1.試闡明智能控制的的I基本特點(diǎn)是什么？

（1）學(xué)習(xí)功能（1分）（2）適應(yīng)功能（1分）（3）自組織功能（I分）

（4）優(yōu)化能力（2分）

2、試簡述智能控制的幾種重要分支。

專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。

3、試闡明智能控制研究的數(shù)學(xué)工具。

智能控制研究日勺數(shù)學(xué)工具為：（1）符號推理與數(shù)值計(jì)算日勺結(jié)合；（2）離散事件與持續(xù)時間系統(tǒng)得結(jié)合;（3）模糊集理

論；（4）神經(jīng)網(wǎng)絡(luò)理論：（5）優(yōu)化理論

4.智能控制系統(tǒng)有哪些類型,各自的特點(diǎn)是什么？

（I）專家控制系統(tǒng)（1分）

專家系統(tǒng)重要指是一種智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量的某個領(lǐng)域?qū)＜宜饺丈字R與經(jīng)驗(yàn)。它具有啟發(fā)

性、透明性、靈活性、符號操作、不一確定性推理等特點(diǎn)。

（2）模糊控制系統(tǒng)（1分）

在被控制對象的模糊模型的基礎(chǔ)上，運(yùn)用模糊控制器近似推理手段,實(shí)現(xiàn)系統(tǒng)控制的一種措施模糊模型

是用模糊語言和規(guī)則描述的一種系統(tǒng)II勺動態(tài)特性及性能指標(biāo)。

（3）神經(jīng)控制系統(tǒng)（1分）

神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的I重要特性。

5、簡述專家控制與專家系統(tǒng)存在日勺區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

（1）專家系統(tǒng)能完畢專門領(lǐng)域的功能，輔助顧客決策；專家控制能進(jìn)行獨(dú)立的、實(shí)時的自動決策。專家控制比專

家系統(tǒng)對可靠性和抗干擾性有著更高H勺規(guī)定。

（2）專家系統(tǒng)處在離線JJ乍方式，血專家控制規(guī)定在線獲取反饋信息，即規(guī)定在線JJ乍方式。

6、試闡明智能控制的三元構(gòu)造，并畫出展示它們之間關(guān)系的示意圖。

把智能控制擴(kuò)展為三元構(gòu)造，即把人工智能、自動控制和運(yùn)籌學(xué)交接如

下表達(dá)：(2分)

Ic=AinAcnoR

OR一運(yùn)籌學(xué)(0perationresearch)圖，2甘能控制的二?元箭構(gòu)

IC一智能控制(intelligentcontro1)：

Al-人工智能(artificialintelligence);

AC一自動控制(automaticCoIItrol);

n—表達(dá)交集.

8.簡述智能控制系統(tǒng)較老式控制的長處。

在老式控制日勺實(shí)際應(yīng)用碰到諸多難處理口勺問題，重要體現(xiàn)如下兒點(diǎn)：(1)實(shí)際系統(tǒng)由于存在復(fù)雜性、非線性、時

變性、不確定性和不完全性等,無法獲得精確的數(shù)學(xué)模型。(1分)(2)某些復(fù)雜的和包括不確定性的控制過程無法用

老式的數(shù)學(xué)模型來描述，即無法處理建模問題。(1分)(3)針對實(shí)際系統(tǒng)往往需要進(jìn)行某些比較苛刻的線性化假設(shè),

而這些假設(shè)往往與實(shí)際系統(tǒng)不符合。(1分)(4)實(shí)際控制任務(wù)復(fù)雜,而老式H勺控制任務(wù)規(guī)定低，對復(fù)雜H勺控制任務(wù)，如

機(jī)器人控制、CIMS、社會經(jīng)濟(jì)管理系統(tǒng)等復(fù)雜任務(wù)無能為力。(1分)

智能控制將控制理論的措施和人工智能技術(shù)靈活地結(jié)合起來，其控制措施適應(yīng)對象的復(fù)雜性和不確定性，可以

比較有效H勺處理上述問題,具有較大的優(yōu)越性。(1分')

