智能控制习题答案解析.docx
- 文档编号:4207088
- 上传时间:2022-11-28
- 格式:DOCX
- 页数:30
- 大小:33.34KB
智能控制习题答案解析.docx
《智能控制习题答案解析.docx》由会员分享,可在线阅读,更多相关《智能控制习题答案解析.docx(30页珍藏版)》请在冰豆网上搜索。
智能控制习题答案解析
.
第一章 绪论
1. 什么是智能、智能系统、智能控制?
答:
“智能”在美国 Heritage 词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统,是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素,使之具有某种智能性;也是基于认知
工程系统和现代计算机的强大功能,对不确定环境中的复杂对象进行的拟人化管理。
2.智能控制系统有哪几种类型,各自的特点是什么?
答:
智能控制系统的类型:
集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系
统、学习控制系统等。
各自的特点有:
集散控制系统:
以微处理器为基础,对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统
将若干台微机分散应用于过程控制,全部信息通过通信网络由上位管理计算机监控,实现最优化控制,整个装置继承
了常规仪表分散控制和计算机集中控制的优点,克服了常规仪表功能单一,人机联系差以及单台微型计算机控制系统
危险性高度集中的缺点,既实现了在管理、操作和显示三方面集中,又实现了在功能、负荷和危险性三方面的分散。
人工神经网络:
它是一种模动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的
复杂程度,通过调整部大量节点之间相互连接的关系,从而达到处理信息的目的。
3.
专家控制系统:
是一个智能计算机程序系统,其部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的
知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的
特点是:
1.上、下级是隶属关系,上级对下级有协调权,它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直
方向传递,向下的信息有优先权。
同级控制器并行工作,也可以有信息交换,但不是命令。
上级控制决策的功能水平
高于下级,解决的问题涉及面更广,影响更大,时间更长,作用更重要。
级别越往上,其决策周期越长,更关心系统
的长期目标。
4.级别越往上,涉及的问题不确定性越多,越难作出确切的定量描述和决策。
学习控制系统:
靠自身的学习功能来认识控制对象和外界环境的特性,并相应地改变自身特性以改善控制性能的系统。
这种系统具有一定的识别、判断、记忆和自行调整的能力。
3.比较智能控制与传统控制的特点。
答:
智能控制与传统控制的比较:
它们有密切的关系,而不是相互排斥。
常规控制往往包含在智能控制之中,智能控
制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有
挑战性的复杂控制问题。
1.传统的自动控制是建立在确定的模型基础上的,而智能控制的研究对象则存在模型严重的不确定性,即模型未知或知
之甚少者模型的结构和参数在很大的围变动,这些问题对基于模型的传统自动控制来说很难解决。
2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便,希望制造出能接受印刷体、图形甚至手
写体和口头命令等形式的信息输入装置,能够更加深入而灵活地和系统进行信息交流,同时还要扩大输出装置的能力,
能够用文字、图纸、立体形象、语言等形式输出信息. 另外,通常的自动装置不能接受、分析和感知各种看得见、听得
着的形象、声音的组合以及外界其它的情况. 为扩大信息通道,就必须给自动装置安上能够以机械方式模拟各种感觉的
精确的送音器,即文字、声音、物体识别装置。
,
3.传统的自动控制系统对控制任务的要求要么使输出量为定值(调节系统) 要么使输出量跟随期望的运动轨迹(跟随
系统),因此具有控制任务单一性的特点,而智能控制系统的控制任务可比较复杂。
4. 传统的控制理论对线性问题有较成熟的理论,而对高度非线性的控制对象虽然有一些非线性方法可以利用,但不尽
人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路,成为解决这类问题行之有效的途径。
5.与传统自动控制系统相比,智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知
识的能力。
6.与传统自动控制系统相比,智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程,采用开闭环
控制和定性及定量控制结合的多模态控制方式。
Word 文档
.
