智能控制理论复习资料答案.docx
《智能控制理论复习资料答案.docx》由会员分享，可在线阅读，更多相关《智能控制理论复习资料答案.docx（14页珍藏版）》请在冰点文库上搜索。
智能控制理论复习资料答案
智能控制理论复习资料
一．智能控制概述
1.什么是智能？
什么是人工智能？
答：
能有效地获取、传递、处理、再生和利用信息，从而在任意给定的环境
下能成功地达到预定目的的能力。
是研究、开发用于模拟、延伸、扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。
2.什么是控制？
什么是自动控制？
什么是智能控制？
答：
按照主体的意愿，使事物向期望的目标发展。
在没有人直接参与的情况下，利用外加设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。
在没有人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
3.智能控制的二元结构和三元结构分别是什么？
答：
二元结构：
人工智能、自动控制
三元结构：
人工智能、自动控制、运筹学
4.智能控制系统的主要功能特点是什么？
答：
学习功能、适应功能、组织功能、优化功能
5.智能控制的研究对象具备什么特点？
答：
①不确定性的模型。
传统的控制是基于模型的控制，这里的模型包括控
制对象和干扰模型。
②高度的非线性。
传统控制理论中的线性系统理论比较成熟。
③复杂的任务要求。
传统的控制系统中，控制任务或者是要求输出值为
定值，或者要求输出值跟随期望值的运动轨迹，因此控制任务的要求比较单一，而智能控制的任务要求往往比较复杂。
6.智能控制与自动控制的关系是什么？
答：
①自动控制是智能控制的基础，智能控制是对自动控制的进步与延伸；
②自动控制往往包含在智能控制之中，智能控制也利用自动控制的方法来解决“低级”的控制问题；
③智能控制具有模拟人进行诸如规划、学习和自适应的能力，所以它就是让自动控制系统拥有学习的功能。
7.智能控制与传统控制相比有哪些优点？
答：
传统控制难以解决的问题包括以下几点：
1实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，
无法获得精确的数学模型；
2某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，
即无法解决建模问题；
3针对实际系统往往要进行一些较苛刻的线性化假设，而这些假设往往与
实际系统不符合；
4实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务无能
为力。
智能控制将控制理论的方法与人工智能技术灵活地结合起来，其控制方法适
应对象的复杂性和不确定性，能够有效地解决上述问题，具有较大的优越性。
8.智能控制与传统控制的区别如何？
答：
传统控制：
经典反馈控制和现代理论控制。
主要特征是基于精确的系统
数学模型的控制，适用于解决线性、时不变等相对简单的控制问题。
智能控制：
是对传统控制理论的发展，能够解决传统控制方法难以解决的复杂系统的控制问题，如对象的不确定性、高度的非线性和复杂的任务要求；传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
9.智能控制未来的主要研究方向和应用领域有哪些？
答：
智能控制是自动控制的最新发展阶段，主要用于解决传统控制技术与方
法难以解决的复杂系统的控制问题，如对象的不确定性、高度的非线性和复杂的任务要求。
智能控制作为一门新兴控制技术，目前还处于发展初期。
基于遗传算法的智能控制、基于Petri网理论的智能控制、遗传算法、神经网络和模糊控制相结合的综合优化控制等新的智能控制理论和方法在不断涌现和发展之中。
可以预见，随着系统论、人工智能理论和计算机技术的发展，智能控制将会有更大的发展空间，并在实际中得到更加广泛的应用。
根据智能控制基本研究对象的开放性、复杂性、多层次和信息模式的多样性、模糊性、不确定性等特点，其未来的研究内容主要包括以下几个方面：
（1）智能控制基本机理的研究；
（2）智能控制基本理论和方法的研究；
（3）智能控制应用的研究。
伴随着智能控制系统具有学习、适应、组织三大功能特点，其发展趋势也将包括以下几方面：
（1）智能控制理论的进一步研究，尤其是智能控制系统稳定性分析的理论研究；
（2）结合神经生理学、心理学、认识科学、人工智能等学科的认识，深入研究人类解决问题时的经验、策略，建立更多的智能控制体系结构；
（3）研究适合现有计算机资源条件的智能控制方法；
（4）研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平；
（5）研究适合智能控制系统的软、硬件进行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制在实际应用中存在的问题。
