河南理工智能控制知识点总结

1、智能控制问题及解决方案第一章引言家庭作业工作内容1.什么是智能、智能系统和智能控制？2.智能控制系统有哪些类型，它们的特点是什么？3.比较智能控制和传统控制的特点。4.将智能控制视为人工智能、运筹学、自动控制和信息论的交汇点。它的基础和内涵是什么？5.智能控制的应用领域有哪些？给出一个应用实例，说明其工作原理和控制性能。答：智能：独立或交互地执行通常与人类智能相关的智能行为的能力，如判断、推理、证明、识别、感知、理解、交流、设计、思考、计划、学习等，即像人类一样工作和思考的能力。智能系统：指具有一定智能行为的系统，它能对一定的输入产生适当的问题解决。智能控制：智能控制是控制理论、计算机科学、心

2、理学、生物学和运筹学等多学科交叉的学科。它有能力在计划、学习、逻辑推理和自我适应方面模仿人。它是传统控制理论与神经网络、模糊逻辑、人工智能和遗传算法相结合的一种新的控制方法。2答：(1)以人为控制器的控制系统：以人为控制器的控制系统具有自学习、自适应和自组织的功能。(2)作为控制器的控制系统的人机结合：机器完成需要连续执行和快速计算的常规控制任务，而人完成任务分配、决策和监控等任务。(3)无人值守自组织控制系统：它是一个多层智能控制系统，需要完成问题解决和规划、环境建模、传感器信息分析和低层反馈控制等任务。3:在应用领域，传统控制着重解决不太复杂的过程控制和大系统的控制问题；智能控制主要解决高

3、度非线性、不确定性和复杂系统的控制问题。理论上，传统控制理论通常采用定量方法，而智能控制系统大多采用符号处理方法。传统控制通常捕捉精确的知识以满足控制目标，而智能控制通常学习积累不精确的知识。传统控制通常用数学模型来描述系统，而智能控制系统则通过经验和规则用符号来描述系统。在性能指标方面，传统控制有严格的性能指标要求，而智能控制没有统一的性能指标，而是主要关注其目的和行为是否实现。然而，智能控制与传统或常规控制有着密切的关系，它们相互学习对方的长处，而不是相互排斥。基于智能控制与传统控制在应用领域、理论方法和性能指标上的差异，传统控制往往包含在智能控制中。智能控制也使用传统的控制方法来解决“低

4、级”控制问题，试图扩展传统的控制方法，建立一系列新的理论和方法来解决更具挑战性的复杂控制问题。人工智能是一个用来模拟人类思维的知识处理系统。它具有学习、记忆、信息处理、形式语言、启发式推理等功能；自动控制描述了系统的动态特性，是一种动态反馈。运筹学是一种定量优化方法，如线性规划、网络计划、调度、管理、优化决策和多目标优化方法。信息论信息论是一门应用数学学科，运用概率论和统计学方法研究信息、通信系统、数据传输、密码学、数据压缩等问题。早期的二元结构在很大程度上局限于符号人工智能，不利于智能控制的有效和成功应用，因此运筹学在后来被引入。考虑到信息论对知识和智能的解释作用，控制论与系统论和信息的密切

5、关系，以及信息论对智能控制的作用，蔡自兴教授创造性地提出了四元结构，即在三元结构的基础上增加信息论作为智能控制的重要组成部分。作为一门跨学科的学科，智能控制所使用的知识包含了这些学科的内容，所以我们可以把智能控制看作是这些学科的交叉。(1)举例说明模糊性的客观性和主观性。答：歧义是客观世界中的一种普遍现象，世界上许多事物都有模糊不清的特点。例如，如果一个人的身高大于或等于180厘米，则中等身高在170-180厘米之间，矮于170厘米。如果一个人的身高是179.999厘米，是高还是中等？从理论上讲，从客观的角度来看，他是中等的，但是我们不能把179.999和180区分开。主观上，我们认为他很高。