7.与传统自动控制系统相比,智能控制系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习和自协调能
力。
8.与传统自动控制系统相比,智能控制系统有补偿及自修复能力和判断决策能力。
4.把智能控制看作是 AI(人工智能)、OR(运筹学)、AC(自动控制)和 IT(信息论)的交集,其根据和涵是什么?
答:
智能控制具有明显的跨学科特点,在最早傅金提出的二元论中,智能控制系统被认为是自动控制与人工智能的交
互作用,随着认识的深入,萨瑞迪斯提出运筹学融入智能控制而提出三元结构,蔡自兴教授提出将信息论引入智能控
制,其依据在于:
信息论是解释知识和智能的一种手段;控制论、信息论和系统论是紧密相连的;信息论已经成为控
制智能机器的工具;信息论参与智能控制的全过程并对执行级起到核心作用,因此最终确定了智能控制的四元结构。
5.智能控制有哪些应用领域?
试举出一个应用实例,并说明其工作原理和控制性能。
答:
智能控制应用于机器人、汽车、制造业、水下和陆地自助式车辆、家用电器、过程控制、电子商务、医疗诊断、
飞行器、印刷、城市铁路、电力系统等领域。
例如焊接机器人其基本工作原理是示教再现,即由用户导引机器人,一
步步按实际任务操作一遍,机器人在导引过程中自动记忆示教的每个动作的位置、姿态、运动参数、焊接参数等,并
自动生成一个连续执行全部操作的程序。
完成示教后,只需给机器人一个起动命令,机器人将精确地按示教动作,一
步步完成全部操作,实际示教与再现。
控制性能为:
弧焊机器人通常有五个自由度以上,具有六个自由度的弧焊机器
人可以保证焊枪的任意空间轨迹和姿态。
点至点方式移动速度可达 60m/min 以上,其轨迹重复精度可达到±0.2mm。
这种弧焊机器人应具有直线的及环形插法摆动的功能,共六种摆动方式,以满足焊接工艺要求,机器人的负荷为5kg。
第二章 模糊控制的理论基础
1. 举例说明模糊性的客观性和主观性。
答:
模糊性起源于事物的发展变化性,变化性就是不确定定性;模糊性是客观世界的普遍现象,世界上许多的事物都
具有模糊非电量的特点。
例如:
年龄分段的问题;如果一个人的年龄大于60 岁算老年,45-59 岁之间的岁中年,小于
44 岁的就算青年;如果一个人的年龄是 59 岁零 11 个月零 28 天,那么他是属于中年还是老年呢?
理论上从客观的角
度说他是中年人,但是与 60 岁只有两天区别,这区别我们是分辨不出来的。
从主观上我们认为他又是老年人。
这就是
模糊性的主观性和客观性的体现。
2. 模糊性与随机性有哪些异同?
答:
模糊性处于过渡阶段的事物的基本特征,是性态的不确定性,类属的不清晰性,是一种在的不确定性;而随机性
是在事件是否发生的不确定性中表现出来的不确定性,而事件本身的性态和类属是确定的,是一种外在的不确定性。
相同点是:
模糊性是由于事物类属划分的不分明而引起的判断上的不确定性;而随机性是由于天剑不充分而导致的结
果的不确定性。
但是他们都共同表现出不确定性。
异同点是:
模糊性反映的是排中的破缺,而随机性反映的是因果律的破缺;模糊性现象则需要运用模糊数学,随机性
现象可用概率论的数学方法加以处理。
3. 比较模糊集合与普通集合的异同。
答:
模糊集合用隶属函数作定量描述,普通集合用特征函数来刻划。
两者相同点:
都属于集合,同时具有集合的基本性质。
两者异同点:
模糊集合就是指具有某个模糊还年所描述的属性的对象的全体,由于概念本身不是很清晰,界限分明的,
因而对象对集合的隶属关系也不是明确的;普通集合是指具有某种属性的对象的全体,这种属性所表达的概念应该是
清晰的,界限分明的,因而每个对象对于集合的隶属关系也就是明确的。
。
4.考虑语言变量:
“Old”,如果变量定义为:
μ
old
⎧ 0
( x) = ⎨
-1
0 ≤ x < 50
50 ≤ x < 100
确定“NOT So Old”,“Very Old”,“MORE Or LESS Old”的隶属函数。
Word 文档
0
.
