智能控制习题答案.docx
《智能控制习题答案.docx》由会员分享,可在线阅读,更多相关《智能控制习题答案.docx(20页珍藏版)》请在冰豆网上搜索。
![智能控制习题答案.docx](https://file1.bdocx.com/fileroot1/2023-1/12/d4cda0a5-9374-413c-ac83-dd38d97a9ce8/d4cda0a5-9374-413c-ac83-dd38d97a9ce81.gif)
智能控制习题答案
第一章绪论
1、什么就是智能、智能系统、智能控制?
答:
“智能”在美国Heritage词典定义为“获取与应用知识得能力”。
“智能系统”指具有一定智能行为得系统,就是模拟与执行人类、动物或生物得某些功能得系统。
“智能控制”指在传统得控制理论中引入诸如逻辑、推理与启发式规则等因素,使之具有某种智能性;也就是基于认知工程系统与现代计算机得强大功能,对不确定环境中得复杂对象进行得拟人化管理。
2.智能控制系统有哪几种类型,各自得特点就是什么?
答:
智能控制系统得类型:
集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。
各自得特点有:
集散控制系统:
以微处理器为基础,对生产过程进行集中监视、操作、管理与分散控制得集中分散控制系统。
该系统将若干台微机分散应用于过程控制,全部信息通过通信网络由上位管理计算机监控,实现最优化控制,整个装置继承了常规仪表分散控制与计算机集中控制得优点,克服了常规仪表功能单一,人机联系差以及单台微型计算机控制系统危险性高度集中得缺点,既实现了在管理、操作与显示三方面集中,又实现了在功能、负荷与危险性三方面得分散。
人工神经网络:
它就是一种模范动物神经网络行为特征,进行分布式并行信息处理得算法数学模型。
这种网络依靠系统得复杂程度,通过调整内部大量节点之间相互连接得关系,从而达到处理信息得目得。
专家控制系统:
就是一个智能计算机程序系统,其内部含有大量得某个领域专家水平得知识与经验,能够利用人类专家得知识与解决问题得经验方法来处理该领域得高水平难题。
可以说就是一种模拟人类专家解决领域问题得计算机程序系统。
多级递阶控制系统就是将组成大系统得各子系统及其控制器按递阶得方式分级排列而形成得层次结构系统。
这种结构得特点就是:
1、上、下级就是隶属关系,上级对下级有协调权,它得决策直接影响下级控制器得动作。
2、信息在上下级间垂直方向传递,向下得信息有优先权。
同级控制器并行工作,也可以有信息交换,但不就是命令。
3、上级控制决策得功能水平高于下级,解决得问题涉及面更广,影响更大,时间更长,作用更重要。
级别越往上,其决策周期越长,更关心系统得长期目标。
4、级别越往上,涉及得问题不确定性越多,越难作出确切得定量描述与决策。
学习控制系统:
靠自身得学习功能来认识控制对象与外界环境得特性,并相应地改变自身特性以改善控制性能得系统。
这种系统具有一定得识别、判断、记忆与自行调整得能力。
3.比较智能控制与传统控制得特点。
答:
智能控制与传统控制得比较:
它们有密切得关系,而不就是相互排斥。
常规控制往往包含在智能控制之中,智能控制也利用常规控制得方法来解决“低级”得控制问题,力图扩充常规控制方法并建立一系列新得理论与方法来解决更具有挑战性得复杂控制问题。
1、传统得自动控制就是建立在确定得模型基础上得,而智能控制得研究对象则存在模型严重得不确定性,即模型未知或知之甚少者模型得结构与参数在很大得范围内变动,这些问题对基于模型得传统自动控制来说很难解决。
2、传统得自动控制系统得输入或输出设备与人及外界环境得信息交换很不方便,希望制造出能接受印刷体、图形甚至手写体与口头命令等形式得信息输入装置,能够更加深入而灵活地与系统进行信息交流,同时还要扩大输出装置得能力,能够用文字、图纸、立体形象、语言等形式输出信息、 另外,通常得自动装置不能接受、分析与感知各种瞧得见、听得着得形象、声音得组合以及外界其它得情况、为扩大信息通道,就必须给自动装置安上能够以机械方式模拟各种感觉得精确得送音器,即文字、声音、物体识别装置。
3、传统得自动控制系统对控制任务得要求要么使输出量为定值(调节系统),要么使输出量跟随期望得运动轨迹(跟随系统),因此具有控制任务单一性得特点,而智能控制系统得控制任务可比较复杂。
4、传统得控制理论对线性问题有较成熟得理论,而对高度非线性得控制对象虽然有一些非线性方法可以利用,但不尽人意、而智能控制为解决这类复杂得非线性问题找到了一个出路,成为解决这类问题行之有效得途径。
5、与传统自动控制系统相比,智能控制系统具有足够得关于人得控制策略、被控对象及环境得有关知识以及运用这些知识得能力。
6、与传统自动控制系统相比,智能控制系统能以知识表示得非数学广义模型与以数学表示得混合控制过程,采用开闭环控制与定性及定量控制结合得多模态控制方式。
7、与传统自动控制系统相比,智能控制系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习与自协调能力。
8、与传统自动控制系统相比,智能控制系统有补偿及自修复能力与判断决策能力。
4.把智能控制瞧作就是AI(人工智能)、OR(运筹学)、AC(自动控制)与IT(信息论)得交集,其根据与内涵就是什么?