6、这是一个没有量化的模糊概念。模糊性和随机性有什么异同？答：同样，歧义是由于事物划分不清而导致的判断的不确定性；随机性是由条件不充分导致的结果的不确定性。因此，它们都代表不确定性。差异：随机性反映了因果关系法则的打破；模糊性反映的是排除中间法则的打破。随机现象可以用概率论的数学方法处理，而模糊现象需要模糊数学。比较模糊集和普通集的异同。答：不同：(1)普通集合是指具有一定属性的整体对象。这个属性所表达的概念应该清晰明确。因此，每个对象对集合的隶属关系也是清楚的，即要么是要么是。模糊集合是指具有由模糊概念描述的属性的整个对象。因为概念本身并不清楚，也没有很好的定义，所以对象和集合之间的从属关系也不

7、清楚。(2)公共集合的表示包括枚举、描述、图解和自然语言。模糊集表示包括扎德表示、向量表示和偶数阶表示。相同：都属于一个集合，并具有集合的基本属性。第二章模糊控制作业的理论基础1工作内容1.用例子说明模糊性的客观性和主观性。2.模糊性和随机性有什么异同？3.比较模糊集和普通集的异同。4-5。参见本空间分类资源练习第二章中的问题4和5。1答案：模糊性的主观性体现在模糊隶属函数的确定性上，模糊隶属函数依赖于主观认识和经验，客观上反映了虽然在使用方法的过程中存在主观性，但事物的认知结果反映了事物的本质，是对事物的客观认识。例如，对于温度的定义，根据经典集合的定义，人们认为合适的温度是15到25摄氏度

8、，而低于15摄氏度被定义为冷，而14摄氏度和0摄氏度都被定义为冷。显然，冷的程度是不同的，高于25摄氏度就被定义为热。因此，使用这种严格而不明显的离散型划分，模糊划分不仅容易被公众接受和区分，而且更接近事实，反映了温度连续性的客观事实。答：模糊性反映事物主观发展的可能性，而客观性反映事物客观发生的可能性。随机性是由事物因果关系的不确定性造成的。概率统计学习是概率分析和设计的一个范畴，它体现了语言的不确定性。歧义在本质上没有明确的含义，在数量上也没有明确的界限。这种界限的模糊不是由于人们的主观认识没有达到客观现实，而是由于事物的客观属性和事物差异之间的中间过渡过程。在描述方法中，模糊性用隶属函数

9、来划分，以揭示事物的客观可能性分析。模糊实验往往与心理学等主观因素有关，而随机性是用概率函数来划分的，平均比例分布是通过对随机现象的统计观察来获得的，随机实验可以客观地进行。答：普通的器械包是经典器械包或界限清晰的器械包。模糊集没有明确的界限。普通集合，也就是说，一个元素不属于一个集合，这个集合是突变的或者非此即彼的，属于的就是属于的，不属于的就是不属于的。然而，隶属度的概念被引入到模糊集合中，元素在一定程度上只属于集合。有时这种表征方法更接近实际，更便于研究问题，也更容易被接受。4种解决方案：5种解决方案：第二章是模糊控制的理论基础工作内容6让宇宙，给定语言变量“小”=1/10.7/20.3

10、/30.1/4和模糊关系r=几乎相等定义如下：尝试使用最大最小复合运算进行计算：7已知模糊关系矩阵：计算r的二次至四次幂。8有一个话语域，二维模糊条件句是“如果A和B是C”，其中已知的推理结论是用关系综合的推理方法得出的。6种解决方案：7种解决方案：8解决方法：让R代表模糊关系。按行展开，并将列向量写为所以，因为，会以线矢量的形式逐行展开，然后也就是说，1.为以下应用程序绘制适当的成员函数：我们绝对相信附近的e(t)是“正小”，只有当e(t)足够远时，我们才会失去e(t)是“正小”的信心；我们认为附近的e(t)是“公平的”，但我们很快就会对远处的e(t)失去信心；当e(t)从左边移动时，我们很

11、快失去信心，而当e(t)从右边移动时，我们慢慢失去信心。(a) (b)(c)第二章是模糊控制的理论基础。家庭作业3工作内容语言变量x、y和z是已知的。x的宇宙是1，2，3，它有两个语言值：大=0，0.5，1 ；“小”=1，0.5，0。y的宇宙是10，20，30，40，50，它的语言值是：“高”=0，0，0，0.5，1 ；中等=0，0.5，1，0.5，0。低=1，0.5，0，0，0。z的范围是0.1，0.2，0.3，语言值是“long”= 0，0.5，1。“短”=1，0.5，0然后：1)试着找到规则：如果x是“大”，y是“高”，那么z是“长”；否则，如果x小，y中等，则z短。暗示了x，y和z之间

