智能控制考试题库

填空(每空一分，共20分)控制论的三个要素是信息、反馈和控制。传统控制是经典控制和现代控制理论的总称。智能控制系统的核心是控制复杂性和不确定性。神经元，即神经细胞，由细胞体、树突、轴突和突触四部分组成。人工神经元细胞按网络结构分为分层结构和网状结构，按学习方式分成。也就是说，有教师学习和没有教师的学习。前馈网络可以分为可见和隐含的层次结构，节点有输入节点、输出节点和计算单位。神经网络工作过程主要包括工作期间和学习期间两个阶段。1、智能控制是研究利用人工智能构建控制系统和设计控制器的方法的控制理论过程；结合自动控制原理和现代控制原理，构成了自动控制课程的理论基础。2、智能控制系统的主要类型包括分层分层控制系统、专家控制系统、学习控制系统、模糊控制系统、神经控制系统、遗传算法控制系统和混合控制系统。3，模糊集的表示有扎德表示、偶表示和隶属函数描述方法。4，遗传算法是在达尔文的自然选择说的基础上发展的。自然选择学有遗传、变异和适者生存三个方面。5、神经网络在智能控制中的应用主要由神经网络识别技术和神经网络控制技术实现。6、在一个神经网络中，经常根据处理单元的不同处理能力，将处理单元分为三类：输入单元、输出单元和隐藏层次单元。7、分层控制系统：根据智能控制的级别，有三个主要控制级别：组织级别、调整级别和执行级别，这三个级别遵循“以智能层次减少的精度增加”的原则。传统控制方法(包括经典控制和最新控制)是基于受控对象精确模型的控制方法，缺乏灵活性和弹性，适合线性解决，时间不变性和其他相对简单的控制。智能控制的研究对象具有几个特性，如不确定性模型、高度非线性和复杂的工作要求。智能控制(IC)=自动控制(AC)人工智能(AI)操作研究(OR)AC:描述系统动态特性的动态反馈。AI:用于模拟人类思维的知识处理系统，具有记忆、学习、信息处理、形式语言、灵感推理等功能。OR:定量优化方法，如线性计划、网络计划、计划、管理、优化决策和多目标优化方法。智能控制：设计控制器，提供学习、抽象、推理和决策等功能，并根据环境信息的变化进行适应性调整，从而实现人的工作。智能控制的几个重要分支是模糊控制、神经网络控制和遗传算法。智能控制功能：1、学习功能2、适应性功能3、自我配置功能4、优化功能智能控制研究工具：1、符号推理与数值计算相结合2、模糊集理论3、神经网络理论4、遗传算法5、离散事件与连续时间系统相结合。智能控制应用领域，如智能机器人控制、计算机集成制造系统、工业过程控制、航天控制和运输系统等10、专家系统：一种包含知识和推理的智能计算机程序，包含特定领域的专家水平的知识和经验，具有解决专业问题的能力。11、专家系统的构成：知识库和推理引擎(知识库由数据库和规则库两部分组成)18、专家控制的特点：灵活性、适应性和健壮性。19、模糊控制是基于模糊集理论、模糊语言变量和模糊逻辑推理的智能控制方法。行为模仿人类的模糊推理和决策过程。20，模糊控制理论具有几个明显的特征。1、模糊控制不需要控制对象的数学模型2、模糊控制反映人类智慧的智能控制方法3、模糊控制是人们容易接受的4、结构5、鲁棒性和适应性好的方法。22，模糊逻辑有什么运算？(列出5个)模糊输出向量为什么进行模糊计算？1等于2包含3，执行4交集运算5互补运算。因为得到的推理结果是模糊向量，不能用作直接控制。还需要进行明确的控制量输出，即求模糊计算的转换。23、Zadeh近似推理方法包括正向推理和反向推理两类。24、模糊控制器的设计阶段：1、模糊控制器的结构决策2、输入输出模糊集定义3、成员函数定义4、模糊控制规则编写5、模糊控制表编写6、模糊推理7、反向模糊25、模糊控制系统可分为单变量模糊控制和多变量模糊控制。26、神经网络经历了启发、退潮、复兴期、新连接机制期间的4个阶段。27、神经元由细胞体、树突、轴突和突触四部分组成。28、从生物学控制论的角度看，神经元具有兴奋和抑制、学习和遗忘、结构可塑性等功能和特征。