9、智能控制與老式控制的重要區(qū)別怎樣？

老式控制:經(jīng)典反饋控制和現(xiàn)代理論控制。它們口勺重要特性是基于精確口勺系統(tǒng)數(shù)學(xué)模型的控制，適于處理線性、

時不變等相對簡樸日勺控制問題。

智能控制:以上問題用智能的措施同樣可以處理。智能控制是對老式控制理論的發(fā)展，可以處理老式控制措施難

以處理的復(fù)雜系統(tǒng)口勺控制問題，如：對象的不確定性、高度的非線性和復(fù)雜的任務(wù)規(guī)定。老式控制是智能控制H勺一種

構(gòu)成部分，在這個意義卜,兩者可以統(tǒng)一在智能控制的框架卜。

10.在模糊控制器的設(shè)計(jì)中,常用時反模糊化的措施有哪幾種?

最大從屬度法、中心法和加雙平均法。

11.簡述將模糊控制規(guī)則離線轉(zhuǎn)化為查詢表形式的I模糊控制器的設(shè)計(jì)環(huán)節(jié)。

（1）確定模糊控制器的構(gòu)造：（2）定義輸入、輸出模糊集；（3）定義輸入、輸出從屬函數(shù)；（4）

建立模糊控制規(guī)則；（5）建立模糊控制表；（6）模糊推理；（7）反模糊化。

12.簡述模糊控制的發(fā)展方向

模糊控制的發(fā)展方向有:（1）Fuzzy.PID復(fù)合控制（2）自適應(yīng)模糊控制（3）專家模糊控制（4）神經(jīng)模糊控制（5）

多變量模糊控制

13、模糊控制系統(tǒng)一般由幾種部分構(gòu)成？

1）模糊控制器2）輸入/輸出接口裝置3）廣義對象4）傳感器

14、比較模糊集合與一般集合的異同。

比較模糊集合與一般集合的異同。

相似點(diǎn):都表達(dá)一種集合；

不一樣點(diǎn):一般集合具有特定的對象。而模糊集合沒有特定H勺對象，容許在符合與不符合中間存在中間過渡狀態(tài)。

15.簡述模糊集合的概念。

設(shè)8為某些對象的集合，稱為論域，可以是持續(xù)U勺或離散的；論域「，到［0,1］區(qū)間的任?映射口》:r7-＞［o,i］確

定了//I勺劑模糊了集稱為A的從屬函數(shù),表達(dá)論域/川勺任意元素《屬于模糊了集F的程度。模糊了?集FLI勺表達(dá)

措施有幾種，如：向量表達(dá)法、Zadeh表達(dá)法、序偶表達(dá)法等。

16、請畫出模糊控制系統(tǒng)的構(gòu)成框圖，并結(jié)合該圖闡明模糊控制器的工作原理。

18.人工神經(jīng)網(wǎng)絡(luò)有哪些重要的構(gòu)造特性?

（1）并行處理；（2分）（2）信息分布式存儲;（2分）容錯性。（1分）

19.簡述神經(jīng)元模型并畫出構(gòu)造圖。

和神經(jīng)生理學(xué)類似，人工神經(jīng)網(wǎng)絡(luò)的的基本處理單元稱為神經(jīng)元,每個神經(jīng)元模型模擬一種生物神經(jīng)元,如圖所

示：

神經(jīng)元模型

該神經(jīng)元單元由多種輸入不，i=1,2,.,n和一種輸出y構(gòu)成。中間狀態(tài)由輸入信號加權(quán)和表達(dá)，其

輸出為：

7項(xiàng)一弓）

式中，名為神經(jīng)元單元的閾值），SY為連接權(quán)系數(shù)（對于激發(fā)狀態(tài)，取正值，對于克制狀態(tài)，取負(fù)值）一

