机电系统智能控制技术考核说明.doc

1 机电系统智能控制技术考核说明机电系统智能控制技术考核说明 机电系统智能控制技术是机械制造及其自动化专业学生必修的一门专业课。 本课程的教学内容主要包括：模糊控制、神经网络控制和专家控制等智能控制技术。 通过本课程的学习，使学生了解机电系统智能控制的基本结构，各类主要智能控制方 法的基本知识；掌握模糊控制与神经控制的基本理论、算法和基本设计方法。为今后 从事机电智能控制系统的控制设计和产品开发工作打下一定基础。 关于课程考核的说明关于课程考核的说明 考核对象考核对象：电大理工科类机电系统智能控制专业本科生。 考核方式考核方式：采用形成性考核和终结性考试相结合的方式。 考核依据考核依据：本课程所用教学大纲为 2002 年审定通过并下发执行的、电大理工科 类机电系统智能控制专业本科生机电系统智能控制技术教学大纲 ；所用文字教材 为韩力群编著的 2003 年 4 月由机械工业出版社出版的机电系统智能控制技术 。本 课程考核说明是形成性考核和终结性考试命题的基本依据。 课程总成绩的记分方法课程总成绩的记分方法：形成性考核成绩在课程总成绩中占 20，终结性考试成 绩在课程总成绩中占 80。课程总成绩为百分制，60 分为合格。 形成性考核的要求和形式形成性考核的要求和形式：形成性考核的形式有平时作业和课程实验。能够按时、 按质、按量完成平时作业和课程实验者方可得满分。 终结性考试的要求和形式终结性考试的要求和形式：按照课程的基本教学要求，考核内容主要包括液压、 气动技术的流体力学基础；主要液压、气动元器件结构及工作原理；液压、气动系统 的组成原理和特点；液压气动系统的设计计算方法。具体考核要求分为几个层次： 掌握：要求学生能够全面、深入理解和熟练掌握所学内容，并能够用所学的内容 分析、初步设计和解答与实际应用相关的问题，能够举一反三。 熟悉：要求学生能够较好地理解和掌握相应内容，并能够进行简单分析和判断。 了解：要求学生能够一般地了解所学内容。 组卷原则组卷原则：在教学大纲和考核说明所规定的目的、要求和内容范围之内命题。在 教学内容范围之内，按照理论联系实际原则，考察学员对所学知识应用能力的试题， 不属于超纲。试题的考察要求覆盖面广，并适当突出重点。试题兼顾各个能力层次， 掌握 60，熟悉占 30，了解占 10。试题的难易程度和题量适当，按难易程度分 为三个层次：较易占 30，一般占 50，较难占 20。题量安排以平时基本能够独 立完成作业者，能在规定的考试时间内做完并有一定时间检查为原则。 试题类型及试卷结构试题类型及试卷结构：试题类型有填空题、单项选择题、作图题、计算题和综 合题等。试卷结构的具体形式见后附“试题类型及规范解答举例” 。 考核形式考核形式：闭卷。 2 答题时限答题时限：120 分钟。 其他说明其他说明：考生需自备计算器、直尺、铅笔、橡皮等文具。 考核内容和要求考核内容和要求 一、智能控制基础一、智能控制基础 考核目的：考核学生对智能控制适合于哪些对象，智能控制与传统控制的主要区 别，以及智能控制的主要特点和主要类型等有关知识和概念掌握的情况。 考核内容： 1) 智能控制与传统控制的主要区别 2) 智能控制的应用对象具有那些特点 3) 智能控制的基本特点 4) 模糊控制的特点 5) 神经网络的特点 6) 专家控制系统的特点 考核要求： 掌握： 1) 智能控制的基本特点：即分层递阶的组织结构、多模态、学习能力、适应性 和组织能力； 2) 智能控制的主要类型：即模糊控制、神经网络控制、专家控制和分层递阶控 制； 3) 各类智能控制系统（模糊控制、神经网络控制、专家控制）的特点。 熟悉: 1) 智能控制与传统控制的主要区别； 2) 应用智能控制技术的系统有何特点。 了解：对于某种给定的智能控制技术方案，能指出其属于何种类型的智能控制。 二、模糊控制及应用模糊控制及应用 考核目的：考核学生对模糊控制的数学基础、模糊控制原理和基本模糊控制器的 设计以及模糊控制技术的特点等内容掌握的情况。 考核内容： 1)模糊集合基础知识 模糊集合的基本概念 模糊集合的表示方法 模糊集合的基本运算 隶属度函数的概念 3 模糊关系与模糊关系矩阵 模糊关系矩阵的基本运算 模糊算子 模糊语言变量 模糊条件语句 模糊推理的合成运算 2)模糊控制的工作原理 确定量的模糊化，包括：量化因子、比例因子、语言变量值的选取、语言变 量、赋值表、确定量的模糊化。 模糊控制算法：单输入单输出模糊控制规则、双输入单输出模糊控制规 则、双输入单输出模糊控制规则表、基于模糊控制规则的模糊关系。 输出信息的去模糊判决：最大隶属度法、加权平均法（重心法） 。 基本模糊控制器的设计：模糊控制器查询表、模糊控制器的设计步骤。 