神经网络与模糊控制考试题与答案
先进控制基础知识试题

先进控制基础知识试题### 先进控制基础知识试题#### 一、选择题(每题2分,共20分)1. 先进控制技术主要解决的是以下哪类问题?A. 简单线性系统控制B. 非线性系统控制C. 离散时间系统控制D. 以上都不是2. 以下哪个不是先进控制技术的特点?A. 鲁棒性B. 适应性C. 线性性D. 预测性3. 模糊控制属于以下哪类控制技术?A. 经典控制B. 现代控制C. 智能控制D. 非线性控制4. 神经网络控制通常用于解决哪类问题?A. 线性系统控制B. 非线性系统控制C. 离散事件系统控制D. 所有上述问题5. 以下哪个算法是用于优化控制参数的?A. PID算法B. 遗传算法C. 卡尔曼滤波D. 状态反馈控制#### 二、填空题(每题2分,共20分)6. 先进控制技术通常包括_______控制、_______控制、_______控制等。
7. 鲁棒控制的目的是使控制系统在存在_______时仍能保持稳定。
8. 预测控制的核心思想是利用系统的_______信息来优化控制行为。
9. 模糊逻辑控制通过_______来处理不确定性和模糊性。
10. 神经网络控制能够通过_______学习控制规律。
#### 三、简答题(每题10分,共40分)11. 简述先进控制技术与传统控制技术的区别。
12. 解释什么是自适应控制,并给出一个应用实例。
13. 描述模糊控制系统的基本组成及其工作原理。
14. 阐述神经网络在控制领域中的应用优势。
#### 四、计算题(共20分)15. 假设有一个二阶系统,其传递函数为 \( G(s) = \frac{2}{s^2 + 3s + 2} \)。
请使用PID控制器设计一个控制策略,使得系统输出快速且准确地跟踪给定的参考输入。
#### 五、论述题(共20分)16. 论述在现代工业自动化中,先进控制技术的重要性及其面临的挑战。
注意:请在答题纸上作答,保持字迹清晰,答案准确。
祝您考试顺利!(本试题旨在考察学生对先进控制技术基础知识的掌握程度,包括理论知识和实际应用能力。
智能控制系统考试题库

智能控制系统考试题库考试类型概念题:3’*5论述题:6’*4计算题:10’+11’设计题:20’*2一:概念题:1.智能控制;模糊控制;专家控制;神经网络定义2.写出模糊控制器的四个主要组成部分名称3.递阶智能系统的智能程度分布一般要遵循什么原则?4.何谓神经网络的泛化能力?5.写出遗传算法的三个基本操作6.写出自组织神经网络的三个基本过程7.写出四种专家系统的知识表示方法8.写出遗传算法中两种编码方法二:论述题1.为什么模糊输出向量要进行解模糊计算?2.简述隶属度函数建立的一般准则3.简述BP算法中误差信号反向传播过程4.简述模糊控制器的各组成部分功能5.简述遗传算法进化过程中两种“早熟”现象6.简述三种提高网络泛化能力的措施7.写出专家系统组成中知识赛,数据库和推理机的功能8.简述隶属度函数建立的一般准则9.简述专家系统各组成部分的功能10.为什么模糊推理得到的结果要进行解模糊处理?写出常见的两种解模糊方法11.简述适应度函数在遗传算法中的作用12.递阶智能控制系统的主要结构特点有哪些?13.信息特征,获取方式,分层方式有哪些?14.详细描述数据融合的流程和方法15.详细描述递阶智能控制系统的优化算法模型16.比较模糊集合和普通集合的异同17.简述模糊控制系统的组成与工作原理18.试举例说明传统集合中叉积序偶的顺序是不能颠倒的19.结合自身理解浅谈模糊数学与模糊集合的概念20.举例说明模糊数学隶属函数的概念21.简述人工神经网络定义及特征22.生物神经元由哪几部分组成?每一部分的作用是什么?他有哪些特征?23.简述BP算法的神经网络结构及学习算法24.简述遗传算法的特点及关键问题三:计算题1. 假设子女和父母相似度如下图表A ,父母与祖父,祖母的相似度如下表B ,利用最大-最小合成法求子女和祖父母相似度。