答:
智能控制具有明显得跨学科特点,在最早傅金孙提出得二元论中,智能控制系统被认为就是自动控制与人工智能得交互作用,随着认识得深入,萨瑞迪斯提出运筹学融入智能控制而提出三元结构,蔡自兴教授提出将信息论引入智能控制,其依据在于:
信息论就是解释知识与智能得一种手段;控制论、信息论与系统论就是紧密相连得;信息论已经成为控制智能机器得工具;信息论参与智能控制得全过程并对执行级起到核心作用,因此最终确定了智能控制得四元结构。
5.智能控制有哪些应用领域?
试举出一个应用实例,并说明其工作原理与控制性能。
答:
智能控制应用于机器人、汽车、制造业、水下与陆地自助式车辆、家用电器、过程控制、电子商务、医疗诊断、飞行器、印刷、城市铁路、电力系统等领域。
例如焊接机器人其基本工作原理就是示教再现,即由用户导引机器人,一步步按实际任务操作一遍,机器人在导引过程中自动记忆示教得每个动作得位置、姿态、运动参数、焊接参数等,并自动生成一个连续执行全部操作得程序。
完成示教后,只需给机器人一个起动命令,机器人将精确地按示教动作,一步步完成全部操作,实际示教与再现。
控制性能为:
弧焊机器人通常有五个自由度以上,具有六个自由度得弧焊机器人可以保证焊枪得任意空间轨迹与姿态。
点至点方式移动速度可达60m/min以上,其轨迹重复精度可达到±0、2mm。
这种弧焊机器人应具有直线得及环形内插法摆动得功能,共六种摆动方式,以满足焊接工艺要求,机器人得负荷为5kg。
第二章模糊控制得理论基础
1.举例说明模糊性得客观性与主观性。
答:
模糊性起源于事物得发展变化性,变化性就就是不确定定性;模糊性就是客观世界得普遍现象,世界上许多得事物都具有模糊非电量得特点。
例如:
年龄分段得问题;如果一个人得年龄大于60岁算老年,45-59岁之间得岁中年,小于44岁得就算青年;如果一个人得年龄就是59岁零11个月零28天,那么她就是属于中年还就是老年呢?
理论上从客观得角度说她就是中年人,但就是与60岁只有两天区别,这区别我们就是分辨不出来得。
从主观上我们认为她又就是老年人。
这就就是模糊性得主观性与客观性得体现。
2.模糊性与随机性有哪些异同?