考核要求： 掌握： 1) 会用扎德法和向量法表示模糊集合； 2) 会进行模糊集合的基本运算，包括：并运算、交运算、补运算； 3) 会进行模糊关系矩阵的基本运算，包括：并运算、交运算、补运算、合成运 算； 4) 会确定量化因子和比例因子； 5) 会用模糊关系矩阵表示模糊控制规则 6) 会用最大隶属度法或重心法对模糊控制器的输出进行去模糊判决。 熟悉： 1)确定量的模糊化步骤； 2)模糊语言变量及模糊算子； 3)模糊控制算法：一组用模糊条件语句表达的模糊控制规则； 4)模糊推理方法：用模糊条件语句表达模糊控制规则，用模糊关系矩阵表达模糊 条件语句，用合成算法对输入模糊集合进行模糊推理得到输出模糊集合； 5)基本模糊控制器的设计步骤： 选择输入输出语言变量 建立各语言变量的赋值表 建立模糊控制规则表 建立查询表。 了解： 1) 几种常见的隶属度函数曲线； 4 2) 控制语言变量的常用语言值：NB、NM、NS、NO、PO、PS、PM、PB； 3) 常用模糊条件语句； 4) 模糊控制规则表； 5) 模糊控制器查询表。 6)能将用自然语言表达的人工控制经验设计成用模糊条件语句：“if then A ” 或“if and then ” 表达的模糊控制器的控制规则；B A B C 7) 能根据给定的控制语言变量各语言值的隶属度函数建立语言变量赋值表。 三、神经网络控制及应用三、神经网络控制及应用 考核目的：考核学生对人工神经网络的基本概念、基本网络结构和主要学习算法， 以及神经网络在系统辨识与控制方面解决问题的基本思路和应用方法等内容掌握的情 况。 考核内容： 1) 神经网络基础 神经网络的基本特征与功能 生物神经元的结构 生物神经元的信息处理机制 人工神经元模型 人工神经网络模型 神经网络学习算法分类 单层感知器 基于 BP 算法的多层感知器BP 神经网络 离散型反馈网络 2) 神经网络系统辨识 系统正模型的辨识 系统逆模型的辨识 3) 神经网络控制 神经网络控制系统结构 神经网络 PID 控制 神经网络内模控制 考核要求： 掌握： 1)结构特征(并行处理、分布式存储与容错性) 2) 能力特征(自学习、自组织与自适应性) 3)基本功能(联想记忆功能、非线性映射、分类与识别) 5 4)生物神经元的结构(由细胞体、树突、轴突和突触组成) 5)人工神经元模型(图解模型、数学模型、三种常用转移函数) 6) 人工神经网络的拓扑结构(多层前向网络、反馈网络 熟悉： 1) 生物神经元的信息处理机制信息的产生、传递、接收与整合； 2) 神经网络学习算法的分类：有导师学习和无导师学习； 3) 单层感知器的功能与局限性； 4) BP 算法的权值调整思路； 5) BP 神经网络的优势与缺陷； 6) 反馈网络的稳定性、吸引子与能量函数； 7) 反馈网络的功能； 8) 系统正模型辨识的两种结构并联结构和串-并联结构； 9) 系统逆模型辨识的两种结构反馈辨识结构和前馈辨识结构； 10) 典型的神经网络控制系统结构：直接逆控制、内模控制、PID 控制； 了解： 1) 采用神经网络 PID 控制方案的系统； 2) 采用神经网络内模控制方案的系统。 四、专家控制与仿人控制四、专家控制与仿人控制 考核目的：考核学生对专家系统的基础知识、专家控制系统的基本组成结构与工 作原理、仿人控制的基本思路、主要类型和基本原理等内容掌握的情况。 考核内容： 1) 专家系统基础 专家系统的组成结构 专家系统的知识表示方法 专家系统的知识获取途径 2) 专家控制系统的结构与原理 直接式专家控制 间接式专家控制 专家控制的结构 3) 仿人智能控制系统的特征变量及类型 仿人智能控制的特征变量 仿人智能控制的主要类型 考核要求： 熟悉： 6 1)专家系统的组成结构 2) 专家系统的知识表示方法 3)专家系统知识获取的途径 4) 仿人智能控制的特征变量 5) 仿人智能控制的主要类型 了解： 1) 产生式系统各组成部分的作用 2) 直接式专家控制的一般结构 3) 专家控制系统的基本原理 4) 仿人智能控制的基本思想原理 5) 仿人智能积分控制原理 6) 仿人智能开关控制原理 7) 仿人智能比例控制原理 注：本章内容不是考核重点。 五、遗传算法及应用五、遗传算法及应用 考核目的：考核学生对遗传算法的基本概念和基本操作掌握的情况。 考核内容： 1) 遗传算法的操作 复制操作 交叉操作 变异操作 2)遗传算法的适配度函数 3)遗传算法编码原则 考核要求： 熟悉： 1) 遗传算法的适配度 2) 字符串 3) 初始种群 4) 复制操作 5) 交叉操作 6) 变异操作 了解： 1) 遗传算法基本原理 2) 遗传算法的适配值 3) 遗传算法的操作步骤 7 4) 二进制编码方法 5) 复制操作的实现方法(通过轮盘赌等随机方法实现) 6) 交叉操作的实现步骤(随机匹配、交叉繁殖) 注：本章内容不是考核重点。 