A 表格B 表格2. 当输入样本为【X1,X2】时,写出下面网络输出y 的表达式。
其中隐层神经元激励函数为Sigmoid 函数,输出层神经元激励函数为f (x ),输出层神经元和隐层神经元之间的权重如图所示,隐层神经元和输出层神经元之间的权重如入所示。
智能控制试卷及答案

智能控制试卷及答案一、试卷一、选择题(每题2分,共20分)1. 下列哪项不是智能控制的主要类型?A. 人工智能控制B. 模糊控制C. 神经网络控制D. 逻辑控制2. 以下哪种控制方法适用于处理具有不确定性、非线性和时变性等特点的复杂系统?A. PID控制B. 模糊控制C. 串级控制D. 比例控制3. 神经网络控制的核心思想是利用神经网络实现控制规律的映射,以下哪种神经网络模型适用于动态系统的控制?A. BP神经网络B. RBF神经网络C. 感知器D. Hopfield神经网络4. 模糊控制中,模糊逻辑推理的核心部分是?A. 模糊集合B. 模糊规则C. 模糊推理D. 解模糊5. 以下哪种方法不属于智能控制系统的建模方法?A. 基于模型的建模B. 基于数据的建模C. 基于知识的建模D. 基于经验的建模二、填空题(每题2分,共20分)6. 智能控制的理论基础包括________、________和________。
7. 模糊控制的基本环节包括________、________、________和________。
8. 神经网络控制的主要特点有________、________、________和________。
9. 智能控制系统的主要性能指标包括________、________、________和________。
10. 智能控制技术在工业生产、________、________和________等领域有广泛应用。
三、判断题(每题2分,共10分)11. 模糊控制适用于处理具有确定性、线性和时不变性等特点的复杂系统。
()12. 神经网络控制具有较强的自学习和自适应能力。
()13. 智能控制系统不需要考虑系统的稳定性和鲁棒性。
()14. 智能控制技术在无人驾驶、智能家居等领域具有广泛应用前景。
()15. 模糊控制的核心思想是利用模糊逻辑进行推理和决策。
()四、简答题(每题10分,共30分)16. 简述模糊控制的基本原理。
模糊控制考试真题

4
5
用Mamdani算法求出F条件命题“电压高,则 转速快”的F蕴涵关系R。
• 在某家庭中,子女与父母的长像相似关系R是模 糊关系。可看作:A={子,女}、B={父,母}。模 糊关系可表示为:
0.2 0.8 R 0.6 0.1
• 该家中父母与祖父母(C={祖父,祖母})的相似 关系也是模糊关系:
模糊控制考试题
• 1、与传统控制相比,模糊控制的特点? • 2、传统控制与智能控制的区别 • 3、隶属度、隶属函数及由隶属度求出隶属 函数的具体步骤是什么? • 4、智能控制应用对象的特点 • 5、智能控制的知在论域 U {a, b, c, d , e} 上有两个F 0.6 集 A 0.5 0.2 0.8 0.6 B 0.2 0.5 0.4 , 0.9
a b d e
a b c d e
求:
A B, A B, A A, A B
0.3 0.2 0.2 0.3 已知:R , S 0.5 0.4 , 求:R S , R S , R 0.4 0.5
• 设某电机的控制电压论域 U 1, 2,3, 4 , 转速论域 X 1, 2,3, 4,5 , 若设 A (U ), B 表示“电压高”; ( X ), 表示“转速 1 0.5 快”;已知F子集A和B分别为:B 0.5 1 , A ,
0.5 0.7 S 0.1 0
• 试求:孙子、孙女与祖父母的相似程度?