二．分层递阶智能控制
1.递阶控制系统的组成与各个部分的功能是什么？
答：
组成：
组织级、协调级、执行级。
组织级（任务规划）：
负责整个系统的推理、规划、决策、长期记忆、信息交流等，是智能最高的级别，主要进行的是基于知识的各种信息处理和决策。
协调级：
是组织级和执行级的接口，主要负责将组织级的指令分配为执行级的各项子任务，同时反馈任务执行的信息。
执行级：
一般由多个硬件控制器所组成，负责具体的过程控制。
2.IPDI基本原理：
精度随智能降低而增大的原理。
3.分层递阶控制的基本原理是什么？
答：
①对于给定的外部命令和任务，组织级设法找到能够完成该任务的子任
务组合；②将这些子任务要求送至协调级，通过协调处理，将具体的动作要求送至执行级完成所要求的任务；③对任务的执行结果进行性能评价，并将评价结果逐级向上反馈，同时对以前存储的知识信息加以修改，从而起到学习的作用。
三．专家控制
1.什么是专家系统和专家控制？
二者有何区别？
答：
专家系统是一个具有大量专门知识与经验的程序系统，根据某个领域的专家提供的知识与经验进行推理和判断，模拟人类专家的决策过程。
专家控制：
将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时控制系统设计和实现方法。
区别：
①专家系统能完成专门领域的功能，辅助用户决策；而专家控制能进行独立的、实时的自动决策。
专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
②专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。
2.专家系统的主要组成部分包括什么？
请简单解释其各自的作用。
答：
包括知识库、数据库、推理机、解释器、知识获取器。
知识库：
用于存取和管理所获取的专家知识和经验，供推理机利用，具有知识存储、检索、编辑、增删、修改和扩充等功能。
数据库：
用来存放系统推理过程中用到的控制信息、中间假设和中间结果。
推理机：
主要功能是协调、控制系统，决定如何选用知识库中的知识，对用户提出的证据进行推理，求得问题的解答或证明某个结论的正确性。
解释器：
用于作为专家系统与用户之间的“人-机”接口，其功能是向用户解释系统的行为。
知识获取器：
是指通过人工方法或机器学习的方法，将某个领域的事实性知识或领域专家所特有的经验性知识转化为计算机程序的过程。
4.专家系统有哪些特征？
答：
①具有专家水平的知识：
必须表现专家的技能和高度的技巧以及足够的鲁棒性；
②能进行有效的推理：
能够运用专家的经验、知识进行搜索，推理；
③具有透明性：
在推理时，不仅能得到答案，还能得到推理的依据；
④具有灵活性：
知识的更新和扩充灵活方便；
⑤具有启发性：
运用专家的经验知识对不确定的或不精确的问题进行启发式推理。
5.专家系统有哪几种知识表示方法？
答：
产生式规则、框架、语义结构、过程。
6.专家系统的推理机制有哪几种？
答：
正向推理（数据驱动策略）、反向推理（目标驱动策略）、正反向混合推理。
7.专家控制的基本原理是什么？
答：
专家控制是试图在传统控制的基础上“加入”一个富有经验的工程师，实现控制的功能，它由知识库和推理机构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。
8.专家控制的组成与特点是什么？
答：
专家控制是将专家系统的设计规范和运行机制与传统的控制理论和技术
相结合而成的实时控制系统设计和实现方法。
由知识库、推理机和算法库构成主体框架。
主要特点有以下几点：
①灵活性：
根据系统的工作状态及误差情况，可灵活地选取相应的控制律；
②适应性：
能根据专家知识和经验，调整控制器的参数，适应对象特性及环境变化；
③鲁棒性：
通过利用专家规则，系统可以在非线性、大偏差下可靠的工作。
9.专家控制的功能有哪些？
答：
①能够满足任意动态过程的需要，尤其适用于带有时变、非线性和强干
扰的控制；
②控制过程可以利用对象的先验知识；
③通过修改、增加控制规则，可不断积累知识，改进控制性能；
④可以定性的描述控制系统的性能，如“超调小”，“偏差增大”等；
⑤对控制性能可进行解释；
⑥可通过对控制闭环中的单元进行故障检测来获取经验规则。
10.专家控制器的工作原理和各部分的组成作用是什么？
答：
知识库：
存放工业过程控制的领域知识，由经验数据库和学习与适应装置组成。
经验数据库主要存储经验和事实，学习与适应装置是根据在线获取的信息，补充或修改知识库内容，改进系统性能，以便提高问题求解能力。
规则控制：
对受控过程的各种控制模式和经验的归纳和总结。
推理机构：
其复杂程度由规则条数决定，如果搜索空间很少，推理机构就十分简单，采用向前推理方法，逐次判别各种规则的条件，满足则执行，否则急需搜索。
特征识别与信息处理：