试题类型及规范解答举例试题类型及规范解答举例 试题以模糊控制和神经网络控制为主。试题按大纲要求，题型包括选择题、填空 题、判断题、简答题、作图题、读图题、计算题和综合分析或设计题。具体说明如下： ( (一一) )选择题选择题 此类题型是单选题，答案中只有一个是正确的。 题型举例： 例：BP 神经网络所不具备的功能是( )。 A. 自适应功能 B. 泛化功能 C. 优化计算功能 D. 非线性映射功能 答案：C ( (二二) )填空题填空题 此类型试题考查学生对基本理论和基本知识等掌握的程度。 题型举例： 例： 智能控制的应用对象具备以下三个主要特点： 、 、 。 答案：模型不确定、系统高度非线性、任务要求非常复杂。 注：对于此例，所填顺序对正确性无影响。 ( (三三) )判断题判断题 此类型试题考查学生对基本概念掌握的程度。 题型：请判断下面的叙述是否正确，如正确在括号内填，错误填。 例 1：模糊控制就是不精确的控制。( ) 例 2：智能系统是指具备一定智能行为的系统。( ) 答案：例 1 在括号内填()；例 2 在括号内填()。 ( (四四) )简答题简答题 此类型试题考查学生对各类智能控制的基本思想、基本原理或基本方法掌握的程 度。 8 题型举例： 例：试简要叙述模糊控制的基本思想。 答案：模糊控制试图模仿人的模糊决策和推理的功能。其基本思想是把人类专家 对特定的被控对象的控制策略总结成一系列以“IF 条件 THEN 作用”形式表示的控 制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。 ( (五五) )作图题作图题 此类型题包括两类内容，一类是画出指定控制方案的系统结构框图；另一类是在画 图的基础上对图中各部分给予解释或说明。 题型举例： 例：试画出模糊控制器的结构图，并指出各组成部分的作用。 答案： 1. 画出结构图如下 2. 各组成部分的作用 模糊化模块：作用是将测量到的确定的系统输出量转换为对应的模糊量； 模糊推理模块：作用是执行模糊逻辑推理，以得到一个输出模糊集合(即一个 新的隶属度函数)； 规则库：根据操作者的控制经验制定的模糊控制规则的集合。 逆模糊化模块：根据模糊推理得到的只是输出模糊集合的隶属度函数，因此 需要用找一个具有代表性的确定值作为控制量，此模块的作用是把模糊分布 范围概括合并成确定的单点输出值，加到执行器上实现控制。 ( (六六) )读图题读图题 此类题型要求在读懂所给图的基础上进一步完成指定任务。 题型举例： 例：人工神经元模型的图解表达如下图所示试写出人工神经元的数学模型。 x1 w1 o xi w1 xn w1 T 9 答案：人工神经元的数学模型为 )()( j n 1i iijj Ttxwf1to ( (七七) )计算题计算题 计算题是了解学生的基本计算能力，包括对相关公式的掌握、对数学表达方法的 掌握和对运算方法的掌握，重点是模糊数学中的相关运算。 题型举例： 例：设有论域 X、Y、Z 和 W 上的模糊子集： =0.4 1.0 0 XA A =0.1 0.5 1.0 YB B =1.0 0.5 0.1 ZC C =0.1 0.6 0.8 WD D 试确定由“if and then else ”决定的关系，并确定当输入 1= 0.1 A B C D R A 0.5 1.0， 1=0.1 0.5 1.0时的输出1。 B C 答案： 解 由模糊规则“if and then else ” 决定的关系为A B C D R (1) ) ( ) ( 11 DBACBAR TT 式中 000 15 . 01 . 0 4 . 04 . 01 . 0 15 . 01 . 0 0 1 4 . 0 BA 10 (2)CBA T ) ( 1 000 000 000 1 . 05 . 01 1 . 05 . 05 . 0 1 . 01 . 01 . 0 1 . 04 . 04 . 0 1 . 04 . 04 . 0 1 . 01 . 01 . 0 1 . 05 . 01 0 0 0 1 5 . 0 1 . 0 4 . 0 4 . 0 1 . 0 111 05 . 09 . 0 6 . 06 . 09 . 0 BA (3)DBA T ) ( 1 8 . 06 . 01 . 0 8 . 06 . 01 . 0 8 . 06 . 01 . 0 000 5 . 05 . 01 . 0 8 . 06 . 01 . 0 6 . 06 . 01 . 0 6 . 06 . 01 . 0 8 . 06 . 01 . 0 将式(2)、式(3)代入式(1)，得到 ) ( ) ( 11 DBACBAR TT (4) 8 . 0