经网络自校正控制
第七章
复制
交叉
变异
染色体编码方法
个体适应度评价
遗传算子、运行参数
第八章
整形变量
浮点型变量
胞元数组
3
10
7
第九章
提高系统的稳定性
提供反馈信
模糊控制器的要求
升级会员 