為輸入信號數(shù)目，h/為神經(jīng)元輸出，I為時間，f（_）為輸出變換函數(shù),有時叫做激發(fā)或鼓勵函數(shù),往往采用。和1二

值函數(shù)、S形函數(shù)和高斯函數(shù)等。

20、神經(jīng)網(wǎng)絡(luò)應(yīng)具有的四個基本屬性是什么？

1）并行分布式處理2）非線性處理3）自學(xué)習(xí)功能4）可通過硬件實(shí)現(xiàn)并行處理

21.簡述誤差反向傳播學(xué)習(xí)算法的重要思想

誤差反傳算法的重要思想是把學(xué)習(xí)過程分為兩個階段（1分）：第一階段（正向傳播過程）給出輸入信息通過

輸入層經(jīng)陷含層逐層處理并計(jì)算每個單元的實(shí)際輸出值（2分）;第二階段（反向過程），若在輸出層未能得到期望輸

出值，則逐層遞歸的計(jì)算實(shí)際輸出與期望輸出之差值（誤差）以便根據(jù)此差值調(diào)整權(quán)值。

22.簡述前向（多層）神經(jīng)網(wǎng)絡(luò)的構(gòu)造并畫出構(gòu)造圖。

前向（多層）神經(jīng)網(wǎng)絡(luò)具有遞階分層構(gòu)造，由某些同層神經(jīng)元間不存在互連H勺層構(gòu)成。從輸入層至輸出層H勺信號

通過單向連接流通；神經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元間的連接，如圖所示。前向（多層）神經(jīng)網(wǎng)絡(luò)具

有形式:如：多層感知器、BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等。

前向（多層）神經(jīng)網(wǎng)絡(luò)

23.簡述專家系統(tǒng)與專家控制的區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

（1）專家系統(tǒng)能完畢專門領(lǐng)域的功能，輔助顧客決策;專家控制能進(jìn)行獨(dú)立的、實(shí)時的自動決策。專家控制比專家

系統(tǒng)對可靠性和抗干擾性有著更高的規(guī)定。

（2）專家系統(tǒng)處在離線工作方式,而專家控制規(guī)定在線獲取反饋信息，即規(guī)定在線工作方式。

24.試比較特性函數(shù)和從屬函數(shù)。

特性函數(shù)用來表達(dá)某個元素與否屬于一般集合,而從屬函數(shù)則用來表達(dá)某個元素屬于模糊集合的程度，特性函數(shù)

的取值［0,1｝，而從屬函數(shù)日勺取值［0,1］,特性函數(shù)可以看作特殊的從屬函數(shù)

25.請畫出直接型專家控制器的構(gòu)造圖并闡明其設(shè)計(jì)思想。

圖略直接型專家控制器用于取代常規(guī)控制器,直接控制生產(chǎn)可程。具有模擬操作工人智能的功能。這種類型

的控制器任務(wù)和功能相對簡樸,但需要在線、實(shí)時控制。

26.畫出間接型專家控制器的構(gòu)造圖并闡明其設(shè)計(jì)思想。

圖略設(shè)計(jì)思想:間接蟄專家控制器用于和常規(guī)控制器相結(jié)合，構(gòu)成對生產(chǎn)過程或被控對象進(jìn)行間接控制的智能

控制系統(tǒng)。具有模擬（或延伸I擴(kuò)展）控制工程師智能日勺功能。該控制器可以實(shí)現(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策

的智能控制。

27.簡述專家系統(tǒng)的基本構(gòu)成。

知識庫和推理機(jī)，

28.簡述直接型專家控制器的重要設(shè)計(jì)內(nèi)容。

直接型專家控制器的重要設(shè)計(jì)內(nèi)容:①建立知識庫；②控制知識的獲?。虎圻x擇合適的推理措施。

29.根據(jù)高層決策功能的性質(zhì)，簡述間接型專家控制器的分類。

按照高層決策功能的性質(zhì)，間接型專家控制器可分為如下幾種類型：

①優(yōu)化型專家控制器；②適應(yīng)型專家控制器；③協(xié)調(diào)型專家控制器；④組織型專家控制器。

30.試述何為有導(dǎo)師學(xué)習(xí)？何為為無導(dǎo)師學(xué)習(xí)？

有導(dǎo)師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí),這種學(xué)習(xí)模式采用的是糾錯規(guī)則。在學(xué)習(xí)訓(xùn)練過程中需要不停給網(wǎng)絡(luò)成對提供■

種輸入模式和一種期望網(wǎng)絡(luò)對的I輸出的模式，稱為“教師信號:將神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出同期望輸出進(jìn)行比較，當(dāng)網(wǎng)

絡(luò)的輸出與期望輸出不符時，根據(jù)差錯的方向和大小按一定的規(guī)則調(diào)整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更靠近期望成

