智能控制第二版刘金琨思考题与习题7-1
智能控制课后习题
智能控制课后习题作业11 简述智能控制的概念。
定义一: 智能控制是由智能机器自主地实现其目标的过程。
定义二:K.J.奥斯托罗姆则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并用于控制系统的分析与设计中，以期在一定程度上实现控制系统的智能化，这就是智能控制。
定义三: 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。
2 智能控制由哪几部分组成？各自的特点是什么？智能控制由人工智能、自动控制、运筹学组成。
人工智能是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。
自动控制描述系统动力学特性，是一种动态反馈。
运筹学是一种定量优化的方法。
如线性优化，网络规划，调度管理，优化决策和多目标优化的方法等等。
3 比较智能控制和传统控制的特点？1）传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力，智能控制在处理复杂性、不确定性方面能力高2）传统控制是基于被控对象精确模型的控制方式，可谓“模型论”智能控制是智能决策论，相对于“模型论”可称为“控制论”3）传统的控制为了控制必须建模，而利用不精确的模型又采用摸个固定控制算法，使整个的控制系统置于模型框架下，缺乏灵活性，缺乏应变性，因此很难胜任对复杂系统的控制智能控制的可信是控制决策，次用灵活机动的决策方式迫使控制朝着期望的目标逼近。
4）传统控制适用于解决线性、时不变等相对简单的的控制问题智能控制是对传统控制理论的发展，传统控制室智能控制的一个组成部分，是智能控制的低级阶段。
4 智能控制有哪些应用领域？试举出一个应用实例。
应用领域：模糊系统、神经网络、专家控制、工业想、系统、电力系统、机器人等其他领域的控制。
应用实例：模糊控制的交流伺服系统作业21.在完成上次作业的基础上,进一步细化,给出使用智能控制的必要性 ,以及智能控制结果的验证比较方法;传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，只适用于解决线性、时不变线等相对简单的控制问题。
(完整版)智能控制题目及解答
智能控制题目及解答第一章绪论作业作业内容1．什么是智能、智能系统、智能控制？2．智能控制系统有哪几种类型，各自的特点是什么?3．比较智能控制与传统控制的特点.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,其根据和内涵是什么？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.1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入,它能产生合适的问题求解相应。
智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作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）人—机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统:为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务.3 答：在应用领域方面，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;而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标,而智能控制通常是学习积累非精确知识;传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。
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。
智能控制-刘金琨编著PPT..
智能控制 自学习控制
自适应控制 鲁棒控制
随机控制 最优控制 确定性反馈控制
开环控制
控制科学的发展过程
从二十世纪 60 年代起，由于空
间技术、计算机技术及人工智能
技术的发展，控制界学者在研究
（2）人—机结合作为控制器的控制系统： 机器完成需要连续进行的并需快速计算的 常规控制任务，人则完成任务分配、决策、 监控等任务；
（3）无人参与的自主控制系统：为多层的 智能控制系统，需要完成问题求解和规划、 环境建模、传感器信息分析和低层的反馈 控制任务。如自主机器人。
1985年8月，IEEE在美国纽约召开了第
士电机致力于模糊逻辑元件的开发与研究， 制技术，1989年将模糊控制消费品推向高
潮，使日本成为模糊控制技术的主导国家。
模糊控制的发展可分为三个阶段：
（1）1965年-1974年为模糊控制发展的第一阶段， 即模糊数学发展和形成阶段；
（2）1974年-1979年为模糊控制发展的第二阶段， 产生了简单的模糊控制器；
（1）在机器人控制中的应用 智能机器人是目前机器人研究中的热门课 题。J.S.Albus于1975年提出小脑模型小脑模 型 关 节 控 制 器 （ Cerebellar Model Arculation Controller ，简称 CMAC ），它 是仿照小脑如何控制肢体运动的原理而建立 的神经网络模型，采用CMAC，可实现机器 人的关节控制，这是神经网络在机器人控制 的一个典型应用。
E.H.Mamdan于 20 世纪 80 年代初
首次将模糊控制应用于一台实际机
智能控制习题解
❖ 5、考虑如下条件语句：
如果 转角误差远远大于15○ 那么快速减小方向角
其隶属度函数定义为