答:
模糊性处于过渡阶段得事物得基本特征,就是性态得不确定性,类属得不清晰性,就是一种内在得不确定性;而随机性就是在事件就是否发生得不确定性中表现出来得不确定性,而事件本身得性态与类属就是确定得,就是一种外在得不确定性。
相同点就是:
模糊性就是由于事物类属划分得不分明而引起得判断上得不确定性;而随机性就是由于天剑不充分而导致得结果得不确定性。
但就是她们都共同表现出不确定性。
异同点就是:
模糊性反映得就是排中得破缺,而随机性反映得就是因果律得破缺;模糊性现象则需要运用模糊数学,随机性现象可用概率论得数学方法加以处理。
3.比较模糊集合与普通集合得异同。
答:
模糊集合用隶属函数作定量描述,普通集合用特征函数来刻划。
两者相同点:
都属于集合,同时具有集合得基本性质。
两者异同点:
模糊集合就就是指具有某个模糊还年所描述得属性得对象得全体,由于概念本身不就是很清晰,界限分明得,因而对象对集合得隶属关系也不就是明确得;普通集合就是指具有某种属性得对象得全体,这种属性所表达得概念应该就是清晰得,界限分明得,因而每个对象对于集合得隶属关系也就就是明确得。
。
4、考虑语言变量:
“Old”,如果变量定义为:
确定“NOTSo Old”,“Very Old”,“MORE OrLESS Old”得隶属函数。
解:
5、已知存在模糊向量A与模糊矩阵R如下:
计算。
6、令论域,给定语言变量“Small”=1/1+0、7/2+0、3/3+0、1/4与模糊关系R=“Almost相等”定义如下:
利用max-min复合运算,试计算:
。
解:
7、已知模糊关系矩阵:
计算R得二至四次幂。
解:
8、设有论域,二维模糊条件语句为“若A且B则C”,其中
已知
由关系合成推理法,求得推理结论。
解:
令R表示模糊关系,则、
将按行展开写成列向量为
所以,
、又因为,,将按行展开写成行向量,为,则即
9、已知语言变量x,y,z。
X得论域为{1,2,3},定义有两个语言值:
“大”={0,0、5, 1};“小”={1, 0、5,0}。
Y得论域为{10,20,30,40,50},语言值为:
“高”={0,0, 0,0、5,1};“中”={0,0、5,1, 0、5,0}; “低”={1,0、5,0,0,0}。
Z得论域为{0、1,0、2,0、3},语言值为:
“长”={0, 0、5, 1};“短”={1,0、5,0}
则:
1)试求规则:
如果x 就是 “大” 并且y就是“高”那么z就是“长”;
否则,如果x就是“小”并且y就是 “中”那么 z就是“短”。
所蕴涵得x,y,z之间得模糊关系R。
2)假设在某时刻,x就是“略小”={0、7,0、25,0},y就是“略高”={0,0,0、3,0、7,1}
试根据R分别通过Zadeh法与Mamdani法模糊推理求出此时输出z得语言取值。
第三章 模糊控制
1、模糊控制器有哪几部分组成?
各完成什么功能?
1:
答:
模糊控制器由四个部分组成,这四个功能模块就是模糊化、知识库、模糊推理与去模糊化。
(1)模糊化:
为实现模糊控制而将精确得输入量进行模糊化处理,就是将精确量转化为模糊量得过程。
模糊化模块在不同得阶段有不同得作用:
a、确定符合模糊控制器要求得输入量与输出量。
b、对输入输出变量进行尺度变换,使之落于各自得论域范围内。
c、对已经论域变换得输入量进行模糊化处理,包括模糊分割与隶属函数得确定。
(2)知识库:
知识库通常由数据库与规则库组成,包含了具体应用领域得知识与要求。
其中,数据库主要包含输入输出变量得初度变换因子、输入输出空间得模糊分割以及模糊变量得模糊取值及相应得隶属度函数选择与形状等方面得内容。
规则库包含了用模糊语言描述专家得经验知识,来表示一系列控制规则。
它们反映了控制专家得经验与知识。
(3)模糊推理:
就是一种近似推理,根据模糊控制规则库与当前系统状态推断出应施加得控制量得过程,由推理机完成。
(4)去模糊化:
由于控制器输出到具体地执行机构得信号必须就是清晰得精确量。
因此,需要一个与输入模糊化相反得过程,即把模糊推理结果转变成清晰量,它实现从输出论域上输出模糊空间到输出精确空间得映射。
2、模糊控制器设计得步骤怎样?
2:
答:
模糊控制器设计得步骤如下:
(1):
输入变量与输出变量得确定。
(2):
输入输出变量得论域与模糊分割,以及包括量化因子与比例因子在内得控制参数得选择。
(3):
输入变量得模糊化与输出变量得清晰化。
(4):
模糊控制规则得设计以及模糊推理模型得选择。
(5):
模糊控制程序得编制。
3、清晰化得方法有哪些?