研究生神经网络试题A卷参考答案

研究生神经网络试题A卷参考答案一、简答题1. 神经网络的基本原理是什么?神经网络是一种模仿人脑神经元网络结构和工作方式的计算模型。
它由大量的节点(神经元)和连接它们的边(突触)构成。
每个神经元接收多个输入信号,并通过激活函数进行处理后,将输出信号传递给其他神经元。
通过多层的神经元连接,神经网络能够对复杂的非线性问题进行建模和求解。
2. 神经网络训练的过程及原理是什么?神经网络的训练过程分为前向传播和反向传播两个阶段。
在前向传播过程中,将输入信号通过网络的各层神经元传递,并经过激活函数的作用,最终得到输出结果。
在反向传播过程中,通过与真实输出值的比较,计算网络输出的误差,然后将误差逆向传播回网络,根据误差进行权重和偏置的调整,以减小误差。
反复进行前向传播和反向传播的迭代训练,直到达到预定的训练精度或收敛条件。
3. 神经网络的主要应用领域有哪些?神经网络广泛应用于各个领域,包括图像识别、语音识别、自然语言处理、机器翻译、推荐系统等。
在图像识别领域,卷积神经网络(CNN)被广泛应用于图像分类、目标检测和图像分割等任务。
在自然语言处理领域,循环神经网络(RNN)和长短时记忆网络(LSTM)在语言模型、机器翻译和文本生成等方面表现出色。
此外,神经网络还可以用于金融预测、智能控制和模式识别等其他领域。
4. 神经网络中的激活函数有哪些常用的?它们的作用是什么?常用的激活函数包括sigmoid函数、ReLU函数和tanh函数。
它们的作用是在神经网络中引入非线性,增加网络的表达能力。
sigmoid函数将输入映射到0和1之间,主要用于二分类问题。
ReLU函数在输入大于0时返回该值,否则返回0,可以有效地缓解梯度消失问题,目前在深度学习中得到广泛应用。
tanh函数将输入映射到-1和1之间,具有对称性,使得网络的输出更加均匀。
5. 神经网络中的损失函数有哪些常用的?它们的作用是什么?常用的损失函数包括均方误差损失函数(MSE)、交叉熵损失函数和对数损失函数。
神经网络基础单元测试与答案

一、单选题1、下面哪种结果不是利用机器学习算法从数据中得到的?A.常识B.神经网络C.回归模型D.规则正确答案:A2、有关神经网络训练时使用的学习率参数说法错误的是?A.学习率可以随着训练误差动态调整效果更好。
B.学习率可以与其他网络参数一起训练,对降低代价函数是有利的。
C.学习率过大更容易导致训练陷入局部极小值。
D.网络训练时刚开始学习率可以大一些,以便提高学习速度,随后应减少学习率,以免引起学习震荡。
正确答案:C3、下面哪个选项不是神经网络训练过程中过拟合的防止方法?A.dropoutB.L2正则化C.增加学习率D.提前终止正确答案:C4、下面有关神经网络的说法,错误的是?A.神经网络神经元的输出都是传给其他神经元,不能再反馈回来B.神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整,使得代价函数极小化C.神经网络不同层次的神经元可以使用不同的激活函数D.均方差损失函数是神经网络常用的一种代价函数(损失函数)正确答案:A5、关于训练样本的描述中,正确的说法是哪个?A.增加数据可以减少模型方差B.样本越多,模型训练越快,性能越好C.样本越少,模型的方差越大D.如果模型性能不佳,可增加样本多样性进行优化正确答案:C6、有关BP神经网络的说法,错误的是哪个?A.易陷入局部极小值B.训练次数多,学习效率低,收敛速度慢C.训练时新样本的加入对已经学习的结果没什么影响D. 隐层节点的选取缺乏理论指导正确答案:C7、有关神经网络参数初始化的说法错误的是哪个?A.Xavier初始化可以减少梯度消失B.合适的权重初始化可以加快神经网络的训练和效果C.使用正态分布初始化,但权重取太大或太小都会影响网络的训练D.权重和偏置都可以取全零初始化正确答案:D8、有关BP网络的说法,哪个是错误的?A.在使用梯度下降时,加上冲量项会减少训练的速度,但可能会减少陷入局部极小值的可能B.与批量梯度下降法相比,使用小批量梯度下降法可以提高训练速度,但达到全局最优解可能需要更多的迭代次数C.神经元的激活函数选择影响神经网络的训练过程和最终性能D.交叉熵也可以作为回归预测问题的损失函数正确答案:D9、sigmoid激活函数y=1/(1+)的导数是以下哪一个?A.y(1-y)B.1-lnxC.1-D.1+lnx正确答案:A10、梯度消失问题的认识哪个是正确的?A.