29、神经网络分类：1、正向网络2、反馈网络3、自组织网络30、神经网络特征：1、可以接近任意非线性函数2、信息的并行分布式处理和存储3、多个可输入、多个输出4、超大型集成电路或光学集成电路系统，可以轻松实现或通过现有的计算机技术5、为适应幻想的变化而学习。31，神经网络三要素：神经元的特性，神经元之间相互连接的拓扑，提高适应幻觉的性能的学习规则。32、神经网络研究领域：1、机会神经网络的系统识别2、神经网络控制器3、神经网络与其他算法相结合4、优化算法二、判断： (每个问题1分，共10分)反馈网络的稳定性点越多，网络的联想和识别能力就越强，稳定性点中的数据项越多，联想功能就越强。(无效)简单性能只能解决一阶谓词逻辑和线性分类问题，不能解决父谓词和非线分类问题。(右侧)BP算法是一种没有老师的应用于多层神经元的学习，是基于相关规则构建的。(无效)在误差反向传递训练算法中，周期函数证明收敛速度比s型函数慢。(无效)基于BP算法的网络错误曲面有一个全局最优解。(无效)对于前馈网络，一旦确定了网络的用途，隐式层的数量也就确定了。(无效)对于加权矩阵是对称数组，对角元素不是负的离散hop field网络，网络异步收敛到下一个稳定状态。(右侧)对于连续hop field网络，无论网络结构是否对称，都可以保证网络稳定性。(无效)竞争学习的本质是一种规律性检测器。也就是说，根据刺激集和某些特性构成重要先验概念的设备，发现有用的次要特性。(右侧)人工神经网络和模糊系统的共同点是，必须建立对象的精确数学模型，并根据输入采样数据估计需求决策。这是模型预测。(无效)智能控制和传统控制功能。传统控制：经典反馈控制和现代理论控制。他们的主要特征是基于精确的系统数学模型的控制。适合于解决线性、时间不变等相对简单的控制问题。智能控制：这些问题可以通过智能方式解决。智能控制是智能控制的一部分传统控制理论的发展，在这种意义上，两者都可以在智能控制的框架下统一。智能控制系统的结构一般由哪些部分组成，它们之间有什么关系？答：智能控制系统的基本结构通常由以下三部分组成：人工智能(AI):具有记忆、学习、信息处理、形式语言、启发式推理等功能的知识处理系统。自动限制(AC):描述系统的动态特性，是一种动态反馈。运营研究(OR):定量优化方法，如线性计划、网络计划、调度、管理、优化决策和多目标优化方法。智能控制的基本特性(1)分层分层组织结构；(2)多模式控制；(3)自学能力；(4)适应能力；(5)自我组织能力；(6)优化功能绘制了三层BP网络结构图，阐述了BP网络算法的基本思路，最后讨论了BP网络算法的改进。请参阅答案：学习的基本思想是误差反向传递算法调整网络的权重，使网络的实际输出尽可能接近所需的输出。改进1:增加动量项：提出的原因：标准BP算法仅在t时间误差的倾斜下降方向上进行调整，而不考虑t时间之前的倾斜方向，经常使训练过程振动，收敛缓慢。基本思想：从上次权重调整量中减去部分，添加到此次权重调整量中。动量项反映了以前积累的调整经验，对t-瞬间调整起阻尼作用。误差表面突然起伏，可以减少振动倾向，提高训练速度。改进2:自适应调整学习率：提出的原因：在标准BP算法中，学习率也称为步骤，从头到尾很难确定适当的最佳学习率。在平坦区域，太小会增加训练次数。在误差急剧变化的地区，大赛的调整量太大，通过狭窄的“坑凹处”震动训练，而不是增加重复次数。基本想法：适应改变学习率，使其随着环境的变化而增加或减少。改进3:引入陡峭系数：建议的原因：错误表面有平坦区域。权重调整进入平坦区域的原因是神经元输出进入传递函数的饱和区域。基本思路：输入为平面区域后，压缩神经元的净输入，使输出偏离传输函数的不饱和区域，可以改变错误函数的形状，使调整偏离平面区域。第一，比较智能控制与传统控制的区别。答：传统控制方法适用于基于控制对象精确模型的控制方法、缺乏灵活性和弹性、求解、线性、时间不变性等相对简单的控制。作为控制理论开发的高级阶段，智能控制以知识为基础进行智能决策，通过灵活的机动决策方式引导控制向所需目标靠近，这是关键。