A=转角误差远远大于15○=0/15 + 0.2/17.5 + 0.5/20 + 0.8/22.5 + 1.0/25
B=那么快速减小方向角=1/-20 + 0.8/-15 + 0.4/-10 + 0.1/-5 + 0/0
❖ 2、已知年龄的论域为[0.200]，且设“年老O” 和“年轻Y”两个模糊集的隶属函数分别为
0
O
a
1
a
50 5
2
1
0 a 50 50 a 200
1
Y
a
1
a
25 5
2
1
0 a 25 25 a 200
求：“很年轻W”、“不年老也不年轻 个模糊集的隶属函数。
V”两
1、比较模糊集合与普通集合的异同。
❖ 答：模糊集合是对普通集合的扩展，采样模 糊不清晰的集合边界，它们都是指具有某种 属性的对象的全体，都一样也有交，并，补 得运算 。
❖ 不同点：普通集合中对象的属性所表达的概 念是清晰地，每个对象对于集合的隶属关系 也是明确的；而模糊集合中对象的属性所表 达的概念本身不是清晰地，对象对集合的隶 属关系也不是明确的。
❖ 问：当A‘=转角误差大约在20○时方向角应该怎样 变化？
设A‘=转角误差大约在20○的隶属函数=0.1/15 + 0.6/17.5 + 1/20 + 0.6/22.5 + 0.1/25。（用 Mamdani推理算法计算）
❖ 5解 先求关系矩阵 R=A × B R=A × B=
智能控制理论课后习题及复习
二、课后习题
������������������ (������������ ) ������ 根据������ ( ������⁄������������ ) = max(������ (������ ),������ (������ ))可计算得相及矩阵 G 的各项： ������ ������ ������ ������
1
2 ������ − 25 ������������ (x) = ������������(������) ={ {[1 + ( ) ] }2 25 < ������ ≪ 200 5
2 −1
0 ≪ ������ ≪ 25
（2）求“不年老也不年轻 V”的隶属度函数 ̅ ∩ ������ ̅ 不年老也不年轻，即V = ������ ̅： ������ 1 ������ − 50 ������������ ̅ (x) = 1 − ������������ (x) = { 1 − [1 + ( ) ] 5 ̅： ������ 0 ������������ ̅ (x) = 1 − ������������ (x) = { 所以： ������������ (x) = ������������ ̅ ∧ ������������ ̅ (x)，������������ ̅ = min{������������ ̅ (x)} 1 − [1 + ( ������ − 25 ) ] 5
一、重点内容
1.隶属度函数的定义。 （教材 P16） 2.模糊集合的定义及表示法。 （教材 P17） 3.模糊集合的运算与基本性质。 （教材 P18，P19） 4.隶属度函数的重叠指数。 （教材 P22） 5.隶属度函数的选择方法。 （教材 P23） 6.隶属度函数的二元对比排序法。 （教材 P24） 7. 各种函数图形类型的隶属度函数适用于什么情况。 （教材 P25，P26） 8.模糊关系定义及表示法。 （教材 P27，P28） 9.模糊关系之直积、代数积。 （教材 P29，P30） 10.模糊关系的合成。 （教材 P31，P32） 11.模糊控制器的设计步骤（教材 P67）
(完整版)智能控制习题参考答案
1．递阶智能控制系统的主要结构特点有哪些。
答：递阶智能控制是在研究早期学习控制系统的基础上，从工程控制论角度总结人工智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。
递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的。
如下所示：1. 组织级组织级代表控制系统的主导思想，并由人工智能起控制作用。
根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。
其结构如下：2．协调级协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用。
协调级借助于产生一个适当的子任务序列来执行原指令，处理实时信息。
它是由不同的协调器组成，每个协调器由计算机来实现。
下图是一个协调级结构的候选框图。
该结构在横向上能够通过分配器实现各协调器之间的数据共享。
3. 执行级执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。
其结构模型如下：2．信息特征，获取方式，分层方式有哪些？答：一、信息的特征1，空间性：空间星系的主要特征是确定和不确定的（模糊）、全空间和子空间、同步和非同步、同类型和不同类型、数字的和非数字的信息，比传统系统更为复杂的多源多维信息。
2，复杂性：复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干扰性等特性的复杂被控对象，要求系统具有下层的实时性和上层的多因素综合判断决策能力，以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下，获得整个系统的综合指标最优。
3，污染性：复杂生产制造过程的信息都会受到污染，但在不同层次的信息受干扰程度不同，层次较低的信号受污染程度较大。
二、获取方式信息主要是通过传感器获得，但经过传感器后要经过一定的处理来得到有效的信息，具体处理方法如下：1，选取特征变量可分为选择特征变量和抽取特征变量。
选择特征变量直接从采集样本的全体原始工艺参数中选择一部分作为特征变量。
[智能控制[刘金琨 (10)[98页]