x 50
0
解:
(x)
NOT So old
1 (x 50 /5)
1
2 2
50
x 100
0
x 50
0
(x)
V ery old
1 (x 50 /5) 2
2
50
x 100
0
x 50
0
(x)
MOREor less old
1 (x 50 /5)
1
2 4
50
x 100
A0.70.1 0.4
5.已知存在模糊向量 A 和模糊矩阵 R 如下:
0.5 0.8 0.1 0.2
R0.6 0.4 0 0.1
0 0.3 0.6 0.3
计算 B A R 。
6.令论域 U
1 2 3 4 ,给定语言变量“Small”=1/1+0.7/2+0.3/3+0.1/4 和模糊关系 R= “Almost 相等”定义如
下:
R
1 0.6 0.1 0
0.6 1 0.6 0.1
0.1 0.6 1 0.6
0 0.1 0.6 1
利用 max-min 复合运算,试计算:
R (y) (X 是Small) (Almost相等)。
1 0.6 0.1 0
R
解:
(y) (1 0.7 0.3 0.1)
0.6 1 0.6 0.1
0.1 0.6 1 0.6
00.1 0.61
(1 1) (0.7 0.6) (0.3 0.1) (0.1 0) T
(1 0.6) (0.7 1) (0.3 0.6) (0.1 0.1)
(1 0.1) (0.7 0.6) (0.3 1) (0.1 0.6)
(1 0) (0.7 0.1) (0.3 0.6) (0.1 1)
1 0.7 0.6 0.3
Word 文档
.
⎡ 10.800.10.2⎤
⎢0.810.400.9 ⎥
7.已知模糊关系矩阵:
R = ⎢ 00.4100 ⎥ 计算 R 的二至四次幂。
⎢0.10010.5⎥
⎢⎥
⎢⎣0.20.900.51 ⎥⎦
⎡ 10.800.1
⎢
解:
R2 = R R = ⎢ 00.410
⎢
⎢⎣0.2 0.900.5
0.2 ⎤ ⎡ 1 0.8 0 0.1
1 0.4 0
0 ⎥⎢ 0 0.4 1 0
⎥⎢
1 ⎥⎦ ⎢⎣0.2 0.9 0 0.5
0.2 ⎤ ⎡ 1 0.8 0.4 0.2 0.8⎤
0.9 ⎥⎥ ⎢0.8 1 0.4 0.5 0.9⎥
0 ⎥ = ⎢0.4 0.4 1 0 0.4⎥
⎥ ⎢ ⎥
1 ⎥⎦ ⎢⎣0.8 0.9 0.4 0.5 1 ⎥⎦
⎡ 1
⎢
R3 = R R2 = ⎢0.4
⎢
0.8 0.4 0.5 0.8⎤ ⎡ 1 0.8
⎢
0.4 1 0.4 0.4⎥ R4 = R2 R2 = ⎢0.4 0.4
⎥ ⎢
0.4 0.5 0.8⎤
0.4 0.5 0.9⎥⎥
1 0.4 0.4⎥
⎥
⎢⎣0.8
0.9 0.4 0.5 1 ⎥⎦
⎣
⎢0.8 0.9
0.4 0.5 1 ⎥⎦
8.设有论域 X = {x ,
1
x , x }, Y = { y , y }, Z = {z , z } ,二维模糊条件语句为“若 A 且 B 则 C”,其中
2 3 1 2 3 1 2
A =
B =
C =
0.5 1 0.1
+ + , A ∈ F ( X )
x x x
1 2 3
0.1 1 0.6
+ + , B ∈ F (Y ) 已知
y y y
1 2 3
0.4 1
+ , C ∈ F (Z )
z z
1 2
A* =
B * =
1 0.5 0.1
+ + , A* ∈ F ( X )
x x x
1 2 3
0.1 0.5 1
+ + , B* ∈ F (Y )
y y y
1 2 3
RT = AT ⨯ B = ⎢ 1 ⎥ [0.1 1 0.6] = ⎢ 1 ∧ 0.11 ∧ 0.6 ⎥ = ⎢0.10.6⎥
由关系合成推理法,求得推理结论C *。
解:
令 R 表示模糊关系,则 R = A ⨯ B ⨯ C .