隐层的权重取值太小不容易导致梯度消失B.神经元处于Sigmoid等激活函数的饱和区工作C.隐藏层神经元的个数太多导致D.隐藏层太多时,可能导致靠近输入层的权重的偏导数太小而得不到更新正确答案:D11、有关数据预处理对神经网络的影响,以下哪个说法是错误的?A.连续性属性可以采用最小最大值归一化,减少数值过大和不同属性量纲不同对网络的影响B.BP神经网络的输入属性不需要筛选,因为网络本身有特征获取能力C.预处理与否对神经网络的训练速度和分类准确率影响比较大D.对于非数值型的属性,可以使用独热(onehot)编码或模糊化转换成数值正确答案:B12、下面关于单个神经元输入输出正确的是哪个?A.一个神经元可以拥有多个输入但只有一个输出B. 一个神经元只能拥有一个输入但可以有多个输出C.一个神经元只能拥有一个输入和一个输出下面关于单个神经元输入输出正确的是?D. 一个神经元可以有多个输入和多个输出正确答案:D13、一个含有2个隐层的BP神经网络,神经元个数都为20,输入和输出节点分别有8和5个节点,这个网络的权重和偏置数分别是多少?A.3200,45B.660,45C.3000,32D.16000,48正确答案:B14、以下不属于超参的是哪个因素?A.mini-batch的样本数B.输出编码形式C.学习步长(率)和冲量引子D.激活函数正确答案:B二、多选题1、有关神经网络训练过程的说法,正确的是?A.神经网络权重的初始化大小会对网络的训练结果影响B.分析问题确定后,神经网络合适的结构就可以确定C.使用增加训练次数的方法不一定可以减少代价函数的取值D.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素正确答案:A、C、D2、激活函数通常具有以下哪些性质?A.计算简单B.非线性C.单调性D.可微性正确答案:A、B、C、D3、关于模型参数(权重值)的描述,正确的说法是哪些?A.在训练神经网络过程中,参数不断调整,其调整的依据是基于损失函数不断减少B.每一次Epoch都会对之前的参数进行调整,迭代次数越多,损失函数一般越小C.模型参数量越多越好,但没有固定的对应规则D.训练好的神经网络模型存储于一定结构的神经元之间的权重和神经元的偏置中正确答案:A、B、D4、减少神经网络过拟合的说法,以下哪些是正确的?A.通过正则化可以减少网络参数的取值或个数,一定程度可能减少过拟合B.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量C.通过增加数据扰动的数据增强增加了神经网络的过拟合D.利用L1或L2正则化可以使权重衰减,从而一定程度上减少过拟合正确答案:A、B、D5、有关数据增强的说法正确是哪些?A.数据增强会增加样本的个数,因此可能会减少过拟合B.对于分类问题,数据增强是减少数据不平衡的一种方法。
模糊控制与神经网络控制
模糊控制与神经网络控制模糊控制和神经网络控制是现代控制领域中的两个重要研究方向,它们通过不同的方法和理论来解决复杂系统的控制问题。
本文将就这两种控制方法进行介绍和对比,并探讨它们在实际应用中的优劣势。
一、模糊控制模糊控制是一种基于模糊逻辑理论的控制方法,它通过将输入和输出之间的关系进行模糊化来实现系统的控制。
模糊控制器的设计通常包括模糊化、规则库的建立、推理机制以及解模糊化等步骤。
在模糊控制中,输入和输出以模糊集形式表示,通过一系列的模糊规则进行推理得到控制信号。
模糊规则库中存储了专家知识,根据实际问题的需求可以设计不同的规则。
推理机制使用模糊规则进行推理,最后通过解模糊化将模糊输出转化为具体的控制量。
模糊控制的优点之一是适用于非线性和不确定性系统,它能够通过模糊化处理来处理实际系统中的不确定性和模糊性。
此外,模糊控制能够利用专家经验进行控制器的设计,无需准确的系统数学模型。
然而,模糊控制也存在一些局限性。
首先,模糊控制的规则库和参数通常需要由专家进行手动设计,这对专家的经验和知识有一定的要求。
其次,模糊控制的性能也会受到模糊规则的数量和质量的影响,如果规则库设计不当,控制性能可能无法满足要求。
二、神经网络控制神经网络控制是一种基于人工神经网络的控制方法,它通过将系统模型表示为神经网络结构来实现控制。
神经网络是一种模仿生物神经系统结构和功能的计算模型,具有自适应学习和适应性处理的能力。
在神经网络控制中,神经网络被用作控制器来学习系统的映射关系。
通过输入和输出的样本数据,神经网络根据误差信号不断调整权重和阈值,使得输出逼近于期望输出。