其作用是实现对信息的提取与加工，为控制决策和学习适应提供依据，它主要包括抽取动态过程的特征信息，识别系统的特征状态，并对这些特征信息进行必要的加工。
数据库：
是用于存放用户提供的初始事实、问题概述以及系统运行过程中得到的中间结果、最终结果、运行信息等的工作存储器，数据库的内容是不断变化的。
四．模糊逻辑控制
1.什么是模糊控制？
它有什么特点（优点）？
答：
模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础，从行为上模拟人的模糊推理和决策过程的一种智能控制方法。
特点：
①不需要被控对象的数学模型。
是以人对被控对象的控制经验为依据而设计的控制器；
②是一种反映人类智慧的智能控制方法；
③易于被人们接受。
模糊控制的核心是模糊规则，模糊规则是用语言来表示的；
④构造容易。
控制规则易于软件实现；
⑤鲁棒性和适应性好。
2.模糊控制器是由哪几部分构成的？
说明其各自的作用。
答：
构成：
模糊化接口、知识库（数据库和规则库）、推理机、解模糊接口。
模糊化接口：
实际上是模糊控制器的输入接口，主要作用是将真实的确定量输入转化成一个模糊矢量。
数据库：
存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值，若论域为连续域，则为隶属度函数。
在规则推理的模糊关系方程求解过程中，向推理机提供数据。
规则库：
是基于专家知识或手动操作人员长期积累的经验，是按人的直觉推理的一种语言表达形式。
用来存放全部模糊控制规则，在推理时为推理机提供控制规则。
推理机：
是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊输出量的功能部分。
解模糊接口：
规则推理完成后，所得结果仍是一个模糊矢量，必须作一次转换，求得清晰的控制量输出。
3.模糊控制器的基本工作原理是什么？
答：
①将测量得到的被控对象的实时信号经过模糊化接口，转换为用人类
自然语言描述的模糊量；
②根据人类的语言控制规则，进行模糊推理，得到输出控制量的模糊
矢量；
③将该模糊矢量经过清晰化接口转化为执行机构能够接受的精确量。
4.模糊控制器的设计步骤包括哪些？
答：
①选择合适的模糊控制器类型；
②确定输入、输出变量的实际论域；
③确定输入、输出的模糊集个数及各模糊集的隶属度函数；
④设计模糊控制规则表；
⑤选择模糊推理方法；
⑥选择解模糊方法：
最大隶属度法、重心法、加权平均法。
5．专家系统控制与模糊逻辑控制的异同有哪些？
答：
相同点：
①它们都是反映人类智慧的智能控制；
②都不需要被控对象的数学模型，适用于复杂的非线性系统的控制；
③控制过程都是利用专家的经验来进行的；
④在控制过程中可以修改、增加控制规则，不断积累知识，改进控制性能；
⑤特点都是鲁棒性和适应性好；
不同点：
①专家控制是将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时控制系统设计和实现方法；模糊控制是以模糊集理论、模糊语言变量、模糊逻辑推理为基础，从行为上模拟人的模糊推理和决策过程的一种智能控制方法；
②专家控制在利用系统的先验知识进行推理时不需要进行模糊化，推理完成后也无需清晰化；
③专家控制可对控制性能进行解释，模糊控制没有该功能。
6.模糊控制未来的主要研究方向和应用领域有哪些？
答：
模糊控制已经有不少的研究成果，各类模糊控制器非常多，如模糊PID、自适应模糊控制器、神经模糊控制器、专家模糊控制器等，也出现了各种软件工具和集成电路芯片但，同时被广泛应用于生产实践，如在工业控制、家电领域、航空航天控制、水电控制、机器人控制等方面取得了突破性进展。
但模糊控制的发展历史还不长，理论上的系统性和完善性、技术上的成熟性和规范性都还远远不够，总的来说还有以下几个方面的问题亟待解决：
①建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法、专家模糊控制系统、神经模糊控制系统和多变量模糊控制系统的分析与设计等一系列问题；
②模糊控制在非线性复杂系统应用中的模糊建模、模糊规则的建立和推理算法的深入研究；
③模糊集成控制系统的设计方法研究；
④自学习模糊控制策略的实现；
⑤模糊控制系统的稳定性分析。
五．神经网络控制
1.什么是人工神经网络控制？
它的主要特点是什么？
答：
它是一个并行和分布式的信息处理网络结构，该结构一般由许多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其他的神经元，，其输入有多个连接通路，每个连接通路对应一个连接权系数。
它利用数学模型来模拟生物神经网络的某些结构和功能。
特点：
①自组织及自适应性；②大规模并行计算；③鲁棒性；④自学习能力以及联想存储等特点；⑤分布式存储，存储和计算相结合；⑥非线性处理，非线性映射；⑦泛化功能