⎡0.5⎤⎡0.5 ∧ 0.1 0.5 ∧ 1 0.5 ∧ 0.6⎤⎡0.1 0.50.5⎤
1 ∧ 11
1
⎣⎣
⎢ 0.1⎥⎦⎢ 0.1 ∧ 0.1 0.1 ∧ 1 0.1 ∧ 0.6 ⎥⎦⎢⎣0.1 0.10.1⎥⎦
将 R T 按行展开写成列向量为[0.1 0.5
1
0.5 0.1 1 0.6 0.1 0.1 0.1]T
Word 文档
⎡ 0.1⎤⎡ 0.1 ∧ 0.4
⎢⎥⎢
⎢0.5⎥⎢0.5 ∧ 0.4
⎢⎥⎢
⎢
所以, R = RT ⨯ C = ⎢ 1 ⎥ ⨯ [0.4 1] = ⎢ 1 ∧ 0.4
1
⎢0.6⎥⎢0.6 ∧ 0.4
⎢ 0.1⎥⎢ 0.1 ∧ 0.4
⎢⎥⎢
⎢ 0.1⎥⎢ 0.1 ∧ 0.4
.
0.1 ∧ 1⎤ ⎡ 0.1
⎢
0.5 ∧ 1⎥ ⎢0.4
⎥ ⎢
1 ∧ 1 ⎥ = ⎢0.4
⎥ ⎢
0.6 ∧ 1⎥ ⎢0.4
0.1 ∧ 1⎥ ⎢ 0.1
⎥ ⎢
0.1 ∧ 1⎥ ⎢ 0.1
0.1⎤
0.5⎥⎥
0.5⎥
⎥
1 ⎥ .又因为 C * = (A* ⨯ B* )⨯ R ,
⎥
0.6⎥
0.1⎥
⎥
0.1⎥
⎢⎥⎢ 0.1 ∧ 0.4
0.1 ∧ 1⎥⎦
⎢ 0.1
0.1⎥⎦
⎡ 1 ⎤⎡0.1 0.51 ⎤
A* ⨯ B* = ⎢0.5⎥ [0.1 0.5 1] = ⎢0.1 0.5 0.5⎥ ,将 A* ⨯ B* 按行展开写成行向量,为
⎣⎣
⎢ 0.1⎥⎦⎢0.1 0.1 0.1⎥⎦
[0.10.5 1 0.1 0.5 0.5 0.1 0.1 0.1],则 C * = (A* ⨯ B* )⨯ R = (0.4 0.5)即 C * =
0.4 0.5
+
z z
1 2
9. 已知语言变量 x,y,z。
X 的论域为{1,2,3},定义有两个语言值:
“大”={0, 0.5, 1};“小”={1, 0.5, 0}。
Y 的论域为{10,20,30,40,50},语言值为:
“高”={0, 0, 0, 0.5, 1};“中”={0, 0.5, 1, 0.5, 0}; “低”={1, 0.5, 0, 0, 0}。
Z 的论域为{0.1,0.2,0.3},语言值为:
“长”={0, 0.5, 1};“短”={1, 0.5, 0}
则:
1)试求规则:
如果 x 是 “大” 并且 y 是“高” 那么 z 是“长”;
否则,如果 x 是“小” 并且 y 是 “中” 那么 z 是“短”。
所蕴涵的 x,y,z 之间的模糊关系 R。
2)假设在某时刻,x 是“略小”={0.7, 0.25, 0},y 是“略高”={0, 0, 0.3, 0.7, 1}
试根据 R 分别通过 Zadeh 法和 Mamdani 法模糊推理求出此时输出 z 的语言取值。
Word 文档
.