果。

無導(dǎo)師學(xué)習(xí)也稱為無監(jiān)督學(xué)習(xí),學(xué)習(xí)過程中，需要不停給網(wǎng)絡(luò)提供動態(tài)輸入信息，網(wǎng)絡(luò)能根據(jù)特有的內(nèi)部構(gòu)造和學(xué)

習(xí)規(guī)則.在輸入信息流中發(fā)現(xiàn)任何也許存在的模式和規(guī)律，同步能根據(jù)網(wǎng)絡(luò)的功能和輸入信息調(diào)整權(quán)值，這個過程稱

為網(wǎng)絡(luò)的自組織，其成果是使網(wǎng)絡(luò)能對屬于同一類H勺模式進(jìn)行自動分類。

31.簡述間接型專家控制器的概念及其分類。

間接型專家控制器用于和常規(guī)控制器相結(jié)合，構(gòu)成對生產(chǎn)過程或被控對象進(jìn)行間接控制的智能控制系統(tǒng)。具有

模擬（或延伸,擴(kuò)展）控制工程師智能的功能,該控制器可以實(shí)現(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制（1

分）。按照高層決策功能的性質(zhì)，間接型專家控制器可分為如下幾種類型：①優(yōu)化型專家控制器（1分）；②適

應(yīng)型專家控制器（1分）；③協(xié)調(diào)型專家控制器（1分）；④組織型專家控制器（1分）。

36.簡述神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程。

神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程通過4個階段。

(1)啟蒙期(1890-1969年)(1分)

(2)低潮期(1969—1982)(1分)

(3)復(fù)興期(1982-1986)(2分j

1982年，物理學(xué)家H。ppieId提出了Hoppield神經(jīng)網(wǎng)絡(luò)模型，該模型通過引入能量函數(shù)，實(shí)現(xiàn)了問題優(yōu)

化求解.1984年他用此模型成功地處理了旅行商途徑優(yōu)化問題(TSP)。

在1986年，在Rumelhart和McCel1and等提出了一種著名的多層神經(jīng)網(wǎng)絡(luò)模型，即BP網(wǎng)絡(luò)。該網(wǎng)絡(luò)是迄今為

止應(yīng)用最普遍H勺神經(jīng)網(wǎng)絡(luò)。

(4)新連接機(jī)制時期(1986-目前)(1分)

神經(jīng)網(wǎng)絡(luò)從理論走向應(yīng)用領(lǐng)域。

37.簡述神經(jīng)網(wǎng)絡(luò)具有的特性。

(1)能迫近任意非線性函數(shù);(1分)

(2)信息時并行分布式處理與存儲；(1分)

(3)可以多輸入、多輸出；(1分)

(4)便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或用既有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn);(1分)

(5)能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。(1，分、

38.簡述BP基本算法的優(yōu)缺陷。

BP網(wǎng)絡(luò)的I長處為：

(1；只要有足夠多H勺隱層和隱層，BP網(wǎng)絡(luò)可以迫近任意日勺非線性映射關(guān)系；

(2)BP網(wǎng)絡(luò)日勺學(xué)習(xí)算法屬于全局迫近算法，具有較強(qiáng)的泛化能力；

(3)BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地存儲在網(wǎng)絡(luò)日勺連接權(quán)中，個別神經(jīng)元的損壞對輸入輸

出關(guān)系有■較小的影響，因而BP網(wǎng)絡(luò)具有很好日勺容錯性。

BP網(wǎng)絡(luò)的重要缺陷為：

(1)待尋優(yōu)的參數(shù)較多，收斂速度較慢;

（2）目的函數(shù)函數(shù)存在多種極值點(diǎn)，按梯度下降法進(jìn)行學(xué)習(xí)，很輕易陷入局部極小值；

（3；難以確定隱層和隱層節(jié)點(diǎn)日勺數(shù)目。

39.簡述RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的重要區(qū)別。

RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程和BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程類似，兩者的重要區(qū)別在于各使用不一樣的作用函數(shù)。BP

神經(jīng)網(wǎng)絡(luò)中隱層使用區(qū)JSigmoid是函數(shù)，其值在輸入空間中無限大11勺范圍內(nèi)為非零值，因而是一種全局迫近的神經(jīng)