遗传算法可应用于目标函数无法求导数或导数不 存在的函数的优化问题，以及组合优化问题等。
（4）遗传算法使用概率搜索技术。遗传算法的选择、 交叉、变异等运算都是以一种概率的方式来进行的， 因而遗传算法的搜索过程具有很好的灵活性。随着进 化过程的进行，遗传算法新的群体会更多地产生出许 多新的优良的个体。
（2）交叉（Crossover Operator）
复制操作能从旧种群中选择出优秀者，但不能创造 新的染色体。而交叉模拟了生物进化过程中的繁殖现 象，通过两个染色体的交换组合，来产生新的优良品 种。
交叉的过程为：在匹配池中任选两个染色体，随机 选择一点或多点交换点位置；交换双亲染色体交换点 右边的部分，即可得到两个新的染色体数字串。
遗传算法从由很多个体组成的一个初始群体开始最 优解的搜索过程，而不是从一个单一的个体开始搜索， 这是遗传算法所特有的一种隐含并行性，因此遗传算 法的搜索效率较高。
（3）遗传算法直接以目标函数作为搜索信息。传统的 优化算法不仅需要利用目标函数值，而且需要目标函 数的导数值等辅助信息才能确定搜索方向。而遗传算 法仅使用由目标函数值变换来的适应度函数值，就可 以确定进一步的搜索方向和搜索范围，无需目标函数 的导数值等其他一些辅助信息。
10.1 遗传算法的基本原理
遗传算法简称GA（Genetic Algorithms）是1962年 由美国Michigan大学的Holland教授提出的模拟自然 界遗传机制和生物进化论而成的一种并行随机搜索最 优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起 来的。自然选择学说包括以下三个方面：
10.2 遗传算法的特点
（1）遗传算法是对参数的编码进行操作，而非对参数 本身，这就是使得我们在优化计算过程中可以借鉴生 物学中染色体和基因等概念，模仿自然界中生物的遗 传和进化等机理；
智能控制复习思考题.doc
智能控制基础期末复习思考题一重要概念解释I智能控制3模糊集合与模糊关系，模糊推理、模糊控制• 1）模糊集合：给定论域U上的一个模糊集A是指：对任何元素uwU都存在一个数与之对应，表示元素u属于集合A的程度，这个数称为元素u对集合人的隶属度，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= 处型中的—个模糊集合称为从A到B的一个模糊关系。
模糊关系尺可由其隶属度卩2小）完全描述，隶属度从（吶表明了元索a与元索b具有关系尺的程度。
•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，来确定输岀的情况，这就叫“模糊推理”。
•模糊控制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慕础上提出的，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。
5神经网络控制6遗传算法一绪论部分1.智能控制与传统控制相比，有哪些主要的特点？二.模糊控制部分1、简述模糊集合的基本定义以及与隶属函数之间的相互关系。
定义:论域U中的模糊集合A,是以隶属函数心为表征的集合Ao心称为模糊集合A的隶属函数，“人（况）称为u对A的隶属度，它表示论域U中的元索u属于模糊集合A的程度，它在［0, I］闭区间内可连续取值。
关系：模糊集合是以隶属函数来描述的，隶属度的概念是模糊集合理论的基石。
2、常用隶属函数的种类及其表达式，及其图形表示。
3、给定变量论域，请在其上设计几个模糊子集，并用隶属函数予以描述，并绘图表示。
（比如年龄（0-100岁）中的年幼，年轻，中年，老年如何进行表示？（参考教材p.23）4、常用的模糊并和模糊交算子是怎样进行运算的？有什么特点？一般地：A\JB = = max(/z A(w)，x/5(w)) = //A(w) v^B(u),取大原则An B = jU Ar]B(u) = min(jU A(u),ju B(w)) = ju A(u) A JU B(W),取小原则采用隶属函数的取大(MAX)和取小(MIN)进行模糊集合的并、交逻辑运算是FI前最常用的方法。
2015智能控制复习思考题参考答案
C=0.2/z1 + 1/z2,
A×B=
A’=0.8/a1 + 0.1/a2,
1 0.1 0.5 1 0.1 0.5 1 （交运算，取小） 0.5 0.1 0.5 0.5
0.5 ，T1 为列向量转换
T
解：将 A×B 矩阵扩展成如下列向量： (A×B)T1= 0.1 0.5 1 0.1 0.5 R=(A×B)T1×C=
z0
z k
i 1 m i
m
i
k
i 1
i
其中系数 k i 的选择根据实际情况而定。 不同的系数决定系统具有不同的响应特性。 当系数 k i 取隶属度 V (vi ) 时，就转化为重心法。 （4）面积中心线法。取处在隶属度函数曲线与横坐标围成面积的等分线上的元素值作 为输出值。
12．简述模糊控制器的设计步骤
2．什么是隶属函数？隶属函数有什么特点？
答：隶属函数定义为
x A 1 μ A ( x) (0,1) x A的程度 0 x A
式中，A 称为模糊集合，由 0,1 及 μ A ( x) 构成， μ A ( x) 表示元素 x 属于模糊集合 A 的程度， 取值范围为[0,1]，称 μ A ( x) 为 x 属于模糊集合 A 的隶属度。 隶属函数有以下两个特点： （1） 隶属函数的值域为[0,1]，它将普通集合只能取 0,1 两个值推广到[0,1]闭区间上连续 取值。隶属函数 μ A ( x) 的值越接近于 1，表示元素 x 属于模糊集合 A 的程度越大； 反之， μ A ( x) 的值越接近于 0，表示元素 x 属于模糊集合 A 的程度越小。 （2） 隶属函数完全刻画了模糊集合，隶属函数是模糊数学的基本概念，不同的模糊函数 所描述的模糊集合也不同。