Word 文档
.
Word 文档
.
第三章模糊控制
1.模糊控制器有哪几部分组成?
各完成什么功能?
1:
答:
模糊控制器由四个部分组成,这四个功能模块是模糊化、知识库、模糊推理和去模糊化。
(1)模糊化:
为实现模糊控制而将精确的输入量进行模糊化处理,是将精确量转化为模糊量的过程。
模糊化模块在
不同的阶段有不同的作用:
a、确定符合模糊控制器要求的输入量和输出量。
b、对输入输出变量进行尺度变换,使之
落于各自的论域围。
c、对已经论域变换的输入量进行模糊化处理,包括模糊分割和隶属函数的确定。
(2)知识库:
知识库通常由数据库和规则库组成,包含了具体应用领域的知识和要求。
其中,数据库主要包含输入
输出变量的初度变换因子、输入输出空间的模糊分割以及模糊变量的模糊取值及相应的隶属度函数选择和形状等方面
的容。
规则库包含了用模糊语言描述专家的经验知识,来表示一系列控制规则。
它们反映了控制专家的经验和知识。
(3)模糊推理:
是一种近似推理,根据模糊控制规则库和当前系统状态推断出应施加的控制量的过程,由推理机完
成。
(4)去模糊化:
由于控制器输出到具体地执行机构的信号必须是清晰的精确量。
因此,需要一个与输入模糊化相反
的过程,即把模糊推理结果转变成清晰量,它实现从输出论域上输出模糊空间到输出精确空间的映射。
2.模糊控制器设计的步骤怎样?
2:
答:
模糊控制器设计的步骤如下:
(1):
输入变量和输出变量的确定。
(2):
输入输出变量的论域和模糊分割,以及包括量化因子和比例因子在的控制参数的选择。
(3):
输入变量的模糊化和输出变量的清晰化。
(4):
模糊控制规则的设计以及模糊推理模型的选择。
(5):
模糊控制程序的编制。
3.清晰化的方法有哪些?
3:
答:
清晰化的方法一般有四种:
(1):
最大隶属度法:
这种方法将模糊推理得到的结论中最大隶属度值最对应的元素作为控制器输出的精确值,如
果有多个最大点,则取其平均值。
(2):
加权平均法:
这种方法是指以各条规则的前件和输入的模糊集按一定法则确定的值为权值,并对后件代表值
加权平均计算输出的清晰值的方法。
Word 文档
.
(3):
面积等分法:
把输出的模糊集合所对应的隶属函数与横坐标之间围成的面子分成两部分,那么该方法得到的
精确值应满足使该两部分的面积相等。
(4):
由于 Tsukamoto 模型和 Takagi-Sugeno 模型输出本身就是清晰量,则不需要去模糊化。
4.已知某一炉温控制系统,要求温度保持在 600 度恒定。
针对该控制系统有一下控制经验:
(1)若炉温低于 600 度,则升压;低得越多升压就越高。
(2)若炉温高于 600 度,则降压;高得越多降压就越低。
(2)若炉温等于 600 度,则保持不变。
设计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。
输入、输出变量的量化等级为7 级,取 5 个
模糊集。
设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。
解:
定义理想温度点的温度为
T
0
实际测量温度为 T ,温度差为 e = ∆T = T0 - T
。
以为输入、输出变量的量化等级均为 7 级, 5 个模糊集,则
误差 e 变化划分表为:
隶属度
变化等级
模
糊
集
PB
PS
ZE
NS
NB
-3
0
0
0
0
1
-2
0
0
0
0.5
0.5
-1
0
0
0.5
1
0
0
0
0
1
0
0
1
0
1
0.5
0
0
2
0.5
0.5
0
0
0
3
1
0
0
0
0
控制电压 u
隶属度
变化划分表为:
变化等级
模
糊
集
PB
PS
ZE
NS
NB
-3
0
0
0
0
1
-2
0
0
0
0.5
0.5
-1
0
0
0.5
1
0
0
0
0
1
0
0
1
0
1
0.5
0
0
2
0.5
0.5
0
0
0
3
1
0
0
0
0
根据一上两表设计一下模糊规则:
若
若
e 负大,则 u 正大;若 e 负小,则 u 正小;若 e 为 0,则 u 为 0;
e 正小,则 u 负小;若 e 正大,则 u 负大。
模糊控制规则表为:
若(if)
则
NLe
NLu
NSe
NSU
0e
0u
PSe
PSu
PLE
PLu
(then)
第四章 神经网络基础
1、生物神经元模型的结构功能是什么?