網(wǎng)絡(luò)（2分）；而RBF神經(jīng)網(wǎng)絡(luò)日勺作用函數(shù)是高斯函數(shù)，其值在輸入空間中有限的范圍內(nèi)為非零值，因而是一種局

部迫近的神經(jīng)網(wǎng)絡(luò)（2分），采用RBF神經(jīng)網(wǎng)絡(luò)可大大加緊學(xué)習(xí)日勺速度，適合于實(shí)時控制的規(guī)定。（1分）

40.簡述BP神經(jīng)網(wǎng)絡(luò)中,BP算法的基本思想。

誤差反向傳播的學(xué)習(xí)算法簡稱BP算法，其基本思想是按梯度下降法進(jìn)行學(xué)習(xí)。它采用梯度搜

索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值與期望的輸出值的誤差均方值為最小。

41、模糊控制與老式控制的不一樣之處：

老式控制措施均是建立在被控對象精確數(shù)學(xué)模型基礎(chǔ)上的，然而，伴隨系統(tǒng)復(fù)雜程度的提高，將難以建立系統(tǒng)日勺

精確數(shù)學(xué)模型；模糊控制是以模糊集理論、模糊語言變量和模糊邏楫推理為基礎(chǔ)，從行為上模仿人的模糊推理和決策

過程的一種智能控制措施。該控制措施適應(yīng)對象的復(fù)雜性和不確定性，不需要依賴對象的精確數(shù)學(xué)模型可實(shí)現(xiàn)復(fù)雜系

統(tǒng)的J控制。

42、模糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？

1.（本題5分）模糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？

1）確定模糊控制器的輸入變量和輸出變量（即控制量）

2）設(shè)計(jì)模糊控制器的控制規(guī)則

3）確立模糊化和非模糊化（又稱清晰化）日勺措施

4）選擇模糊控制器的輸入變量及輸出變量的論域并確定模糊控制器H勺參數(shù)（如量化因子、比例

因子）

5）編制模糊控制算法”勺應(yīng)用程序

6）合理選擇模糊控制算法H勺采樣時間

1.分別畫出如下應(yīng)用場所下合適的從屬函數(shù):

（a）我們絕對相信工附近打勺e⑺是“正小”，只有當(dāng)e⑺足夠遠(yuǎn)離三時，我們才失去e⑺是“正小”的信心;（4分）

44

⑴我們相嗚附近的必是“正大”，而對于遠(yuǎn)離*e⑺我們很快失去加是“正大"（4分）

（c）伴隨e（口從三向左移動，我們很快失去e（才）是“正小”的信心，而伴隨e⑺從￡向右移動，我們較慢失去

44

⑸(b)(c)

2.分別畫出如下應(yīng)用場所下合適的從屬函數(shù):

（a）我們絕對相股附近?、攀恰罢　?只有當(dāng)M足夠遠(yuǎn)離件我們才失去“⑴是“正小”的信心;（4分）

（b）我們相信*近的叱是“正大"而對于遠(yuǎn)離件⑴我們很快失去e⑺是“正大”*（4分）

⑹伴隨從巳向左移動，我們很快失去e《打是“正小”口勺信心，而伴隨e＜切從工向右移動，我們較慢失去e

6.畫出如下兩種狀況的從屬函數(shù)圖：

（a）面出精確集合A={.q%WxK%}"勺從屬函數(shù)圖；（4分）

（b）寫出單點(diǎn)模糊（singIctonfuzzification）從屬函數(shù)的數(shù)學(xué)體現(xiàn)形式,并畫出從屬函數(shù)圖。（4分）

（c）畫出精確集合A={x勺從屬函數(shù)圖；（4分）

X=u-

N入"（x）=<

ootherwise

1.0--j------------

0.5-

82

7.某模糊控制系統(tǒng)的輸入語言變量E和輸出語言變量U的語言值均為:NB、NS、O、PS、PB,E的論域?yàn)?=｛一

3,-2,-1,0,1,2,3},U的論域?yàn)閅={-3,2-1,0,1,2,3）,＞設(shè)語言變量E和U的賦值表為:

量化等級

-3-2-10123

語言變量值

PB000000.1

5

PS000I10.50

0000.510.500

NS