神经网络控制通常包括网络的结构设计、学习算法的选择和参数调整等步骤。
与模糊控制相比,神经网络控制具有更好的自适应性和学习能力。
它能够通过学习过程来建立系统的非线性映射关系,并且对于未知系统具有较好的鲁棒性。
此外,神经网络控制不需要准确的系统模型,对系统的数学模型要求相对较低。
智能控制基础答案
智能控制基础答案【篇一:智能控制基础思考题】xt>复习思考题一重要概念解释 1 智能控制答:智能控制是一门交叉学科,美国学者在运筹学的基础上提出了三元论的智能控制概念,即ic=ac n ai n or 各子集的含义为:ic为智能控制,ai为人工智能,ac为自动控制,or为运筹学。
所谓智能控制,即设计一个控制器,使之具有学习、抽象、推理、决策等功能,并能根据环境(包含被控对象或被控过程)信息的变化做出适应性反应,从而实现由人来完成的任务。
2 专家系统与专家控制答:专家系统是一类包含知识和推理的智能计算机程序,其内部包含某领域专家水平的知识和经验,具有解决专门问题的能力。
专家控制是智能控制的一个重要分支,又称专家智能控制。
所谓专家控制,是将专家系统的理论和技术同控制理论、方法与技术相结合,在未知环境下,仿效专家的经验,实现对系统的控制。
3 模糊集合与模糊关系,模糊推理模糊控制答:模糊集合:给定论域u上的一个模糊集a?是指:对任何元素u?u 都存在一个数?a?u???0,1?与之对应,表示元素u属于集合a?的程度,这个数称为元素u对集合a?的隶属度,这个集合称为模糊集合。
模糊关系:二元模糊关系:设a、b是两个非空集合,则直积a?b???a,b?|a?a,b?b?中的一个模糊集合称为从a到b的一个模糊关系。
模糊关系r?可由其隶属度?r?a,b?完全描述,隶属度?r?a,b?表明了元素a与元素b具有关系r?的程度。
模糊推理:知道了语言控制规则中蕴含的模糊关系后,就可以根据模糊关系和输入情况,来确定输出的情况,这就叫“模糊推理”。
4神经网络?答:人工神经网络(artificial neural network )是模拟人脑思维方式的数学模型。
神经网络是在现代生物学研究人脑组织成果的基础上提出的,用来模拟人类大脑神经网络的结构和行为,它从微观结构和功能上对人脑进行抽象和简化,神经网络反映了人脑功能的基本特征,如并行信息处理、学习、联想、模式分类、记忆等。
深度神经网络优化考试试题
深度神经网络优化考试试题一、选择题(每题 5 分,共 30 分)1、以下哪种方法不属于深度神经网络的优化技巧?()A 数据增强B 减少网络层数C 正则化D 调整学习率2、在深度神经网络中,以下哪种情况可能导致过拟合?()A 训练数据过少B 模型过于简单C 正则化参数过大D 学习率过高3、为了避免梯度消失问题,以下哪种方法比较有效?()A 使用 ReLU 激活函数B 增加网络层数C 减小学习率D 减少神经元数量4、关于深度神经网络的优化,以下说法错误的是()A 随机初始化权重可以帮助模型更好地收敛B 批量归一化可以加快训练速度C 增加训练轮数一定能提高模型性能D 早停法可以防止过拟合5、以下哪种优化算法在深度神经网络中应用广泛?()A 随机梯度下降B 牛顿法C 共轭梯度法D 拟牛顿法6、在深度神经网络优化中,调整学习率的策略不包括()A 固定学习率B 指数衰减学习率C 分段常数学习率D 随机学习率二、填空题(每题 5 分,共 30 分)1、深度神经网络中常见的正则化方法有_____、_____和_____。
2、解决梯度爆炸问题可以通过_____、_____等方式。
3、模型压缩的常见方法包括_____、_____和_____。
4、提高深度神经网络泛化能力的方法有_____、_____和_____。
5、优化深度神经网络的损失函数时,常用的方法有_____和_____。
6、深度神经网络中常见的超参数包括_____、_____和_____。
三、简答题(每题 10 分,共 20 分)1、简述深度神经网络中数据增强的常见方法及其作用。
答:数据增强是在原有的数据基础上通过一定的变换和操作来增加数据的多样性,常见的方法包括翻转、旋转、缩放、裁剪、添加噪声等。
其作用主要有以下几点:首先,增加数据量,丰富了模型的训练样本,使模型能够学习到更多的模式和特征,从而提高模型的泛化能力。
其次,通过对数据进行随机变换,可以引入一定的随机性和不确定性,使得模型对数据的微小变化具有更好的鲁棒性。
自动化系统的模糊控制与神经网络控制