答:
生物神经元结构:
(1)、细胞体:
由细胞核、细胞质和细胞膜等组成。
Word 文档
.
(2)、树突:
胞体上短而多分枝的突起。
相当于神经元的输入端,接受传入的神经冲动。
(3)、轴突:
胞体上最长枝的突起,也称神经纤维。
端部有很多神经末稍传出神经冲动。
(4)、突触:
神经元间的连接接口,每个神经元约有 1 万~10 万个突触。
神经元通过其轴突的神经末稍,经突触
与另一神经元的树突联接,实现信息的传递。
由于突触的信息传递特性是可变的,形成了神经元间联接的柔性,称为
结构的可塑性。
(5)、细胞膜电位:
神经细胞在受到电的、化学的、机械的刺激后,能产生兴奋,此时,细胞外有电位差,称膜
电位。
电位膜为正,膜外为负。
生物神经元功能:
(1)、兴奋与抑制
当传入神经元的冲动,经整合,使细胞膜电位升高,超过动作电位的阈值时,为兴奋状态,产生神经冲动,由轴
突经神经末稍传出。
当传入神经元的冲动,经整合,使细胞膜电位降低,低于阈值时,为抑制状态,不产生神经冲动。
(2)、学习与遗忘
由于神经元结构的可塑性,突触的传递作用可增强与减弱,因此,神经元有学习与遗忘的功能。
2、人工神经元模型的特点是什么?
答:
人工神经元模型的特点:
(1)、神经元及其联接;
(2)、神经元间的联接强度决定信号传递的强弱;(3)、神经元间的联接强度是可以随训
练改变的;(4)、信号是可以起刺激作用的,也可以起抑制作用;(5)、一个神经元接受的信号的累积效果决定该神经
元的状态;(6)、每个神经元可以有一个“阈值”。
3、人工神经网络的特点是什么?
如何分类?
答:
人工神经网络的特点:
(1)、非线性
(2)、分布处理(3)、学习并行和自适应(4)、数据融合(5)、适用于多变量系统
(6)、便于硬件实现
人工神经网络的分类:
根据神经网络的连接方式,神经网络可分为三种形式:
(1)、前向网络:
神经元分层排列,组成输入层、隐含层和输出层。
每一层的神经元只接受前一层神经元的输入。
输入模式经过各层顺次的变换后,由输出层输出。
在各神经元间不存在反馈。
感知器和误差反向传播网络采用前向网
络形式。
(2)、反馈网络:
该网络结构在输出层到输入层存在反馈,即每一个输入节点都有可能接受来自外部的输入和来
自输出神经元的反馈。
这种神经网络是一种反馈动力学系统,它需要工作一段时间才能达到稳定。
(3)、自组织网络:
当神经网络在接受外界输入时,网络将会分成不同的区域,不同区域具有不同的响应特征,
即不同的神经元以最佳方式响应不同性质的信号激励,从而形成一种拓扑
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 控制 习题 答案 解析
![提示](https://static.bdocx.com/images/bang_tan.gif)