智能控制复习题.docx
《智能控制复习题.docx》由会员分享，可在线阅读，更多相关《智能控制复习题.docx（11页珍藏版）》请在冰豆网上搜索。
智能控制复习题
1．智能控制系统有哪些类型？
1）多级递阶智能控制;2）基于知识的专家控制;3）基于模糊逻辑的智能控制——模糊控制;4）基于神经网络的智能控制——神经控制;5）基于规则的仿人智能控制;6）基于模式识别的智能控制;7）多模变结构智能控制;8）学习控制和自学习控制;9）基于可拓逻辑的智能控制——可拓控制;10）基于混沌理论的智能控制——混沌控制
2．比较智能控制与传统控制的特点？
1）传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力
智能控制在处理复杂性、不确定性方面能力高
2）传统控制是基于被控对象精确模型的控制方式，可谓“模型论”
智能控制是智能决策论，相对于“模型论”可称为“控制论”
3）传统的控制为了控制必须建模，而利用不精确的模型又采用摸个固定控制算法，使整个的控制系统置于模型框架下，缺乏灵活性，缺乏应变性，因此很难胜任对复杂系统的控制。
智能控制的可信是控制决策，次用灵活机动的决策方式迫使控制朝着期望的目标逼近。
4）传统控制适用于解决线性、时不变等相对简单的的控制问题
智能控制是对传统控制理论的发展，传统控制室智能控制的一个组成部分，是智能控制的低级阶段。
3．神经网络应具备的四个基本属性是什么？
1）并行分布式处理;2）非线性处理;3）自学习功能;4）可通过硬件实现并行处理
4．神经网络学习方法有哪些？
1）联想式学习——规则;2）误差传播式学习——学习规则;3）概率式学习;4）竞争式学习
5．模糊控制系统一般由几个部分组成？
1）模糊控制器;2）输入/输出接口装置;3）广义对象;4）传感器
6．模糊控制器设计包括几项内容？
1）确定模糊控制器的输入变量和输出变量（即控制量）:
2）设计模糊控制器的控制规则;3）确立模糊化和非模糊化（又称清晰化）的方法;4）选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数（如量化因子、比例因子）;5）编制模糊控制算法的应用程序;6）合理选择模糊控制算法的采样时间
四、计算题（每小题8分，共24分）
1．设论域
，
求
，
，
（补集）。
=
=
=
2．设模糊矩阵
求
=
=
=
=
3．.某电热烘干炉依靠人工连续调节外加电压，以便克服各种干扰达到恒温烘干的目的。
操作工人的经验是“如果炉温低，则外加电压高，否则电压不很高。
”如果炉温很低，试确定外加电压应该如何调节？
设定论域
1、已知某一加热炉炉温控制系统，要求炉温保持在600℃，目前此系统采用人工控制方式，并有以下控制经验：
（1）如炉温低于600℃，则升压；低得越多升压越高。
（2）如炉温高于600℃，则降压；高得越多降压越低。
（3）如炉温等于600℃，则保持电压不变。
设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。
两个变量的量化等级为七级，取五个语言值，隶属度函数任意。
试设计出模糊逻辑控制表。
解：
（1）确定模糊控制器的输入输出变量
将600℃作为给定值t0,测量炉温为t（k），则误差为：
输入变量：
e（k）=t（k）－t0
输出变量：
触发电压u的变化量，该u直接控制供电电压的高低。
（2）输入输出变量的模糊语言描述
输入输出变量的语言值：
{负大（）,负小（）,零（）,正小（）,正大（）}
设：
e的论域为X，u的论域为Y，均量化为七个等级：
{-3，-2，-1，0，1，2，3}，{-3，-2，-1，0，1，2，3}
语言变量E和U的隶属函数赋值表（论域离散）
量化等级
u
语言变量
－3
－2
－1
0
1
2
3
0
0
0
0
0
0.5
1
0
0
0
0
1
0.5
0
0
0
0.5
1
0.5
0
0
0
0.5
1
0
0
0
0
1
0.5
0
0
0
0
0
（3）模糊控制规则
①EU
②EU
③EU
④EU
⑤EU
量化等级
u
语言变量
－3
－2
－1
0
1
2
3
0
0
0
0
0
0.5
1
0
0
0
0
1
0.5
0
0
0
0.5
1
0.5
0
0
0
0.5
1
0
0
0
0
1
0.5
0
0
0
0
0
（4）求模糊控制表
当e的量化值为1时，由上表可知：
µ
（1）=1，µ
（1）=1
（5）控制量转化为精确量：
采用加权平均法：
（6）计算模糊关系
（×）+（×）+（×）+（×）+（×）
×=（0,0,0.5,1,0.5,0,0）×（0,0,0.5,1,0.5,0,0）
分别计算出矩阵×，×，×，×，×
查询表：
e
－3
－2
－1
0
1
2
3
u
3
2
1
0
－1
－2
－3
实际控制时，将测量到的误差量化后，从查询表中得到控制量再乘以比例因子，即作为控制的实际输出。
2、设在论域e（误差）={-4，-2，0，2，4}，和控制电压[0，2，4，6，8]上定义的模糊子集的隶属度函数如下图。
已知模糊控制规则：
规则1：
如果e误差为，则u为；
规则2：
如果e误差为，则u为。
试用玛达尼推理法计算当输入误差0.6时，输出电压？
（精确化计算采用重心法）
解：
3、如图为多层前向传播神经网络结构。
设期望输入[x1，x2]=[1，3]，期望输出为[1，2]=[0.9，0.3]，网络权系数初值如图上，试用算法训练此网络。
并详细写出第一次迭代学习的计算结果。
学习步长η=1，取神经网络激励函为
7、设论域[U1，U2，U3，U4，U5]，[V1，V2，V3，V4，V5]，定义：
轻=11+0.82+0.63+0.44+0.25,重=0.21+0.42+0.63+0.84+15
确定模糊语言规则：
X是轻，则Y是不很重，所决定的模糊关系矩阵R，并计算出当X为很轻，很重条件下的模糊集合y
升级会员 