12、的模糊关系。2)假设X“稍小”=0.7，0.25，0，Y“稍高”=0，0，0.3，0.7，1试着根据R通过扎德法和曼达尼法模糊推理找出此时输出z的语言值.解决方法：1)假设“如果X大，Y高，则Z长”，X、Y、Z、Y和Z之间的模糊关系为：“如果X小，Y中等，则Z短”，X、Y、Z、Y和Z之间的模糊关系为。因此：R=(X大，y高)z长(X小，y中等)z短=x大y高=(X大y高)z长=同样，x小y中等=(X小y中)z短=扎德方法：曼达尼法：第四章是神经网络的基本操作工作内容1.生物神经元模型的结构和功能是什么？2.人工神经元模型的特点是什么？3.人工神经网络的特点是什么？如何分类？4.什么是常见的神经

13、网络学习算法？答：生物神经元由细胞体、树突和轴突组成。其中，细胞体是神经元的主体，起着信息处理的作用；树突的主要功能是接收来自神经元的输入信息。轴突的主要功能是输出信息，将细胞体处理的信息从轴突起点传递到轴突末端，轴突末端与另一个神经元的树突或细胞体形成突触结构，从而实现神经元之间的信息传递。2答案：1)非线性2)配送处理3)学习平行性和自适应4)数据融合5)适用于多变量系统6)便于硬件实现3回答：特点：(1)它可以逼近任何非线性函数；(2)并行分布式信息处理和存储；(3)多输入多输出；(4)用VISI或光集成电路系统或现有的计算机技术很容易实现；(5)能够学会适应环境的变化。分类：根据网络连

14、接结构，分为前馈网络、反馈网络和自组织网络；根据知识获取方式，分为监督学习型、非监督学习型和强化学习型；根据连接权对网络输出的影响，前馈网络可分为全局网络和局部网络。答：目前，神经网络的学习算法有很多，根据有无导师，可以分为监督学习、无监督学习和强化学习。辅导学习(监督学习):在学习过程中，网络根据实际输出和期望输出的比较来调整连接权重系统，期望输出被称为导师信号，作为评价学习的标准。无监督学习(Unsupervised，或称自组织):网络可以根据其独特的结构和学习规则调整其接触权系统，此时，网络的学习评价标准隐含在其中。强化学习：学习被认为是一个尝试性评估的过程。学习机选择作用于环境的动作，

15、环境的状态改变，并产生反馈给学习机的强化信号re。学习机根据强化信号和环境的当前状态选择下一个作用于环境的动作。选择的原则是增加被激励的可能性。其中，最基本的神经网络学习算法：1)维卓尔-霍夫学习规则2) Hebb学习规则第五章典型的神经网络操作工作内容1.BP算法的特点是什么？增加体重会减缓血压学习吗？2.为什么BP网络在全球范围内接近，而RBF网络在本地接近？他们的突出特点是什么？3.神经网络的泛化能力是什么？影响泛化能力的因素有哪些？1.BP算法的特点是什么？增加体重会减缓血压学习吗？答：BP模型可以实现多层网络学习的假设。它的学习是典型的监督学习，其基本思想是梯度下降法，以最小化网络实际输出和期望输出之间的均方误差。BP算法由正向传播和反向传播组成，具有良好的逼近能力和泛化能力。增加权重不一定会减慢BP学习，因为它还与连接到输出层的权重调整量相关。2.为什么BP网络在全球范围内接近，而RBF网络在本地接近？他们的突出特点是什么？答：BP网络的激活函数是S函数，在输入空间的无限范围内，它的值是非零的，所以它是一个全局逼近神经网络；径向基函数网络的激活函数是高斯函数，在输入空间中它的值是非零的，所以它是一个局部逼近神经网络。BP网络的特点：(1)是一个多层网络，包括输入层、隐藏层和输出层；(2)各层相互连