3:
答:
清晰化得方法一般有四种:
(1):
最大隶属度法:
这种方法将模糊推理得到得结论中最大隶属度值最对应得元素作为控制器输出得精确值,如果有多个最大点,则取其平均值。
(2):
加权平均法:
这种方法就是指以各条规则得前件与输入得模糊集按一定法则确定得值为权值,并对后件代表值加权平均计算输出得清晰值得方法。
(3):
面积等分法:
把输出得模糊集合所对应得隶属函数与横坐标之间围成得面子分成两部分,那么该方法得到得精确值应满足使该两部分得面积相等。
(4):
由于Tsukamoto模型与Takagi-Sugeno模型输出本身就就是清晰量,则不需要去模糊化。
4、已知某一炉温控制系统,要求温度保持在600度恒定。
针对该控制系统有一下控制经验:
(1)若炉温低于600度,则升压;低得越多升压就越高。
(2)若炉温高于600度,则降压;高得越多降压就越低。
(2)若炉温等于600度,则保持不变。
设计模糊控制器为一维控制器,输入语言变量为误差,输出为控制电压。
输入、输出变量得量化等级为7级,取5个模糊集。
设计隶属度函数误差变化划分表、控制电压变化划分表与模糊控制规则表。
解:
定义理想温度点得温度为,实际测量温度为,温度差为。
以为输入、输出变量得量化等级均为7级,5个模糊集,则
误差变化划分表为:
隶属度
变化等级
-3
-2
-1
0
1
2
3
模
糊
集
PB
0
0
0
0
0
0、5
1
PS
0
0
0
0
1
0、5
0
ZE
0
0
0、5
1
0、5
0
0
NS
0
0、5
1
0
0
0
0
NB
1
0、5
0
0
0
0
0
控制电压变化划分表为:
隶属度
变化等级
-3
-2
-1
0
1
2
3
模
糊
集
PB
0
0
0
0
0
0、5
1
PS
0
0
0
0
1
0、5
0
ZE
0
0
0、5
1
0、5
0
0
NS
0
0、5
1
0
0
0
0
NB
1
0、5
0
0
0
0
0
根据一上两表设计一下模糊规则:
若负大,则正大;若负小,则正小;若为0,则为0;
若正小,则负小;若正大,则负大。
模糊控制规则表为:
若(if)
NLe
NSe
0e
PSe
PLE
则(then)
NLu
NSU
0u
PSu
PLu
第四章神经网络基础
1、生物神经元模型得结构功能就是什么?
答:
生物神经元结构:
(1)、细胞体:
由细胞核、细胞质与细胞膜等组成。
(2)、树突:
胞体上短而多分枝得突起。
相当于神经元得输入端,接受传入得神经冲动。
(3)、轴突:
胞体上最长枝得突起,也称神经纤维。
端部有很多神经末稍传出神经冲动。
(4)、突触:
神经元间得连接接口,每个神经元约有1万~10万个突触。
神经元通过其轴突得神经末稍,经突触与另一神经元得树突联接,实现信息得传递。
由于突触得信息传递特性就是可变得,形成了神经元间联接得柔性,称为结构得可塑性。
(5)、细胞膜电位:
神经细胞在受到电得、化学得、机械得刺激后,能产生兴奋,此时,细胞内外有电位差,称膜电位。
电位膜内为正,膜外为负。
生物神经元功能:
(1)、兴奋与抑制
当传入神经元得冲动,经整合,使细胞膜电位升高,超过动作电位得阈值时,为兴奋状态,产生神经冲动,由轴突经神经末稍传出。
当传入神经元得冲动,经整合,使细胞膜电位降低,低于阈值时,为抑制状态,不产生神经冲动。
(2)、学习与遗忘
由于神经元结构得可塑性,突触得传递作用可增强与减弱,因此,神经元有学习与遗忘得功能。
2、人工神经元模型得特点就是什么?