传统的控制方法主要用于解决难以解决的复杂系统的控制问题。第二，智能控制系统的结构一般由哪些部分组成，它们之间有什么关系？答：智能控制系统的基本结构通常由以下三部分组成：人工智能(AI):具有记忆、学习、信息处理、形式语言、启发式推理等功能的知识处理系统。自动限制(AC):描述系统的动态特性，是一种动态反馈。运营研究(OR):定量优化方法，如线性计划、网络计划、调度、管理、优化决策和多目标优化方法。第三，智能控制系统的类型是什么，其各自的特点是什么？A: 1)，专家控制系统专家系统主要是指具有特定领域专家水平的知识和经验的智能计算机程序系统。它具有启发性、透明度、灵活性、符号操作、不确定性推理等特点。2)，神经控制系统神经网络有一些智能和仿人控制功能。学习算法是神经网络的主要特征。3)，模糊控制系统基于受控对象的模糊模型，使用模糊控制器近似推理方法实现系统控制的一种方法模糊模型是用模糊语言和规则描述的系统的动态特性和性能指标。4)遗传算法遗传算法是在达尔文的自然选择说的基础上开发的，模仿自然界遗传机制和生物进化而成的一种并行随机搜索优化方法。第四，模糊控制器的构成？五、神经网络分类、特征、差异？答：根据神经网络连接的方式，神经网络可以分类为：1)前向网络：神经元分层排列，构成输入、暗示、输出层。每一层的神经元只接受上一层的神经元输入。神经元之间没有反馈。(2)反馈网络：该网络是一种反馈动态学习系统，需要长时间工作才能达到稳定。3)自己的组织网：神经网络在接受外部输入的情况下，网络分为不同的区域，不同的区域具有不同的响应特性。换句话说，不同的神经元根据不同特性的信号以最佳方式激励，从而形成拓扑上的特征图，实际上是非线性映射。第六，神经网络控制按结构分类，特性？A: 1)神经网络监控控制：不仅保证了控制系统的稳定性和鲁棒性，而且有效地提高了系统的准确度和适应性。2)神经网络直接逆控制：神经网络直接逆控制的可用性在很大程度上取决于逆模型的准确精度。由于反馈不足，简单连接的直接逆控制缺乏鲁棒性。3)神经网络自适应控制：分为神经自校正控制和神经网络模型参考自适应控制两种。4)神经网络内部模型控制：内部模型控制是基于模型逆变换的控制方法，其中对象模型与实际对象并行，控制器接近模型动态逆变换。5)神经网络预测控制：其特点是预测模型、滚动优化和反馈校正。6)神经网络自适应评价控制：神经网络自适应评价控制通常由两个网络组成：自适应评价网络和控制选择网络。7)神经网络混合控制：神经网络混合控制允许控制系统同时具有学习、推理和决策能力。7，遗传算法特性？1)遗传算法操作参数代码，而不是参数本身。也就是说，在优化计算过程中，从生物学中模仿染色体或基因等概念，使自然中模仿生物的遗传或进化等机制。2)遗传算法同时使用多个搜索点的搜索信息。3)遗传算法将目标函数直接用作搜索信息。4)遗传算法使用概率搜索技术。5)遗传算法在解决方案空间中进行高效的启发式搜索，而不是随机或完全随机搜索。6)遗传算法对正在优化的函数基本上是无限制的，不需要函数的连续或微调7)遗传算法具有并行计算的特性，因此适合于大规模复杂问题的优化，可以通过大规模并行计算提高计算速度。神经网络特征？(P115)答：神经网络有以下特点：1、可以近似任意非线性函数；2、信息的并行分布式处理和存储；3、多输入、多输出；4、超大规模集成电路或光学集成电路系统，或使用现有计算机技术轻松实现；5、为了适应环境变化，可以学习。8)专家控制的特点？(P11)答：1，灵活性：根据系统的运行状态和错误情况，提供选择适当控制方法的灵活性。2、适应性：基于专家的知识和经验，调整控制器的参数，以适应对象特性和环境变化。3、稳健性：利用专家规则，系统可以在非线性、大偏差下稳定运行。模糊控制的优点：(1)使用语言方法，不需要过程的精确数学模型。(2)在过程控制中，适合解决非线性、强耦合时变、延迟等问题的鲁棒性；(3)容错能力强。适应受控对象的动态特征更改、环境特征更改和移动条件更改的能力：(4)工作人员可以通过人的自然语言轻松地连接人机