自动化系统的模糊控制与神经网络控制自动化系统的控制方法多种多样,其中模糊控制和神经网络控制是两种常见而有效的控制方法。
本文将就自动化系统的模糊控制与神经网络控制进行详细的介绍和对比。
一、模糊控制模糊控制是指在系统的控制过程中,根据模糊集合和模糊规则进行推理,以实现对系统的控制。
模糊控制通过模糊集合来描述控制对象的特征,通过模糊规则来描述控制的策略。
模糊控制的主要优点是对系统模型要求不高,适用于复杂的非线性系统。
模糊控制的缺点是控制效果不稳定,对系统的响应较慢。
二、神经网络控制神经网络控制是指利用人工神经网络对系统进行建模,并通过神经网络进行系统控制。
神经网络控制通过训练神经网络来获得系统的映射关系,并通过不断的优化训练来提高控制效果。
神经网络控制的主要优点是适应性强,可以对复杂的非线性系统进行较好的控制。
神经网络控制的缺点是需要大量的训练数据和计算资源。
三、模糊控制与神经网络控制的对比1. 建模方法模糊控制使用模糊集合和模糊规则进行建模,而神经网络控制使用人工神经网络进行建模。
模糊控制的建模过程相对简单,只需通过专家知识确定模糊集合和规则即可。
而神经网络控制的建模过程相对复杂,需要通过大量的训练数据进行神经网络的训练和优化。
2. 控制效果模糊控制对系统的控制效果常常较差,对于复杂的非线性系统,模糊控制的精度和稳定性均较低。
而神经网络控制对系统的控制效果较好,可以对复杂的非线性系统进行较精确的控制。
神经网络控制可以通过不断的训练和优化提高控制效果,并适应系统动态变化。
3. 训练需求模糊控制的训练过程相对简单,只需确定模糊集合和规则即可。
而神经网络控制的训练过程相对复杂,通常需要大量的训练数据和计算资源。
神经网络控制的训练需要通过反向传播算法等方法来不断优化网络参数,提高控制效果。
4. 适用范围模糊控制适用于复杂的非线性系统,特别是对于模糊规则较为明确的系统。
神经网络控制适用于复杂的非线性系统,并且对于系统的模糊规则不敏感,对于模糊性较强的系统具有更好的控制效果。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、填空题1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成2、一个单神经元的输入是 1.0 ,其权值是 1.5,阀值是-2,则其激活函数的净输入是-0.5 ,当激活函数是阶跃函数,则神经元的输出是 13、神经网络的学习方式有导师监督学习、无导师监督学习和灌输式学习4、清晰化化的方法有三种:平均最大隶属度法、最大隶属度取最小/最大值法和中位数法,加权平均法5、模糊控制规则的建立有多种方法,是:基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型,基于学习6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类7.傅京逊首次提出智能控制的概念,并归纳出的3种类型智能控制系统是、和。
7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题,其研究的对象具备的3个特点为、和。
8、不确定性、高度的非线性、复杂的任务要求9.智能控制系统的主要类型有、、、、和。
9、分级递阶控制系统,专家控制系统,神经控制系统,模糊控制系统,学习控制系统,集成或者(复合)混合控制系统10.智能控制的不确定性的模型包括两类:(1) ;(2) 。
10、(1)模型未知或知之甚少;(2)模型的结构和参数可能在很大范围内变化。
11.控制论的三要素是:信息、反馈和控制。
12.建立一个实用的专家系统的步骤包括三个方面的设计,它们分别是、和。
知识库的设计推理机的设计人机接口的设计13.专家系统的核心组成部分为和。
知识库、推理机14.专家系统中的知识库包括了3类知识,它们分别为、、和。
判断性规则控制性规则数据15.专家系统的推理机可采用的3种推理方式为 推理、 和 推理。
15、正向推理、反向推理和双向推理16.根据专家控制器在控制系统中的功能,其可分为 和 。
16、直接型专家控制器、间接型专家控制器17.普通集合可用 函数表示,模糊集合可用 函数表示。
特征、隶属18.某省两所重点中学在(x 1~x 5)五年高考中,考生“正常发挥”的隶属函数分别为0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。