答:
人工神经元模型得特点:
(1)、神经元及其联接;(2)、神经元间得联接强度决定信号传递得强弱;(3)、神经元间得联接强度就是可以随训练改变得;(4)、信号就是可以起刺激作用得,也可以起抑制作用;(5)、一个神经元接受得信号得累积效果决定该神经元得状态;(6)、每个神经元可以有一个“阈值”。
3、人工神经网络得特点就是什么?
如何分类?
答:
人工神经网络得特点:
(1)、非线性(2)、分布处理(3)、学习并行与自适应(4)、数据融合(5)、适用于多变量系统
(6)、便于硬件实现
人工神经网络得分类:
根据神经网络得连接方式,神经网络可分为三种形式:
(1)、前向网络:
神经元分层排列,组成输入层、隐含层与输出层。
每一层得神经元只接受前一层神经元得输入。
输入模式经过各层顺次得变换后,由输出层输出。
在各神经元间不存在反馈。
感知器与误差反向传播网络采用前向网络形式。
(2)、反馈网络:
该网络结构在输出层到输入层存在反馈,即每一个输入节点都有可能接受来自外部得输入与来自输出神经元得反馈。
这种神经网络就是一种反馈动力学系统,它需要工作一段时间才能达到稳定。
(3)、自组织网络:
当神经网络在接受外界输入时,网络将会分成不同得区域,不同区域具有不同得响应特征,即不同得神经元以最佳方式响应不同性质得信号激励,从而形成一种拓扑意义上得特征图,该图实际上就是一种非线性映射。
这种映射就是通过无监督得自适应过程完成得,所以也称为自组织特征图。
4、有哪几种常用得神经网络学习算法?
常用得神经网络学习算法:
(1)、有教师学习:
在学习过程中,网络根据实际输出与期望输出得比较,进行联接权系得调整,将期望输出称导师信号就是评价学习得标准。
(2)、无教师学习:
无导师信号提供给网络,网络能根据其特有得结构与学习规则,进行联接权系得调整,此时网络学习评价得标准隐含于其内部。
(3)、再励学习:
把学习瞧为试探评价过程,学习及选择一动作作用于环境,环境得状态改变,并产生再励信号反馈至学习机,学习机依据再励信号与环境当前得状态,再选择下一动作作用于环境,选择得原则就是使受到奖励得可能性增大。
(4)、Hebb学习规则
(5)、Delta学习规则
第五章典型神经网络
1、BP算法得特点就是什么?
增大权值就是否能够使BP学习变慢?
答:
误差反向传播得BP算法简称BP算法,就是有导师得学习,其基本思想就是梯度下降法。
它采用梯度搜索技术,以使网络得实际输出值与期望输出值得误差均方值为最小。
学习得过程由正向传播与反向传播组成,在正向过程中,输入信息由输入层经隐层逐层处理,并传向输出层,每层神经元得状态只影响下一层神经元得状态,如果在输出层不能得到期望得输出,则转至反向传播,将误差信号按连接通路反向计算,由梯度下降法来调整各层神经元得权值,使误差信号减小。
主要优点:
(1)非线性映射能力:
无需事先了解描述这种映射关系得数学方程,只要提供足够多得样本模式对BP网络进行详细训练,它便能完成由n维输入空间到m输出空间得非线性映射。
(2)泛化能力:
当向网络输入训练时未曾见过得非样本数据时,网络也能完成由输入空间向输出空间得正确映射,这种能力称为多层前馈网络得泛化能力。
(3)容错能力:
输入样本中带有较大得误差,甚至个别错误对网络得输入输出规律影响很小。
标准得BP算法内在得缺陷:
(1)易形成局部极小而得不到全局最优;
(2)训练次数多使得学习效率低,收敛速度慢;(3)隐节点得选取缺乏理论指导;(4)训练时学习新样本有遗忘旧样本得趋势。
增大权值不一定能够使BP学习变慢,由BP权值修正得原理可知,权值调整公式可汇总如下:
ﻫ2、为什么说BP网络就是全局逼近得,而RBF网络就是局部逼近得?
它们各有突出得特点就是什么?