2.人工神经网络的功能和作用是什么？
答：
功能：
①预测；②优化计算；③系统辨识；④纠检错
作用：
①回归；②分类
3.人工神经元模型中响应函数的作用是什么？
答：
①控制输入对输出的激活作用；
②对输入和输出进行函数转换；
③将可能无限域的输入变换成指定的有限范围内输出。
4.神经网络的优越性有哪几种表现？
答：
①可处理那些难以用模型或规则描述的对象；
②采用并行分布式信息处理，具有很强的容错性；
③本质上是非线性系统，可以实现任意非线性映射；
④具有很强的信息综合能力，能够同时处理大量不同类型的输入，能够很好的解决输入信息之间的互补性和冗余性问题；
⑤硬件实现愈趋方便。
5.神经网络的基本学习算法和工作方式是什么？
答：
基本学习算法：
①权值确定；②Hebb学习规则；③误差校正学习规
则；④相近学习规则。
工作方式：
①学习期：
神经元间的连接权值，可由学习规则进行调整，
以使目标函数达到最小；
②工作期：
连接权值不变，由网络的输入得到相应的输出。
6.感知器的作用与局限是什么？
答：
作用：
用于模式分类，也可用在基于分类的学习和多模态机制中。
局限：
仅对线性可分具有分类能力，由于感知器由线性阈值元件组成，无法求解线性不可分问题。
7.BP网络的特点是什么？
答：
①信息流：
从输入到输出；②误差：
从输出到输入反向调整；
③变换函数：
S型；④输出量：
0-1之间；
⑤一个三层的BP网络可以逼近一个从输入到输出的任意非线性函数；
⑥BP网络的学习算法属于全局逼近算法，因而具有较好的泛化能力；
⑦可以用于模式识别与分类，数据压缩。
8.简述BP学习算法的主要思想。
答：
①第一阶段（正向传播过程）：
给出输入信息通过输入层经隐含层逐层
处理并计算每个单元的实际输出值；
②第二阶段（反向过程）：
若在输出层未能得到期望输出值，则逐层递
归的计算实际输出与期望输出的差值，以便根据此差值调节权值。
9.BP网络有什么优点和缺点？
答：
优点：
①只要有足够多的隐层和隐节点，BP网络可以逼近一个从输入
到输出的任意非线性函数；②BP网络的学习算法属于全局逼近的算法，因而具有较好的泛化能力。
缺点：
①收敛速度慢，训练时间长；②局部极值问题；③难以确定隐
层和隐节点的个数。
10.简述RBF神经网络和BP神经网络的主要区别。
答：
两者的学习过程类似，其主要区别在于各使用不同的作用函数。
BP
神经网络中隐层使用的S函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF神经网络的作用函数是高斯函数，其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络，采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。
11.何为有导师学习？
何为无导师学习？
答：
①有导师学习（监督学习）：
网络根据实际输出与期望值比较，进行权
系数的调整。
将期望输出称为导师信号，是评价学习的标准。
②无导师学习（无监督学习）：
无导师信号提供给网络，网络能根据其
特有的结构和学习规划，进行权系数的调整，此时网络学习评价标准隐含于其内部。
12.神经网络待解决的问题还有哪些方面？
答：
①神经网络的稳定性和收敛性；
②神经网络的研究在逼近非线性函数时只解决了存在性问题；
③神经网络的学习速度一般比较慢，急需解决实时控制需要；
④对控制器与辨识器，如何选择合适的神经网络模型及确定模型的结构；
⑤神经网络控制系统，稳定性、收敛性的分析难度大。
13.模糊逻辑控制与人工神经网络控制的异同有哪些？
答：
相同点：
①都可以处理那些难以用模型描述的对象；
②它们所构成的系统都能很出色的模拟人脑思维来完成信息处理；
③特点都是鲁棒性和适应性好。
不同点：
①神经网络具有自学习能力，而模糊控制没有，所以模糊控制发展的趋势就是要让模糊控制器有学习能力；
②模糊系统比神经网络更易建立，因为它只需要往模糊控制器的规则库中填入若干准则，而神经网络方法需要建立一个非线性动力学系统，需要足够多的训练样本以及通过反复学习对这些训练样本进行编码；
③神经网络的计算操作包含了两个矢量的相乘、相加，而模糊系统的运算仅包括两个矢量的比较和相加；
④神经网络采用数字样本，而模糊逻辑系统需用模糊集样本。
14.简述人工神经网络的发展现状及发展趋势。
答：
随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神
经网络也将得到更快的发展和更加广泛的应用。
现有的人工神经网络模型已不下百种，最具代表性的有：
多层前馈网络、反馈神经网络、随机神经网络和自组织神经网络。
几种常用的神经网络控制系统有：
监督控制、逆动态控制系统、内模控制系统、预测控制系统、模型参考自适应控制系统等。
其发展趋势也将为研究新型的神经网络、神经网络的硬件实现以及神经网络在各个学科领域的应用研究等。
升级会员 