则在研究该省重点中学高考考生水平发挥的状况时,论域应为X = ,若分别用A %、B %表示两个学校考试“正常发挥”的状况,则用序偶表示法分别表示为A =% ,B =%;“未正常发挥”模糊子集(用行向量表示)分别为 和 ;而该省两所重点中学每年高考考生“正常发挥”的模糊子集应该是 (用Zadeh 法表示)。
{}12345,,,,X x x x x x =,{}12345(,0.85),(,0.93),(,0.89),(,0.91),(,0.96)A x x x x x =:{}12345(,0.92),(,0.96),(,0.87),(,0.93),(,0.94)B x x x x x =:[0.15,0.07,0.11,0.09,0.04]A =:,[0.08,0.04,0.13,0.07,0.06]B =:123450.850.930.870.910.94x x x x x ++++ 19.确定隶属函数的方法大致有 、 和 。
19、模糊统计法 主观经验法 神经网络法20.在模糊控制中应用较多的隶属函数有6种,它们分别为高斯型隶属函数、 、、 、 和 。
20、广义钟形隶属函数 S 形隶属函数 梯形隶属函数 三角形隶属函数 Z 形隶属函数21.在天气、学问、晴朗、表演和渊博中可作为语言变量值的有 和 。
21、晴朗、渊博23.模糊控制是以 、 、和 为基础的一种智能控制方法。
模糊集理论,模糊语言变量,模糊逻辑推理24.模糊控制的数学基础为 。
24、模糊集合25.模糊控制中,常用的语言变量值用²PM,±PS ,²NM ,²NO 等表示,其中²PM 代表 , ²NO代表 。
25、正中、负零 26. 在模糊控制中,模糊推理的结果是 量。
26、模糊27. 在模糊控制中,解模糊的结果是 量。
确定量28. 基本模糊控制器的组成包括知识库以及 、 和 。
模糊化接口、推理机、解模糊接口29. 在模糊控制中,实时信号需要 才能作为模糊规则的输入,从而完成模糊推理。
29、模糊化30.模糊控制是建立在基础之上的,它的发展可分为三个阶段,分别为、、和。
30、人工经验模糊数学发展和形成阶段产生了简单的模糊控制器高性能模糊控制阶段31.模糊集合逻辑运算的模糊算子为、和。
31、交运算算子并运算算子平衡算子32.在温度、成绩、暖和、口才和很好中可作为语言变量值的有和32.暖和、很好33.在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。
33、暖和、中年人和比较好34.在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。
34.寒冷、偏高35. 模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列以“”形式表示的控制规则。
35、控制策略“IF条件THEN 作用”36.神经网络的发展历程经历了4个阶段,分别为、、和。
36、启蒙期、低潮期、复兴期、新连接机制期37.神经元由4部分构成,它们分别为、、和突触。
37、细胞体、树突、轴突38.根据神经网络的连接方式,神经网络的3种形式为:、和。
38、前向网络反馈网络自组织网络39.神经网络的3个要素为:、和。
39、神经元的特性拓扑结构学习规则41.目前神经网络的学习算法有多种,按有无导师分类,可分为、和。
41、有导师学习无导师学习再励学习42.神经网络的研究主要分为3个方面的内容,即、和。
42.神经元模型、神经网络结构、神经网络学习算法43.神经网络的学习过程主要由正向传播和反向传播两个阶段组成。
44.神经网络控制是将和相结合而发展起来的智能控制方法。
神经网络,控制理论45. 遗传算法的主要用途是。
45、寻优(优化计算)46.常用的遗传算法的染色体编码方法有二种,它们分别为实数编码和。
46、二进制编码47.遗传算法的3种基本遗传算子、和。
47、比例选择算子单点交叉算子变异算子48.遗传算法中,适配度大的个体有被复制到下一代。
更多机会49. 遗传算法中常用的3种遗传算子(基本操作)为、、和。
49、复制、交叉和变异二、简答题:1. 试说明智能控制的的基本特点是什么?(1)学习功能(1分)(2)适应功能(1分)(3)自组织功能(1分)(4)优化能力(2分)2、试简述智能控制的几个重要分支。
专家控制、模糊控制、神经网络控制和遗传算法。
3、试说明智能控制研究的数学工具。