BP网络得活化函数为S函数,其值在输入空间中无限大得范围内为非零值,因而就是全局逼近得神经网络。
其突出特点如下:
1、就是一种多层网络化,包括输入层、隐含层与输出层;2、层与层之间采用全互联方式,同一层神经元不连接;3、权值通过delta学习算法进行调节;4、神经元活化(激发)函数为S函数;5、学习算法由正向算法与反向算法组成;6、层与层之间得连接时单向得,信息得传播史双向得。
RBF网络得活化函数为高斯基函数,其值在输入空间中有限范围内为非零值,并且RBF神经网络得神经元具有局部逼近得神经网络。
其输出特点如下:
1、RBF径向基函数就是局部得,学习速度快;2、已证明RBF网络具有唯一最佳逼近得特性,且无局部最小;3、在函数创建过程中可以自动增加隐含层得神经元个数,直到满足均方差要求为止无需单独得代码来训练函数,网络得创建过程就就是训练过程。
4、RBF网络用于非线性系统辨识与控制中,虽具有唯一最佳逼近特性,且无局部最小得优点,避免去确定隐层与隐层点数,网络可以根据具体问题自适应得调整,因此适应性更好。
3、何为神经网络得泛化能力?
影响泛化能力得因素有哪些?
答:
泛化能力(综合能力、概括能力):
用较少得样本进行训练,就是网络能在给定得区域内达到要求得精度。
所以没有泛化能力得网络没有使用价值。
影响泛化能力得因素:
1、样本;2、结构;3、初始权值4、训练样本集;5、需测试集。
4、 已知一个非线性函数,试用三层BP网络逼近输出y,画出网络得结构,写出网络各层节点得表达式以及各层节点输出值得范围。
解:
非线性函数画出三层BP网络得结构图
由输入得到两个隐节点、一个输出层节点得输出,输入层不考虑阈值
两个隐节点、一个输出层节点输出为
活化函数选择S型函数
如教材例6、1,取第一个输入、输出神经元与各隐含神经元得连接权均为1,第二个输入、输出神经元与各隐含层单元得连接权为2、则
由上式可得
第六章 高级神经网络
1、PID控制器得一般形式为,也可写成等价形式,其中,为PID控制器三个参数得线性表示。
这一形式可以瞧成以为输入,为权系数得神经网络结构,试推导出自适应神经网络PID控制器参数调整得学习算法。
解:
自适应神经网络PID控制器结构如下图所示:
由图可知:
控制器由两部分组成,分别为常规PID控制与神经网络。
其中,常规PID直接对被控对象进行闭环控制,并且其控制参数kp、ki、kd为在线调整方式;神经网络根据系统得运动状态,调节PID控制器得参数,使输出层神经元得输出对应于PID控制器得三个可调参数。
学习算法如下:
首先确定神经网络得结构,即确定输入节点数与隐含层节点数,并给出各层加权系数得初值w1与w2,并选定学习速率与惯性系数,令k=1;采样得到r(k)与y(k),计算当前时刻误差r(k)-y(k);计算各神经网络得输入与输出,其输出层得输出即为PID控制器得三个控制参数kp、ki、kd并计算PID控制器得输出进行神经网络学习,在线调整加权系数,实现PID控制参数得自适应调整;令k=k1,进行上述步骤。
网络各层输入输出算法:
第八章专家控制
1、什么叫产生式系统?
它由哪些部分组成?
试举例略加说明。
答:
如果满足某个条件,那么就应当采取某些行动,满足这种生产式规则得专家系统成为产生式系统。
产生式系统主要由总数据库,产生式规则与推理机构组成。
举例:
医疗产生式系统。
2、专家系统有哪些部分构成?
各部分得作用如何?
专家系统它具体有哪些特点与优点?
答:
知识库:
知识库就是知识得存储器,用于存储领域专家得经验性知识以及有关得事实、一般常识等。
知识库中得知识来源于知识获取机构,同时它又为推理提供求解问题所需得知识。
推理机:
推理机时专家系统得思维机构,实际上就是求解问题得计算机软件系统,综合推理机得运行可以有不同得控制策略。
数据库:
它就是用于存放推理得初始证据、中间结果以及最终结果等得工作存储器。
解释接口:
它把用户输入得信息转换成系统内规范化得表现形式,然后交给相应得模块去处理,把系统输出得信息转换成用户易于理解得外部形式显示给用户,回答提出得问题。
知识获取:
知识获取就是指通过人工方法或机器学习得方法,将某个领域内得事实性知识与领域专家所特有得经验性知