智能控制研究的数学工具为:(1)符号推理与数值计算的结合;(2)离散事件与连续时间系统得结合;(3)模糊集理论;(4)神经网络理论;(5)优化理论4.智能控制系统有哪些类型,各自的特点是什么?(1)专家控制系统(1分)专家系统主要指的是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验。
它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。
➢(2)模糊控制系统(1分)在被控制对象的模糊模型的基础上,运用模糊控制器近似推理手段,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一个系统的动态特性及性能指标。
➢(3)神经控制系统(1分)神经网络具有某些智能和仿人控制功能。
学习算法是神经网络的主要特征。
(4)遗传算法(2分)遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科. 遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。
5、简述专家控制与专家系统存在的区别。
专家控制引入了专家系统的思想,但与专家系统存在区别:(1)专家系统能完成专门领域的功能,辅助用户决策;专家控制能进行独立的、实时的自动决策。
专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
(2)专家系统处于离线工作方式,而专家控制要求在线获取反馈信息,即要求在线工作方式。
6、试说明智能控制的三元结构,并画出展示它们之间关系的示意图。
把智能控制扩展为三元结构,即把人工智能、自动控制和运筹学交接如下表示:(2分)IC=AI∩AC∩OROR一运筹学(Operation research)IC一智能控制( intelligent control);Al一人工智能(artificial intelligence);AC一自动控制(automatic Colltrol);∩一表示交集.7.比较智能控制与传统控制的特点。
传统控制:经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
(2分)智能控制:以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展,传统控制是智能控制的一个组成部分,在这个意义下,两者可以统一在智能控制的框架下。
8. 简述智能控制系统较传统控制的优点。
在传统控制的实际应用遇到很多难解决的问题,主要表现以下几点:(1)实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,无法获得精确的数学模型。
(1分)(2)某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述,即无法解决建模问题。
(1分)(3)针对实际系统往往需要进行一些比较苛刻的线性化假设,而这些假设往往与实际系统不符合。
(1分)(4)实际控制任务复杂,而传统的控制任务要求低,对复杂的控制任务,如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。
(1分) 智能控制将控制理论的方法和人工智能技术灵活地结合起来,其控制方法适应对象的复杂性和不确定性,能够比较有效的解决上述问题,具有较大的优越性。
( 1分)9、智能控制与传统控制的主要区别如何?传统控制:经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制:以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展,能够解决传统控制方法难以解决的复杂系统的控制问题,如:对象的不确定性、高度的非线性和复杂的任务要求。
传统控制是智能控制的一个组成部分,在这个意义下,两者可以统一在智能控制的框架下。
10.在模糊控制器的设计中,常用的反模糊化的方法有哪几种?最大隶属度法、中心法和加权平均法。
11.简述将模糊控制规则离线转化为查询表形式的模糊控制器的设计步骤。
(1)确定模糊控制器的结构; (2)定义输入、输出模糊集; (3) 定义输入、输出隶属函数; (4)建立模糊控制规则; (5)建立模糊控制表; (6)模糊推理;(7)反模糊化。