1、智能控制理論復習資料一 智能控制概述1. 什么是智能？什么是人工智能？答：能有效地獲取、傳遞、處理、再生和利用信息，從而在任意給定的環境下能成功地達到預定目的的能力。 是研究、開發用于模擬、延伸、擴展人的智能的理論、方法、技術及應用系統的一門新的科學技術。2. 什么是控制？什么是自動控制？什么是智能控制？ 答：按照主體的意愿，使事物向期望的目標發展。 在沒有人直接參與的情況下，利用外加設備或裝置，使機器、設備或生產過程的某個工作狀態或參數自動地按照預定的規律運行。 在沒有人干預的情況下能自主地驅動智能機器實現控制目標的自動控制技術。3. 智能控制的二元結構和三元結構分別是什么？ 答：二元結構：

2、人工智能、自動控制 三元結構：人工智能、自動控制、運籌學4. 智能控制系統的主要功能特點是什么？答：學習功能、適應功能、組織功能、優化功能5. 智能控制的研究對象具備什么特點？答：不確定性的模型。傳統的控制是基于模型的控制，這里的模型包括控制對象和干擾模型。高度的非線性。傳統控制理論中的線性系統理論比較成熟。復雜的任務要求。傳統的控制系統中，控制任務或者是要求輸出值為定值，或者要求輸出值跟隨期望值的運動軌跡，因此控制任務的要求比較單一，而智能控制的任務要求往往比較復雜。6. 智能控制與自動控制的關系是什么？答：自動控制是智能控制的基礎，智能控制是對自動控制的進步與延伸；自動控制往往包含在智能控

3、制之中，智能控制也利用自動控制的方法來解決“低級”的控制問題；智能控制具有模擬人進行諸如規劃、學習和自適應的能力，所以它就是讓自動控制系統擁有學習的功能。7. 智能控制與傳統控制相比有哪些優點？答：傳統控制難以解決的問題包括以下幾點： 實際系統由于存在復雜性、非線性、時變性、不確定性和不完全性等，無法獲得精確的數學模型； 某些復雜的和包含不確定性的控制過程無法用傳統的數學模型來描述，即無法解決建模問題； 針對實際系統往往要進行一些較苛刻的線性化假設，而這些假設往往與實際系統不符合； 實際控制任務復雜，而傳統的控制任務要求低，對復雜的控制任務無能為力。智能控制將控制理論的方法與人工智能技術靈活地

4、結合起來，其控制方法適應對象的復雜性和不確定性，能夠有效地解決上述問題，具有較大的優越性。8. 智能控制與傳統控制的區別如何？答：傳統控制：經典反饋控制和現代理論控制。主要特征是基于精確的系統數學模型的控制，適用于解決線性、時不變等相對簡單的控制問題。 智能控制：是對傳統控制理論的發展，能夠解決傳統控制方法難以解決的復雜系統的控制問題，如對象的不確定性、高度的非線性和復雜的任務要求；傳統控制是智能控制的一個組成部分，在這個意義下，兩者可以統一在智能控制的框架下。9. 智能控制未來的主要研究方向和應用領域有哪些？答：智能控制是自動控制的最新發展階段，主要用于解決傳統控制技術與方法難以解決的復雜系

5、統的控制問題，如對象的不確定性、高度的非線性和復雜的任務要求。智能控制作為一門新興控制技術，目前還處于發展初期。基于遺傳算法的智能控制、基于Petri網理論的智能控制、遺傳算法、神經網絡和模糊控制相結合的綜合優化控制等新的智能控制理論和方法在不斷涌現和發展之中。可以預見，隨著系統論、人工智能理論和計算機技術的發展，智能控制將會有更大的發展空間，并在實際中得到更加廣泛的應用。根據智能控制基本研究對象的開放性、復雜性、多層次和信息模式的多樣性、模糊性、不確定性等特點，其未來的研究內容主要包括以下幾個方面：（1）智能控制基本機理的研究；（2）智能控制基本理論和方法的研究；（3）智能控制應用的研究。伴

6、隨著智能控制系統具有學習、適應、組織三大功能特點，其發展趨勢也將包括以下幾方面：（1）智能控制理論的進一步研究，尤其是智能控制系統穩定性分析的理論研究；（2）結合神經生理學、心理學、認識科學、人工智能等學科的認識，深入研究人類解決問題時的經驗、策略，建立更多的智能控制體系結構；（3）研究適合現有計算機資源條件的智能控制方法；（4）研究人機交互式的智能控制系統和學習系統，以不斷提高智能控制系統的智能水平；（5）研究適合智能控制系統的軟、硬件進行處理機、信號處理器、智能傳感器和智能開發工具軟件，以解決智能控制在實際應用中存在的問題。二分層遞階智能控制1. 遞階控制系統的組成與各個部分的功能是什么？

7、 答：組成：組織級、協調級、執行級。 組織級（任務規劃）：負責整個系統的推理、規劃、決策、長期記憶、信息交流等，是智能最高的級別，主要進行的是基于知識的各種信息處理和決策。 協調級：是組織級和執行級的接口，主要負責將組織級的指令分配為執行級的各項子任務，同時反饋任務執行的信息。 執行級：一般由多個硬件控制器所組成，負責具體的過程控制。2. IPDI基本原理：精度隨智能降低而增大的原理。3. 分層遞階控制的基本原理是什么？答：對于給定的外部命令和任務，組織級設法找到能夠完成該任務的子任務組合；將這些子任務要求送至協調級，通過協調處理，將具體的動作要求送至執行級完成所要求的任務；對任務的執行結果進

8、行性能評價，并將評價結果逐級向上反饋，同時對以前存儲的知識信息加以修改，從而起到學習的作用。三專家控制1. 什么是專家系統和專家控制？二者有何區別？ 答：專家系統是一個具有大量專門知識與經驗的程序系統，根據某個領域的專家提供的知識與經驗進行推理和判斷，模擬人類專家的決策過程。 專家控制：將專家系統的設計規范和運行機制與傳統的控制理論和技術相結合而成的實時控制系統設計和實現方法。 區別：專家系統能完成專門領域的功能，輔助用戶決策；而專家控制能進行獨立的、實時的自動決策。專家控制比專家系統對可靠性和抗干擾性有著更高的要求。 專家系統處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作方

9、式。2. 專家系統的主要組成部分包括什么？請簡單解釋其各自的作用。 答：包括知識庫、數據庫、推理機、解釋器、知識獲取器。 知識庫：用于存取和管理所獲取的專家知識和經驗，供推理機利用，具有知識存儲、檢索、編輯、增刪、修改和擴充等功能。 數據庫：用來存放系統推理過程中用到的控制信息、中間假設和中間結果。 推理機：主要功能是協調、控制系統，決定如何選用知識庫中的知識，對用戶提出的證據進行推理，求得問題的解答或證明某個結論的正確性。 解釋器：用于作為專家系統與用戶之間的“人-機”接口，其功能是向用戶解釋系統的行為。 知識獲取器：是指通過人工方法或機器學習的方法，將某個領域的事實性知識或領域專家所特有的

10、經驗性知識轉化為計算機程序的過程。4. 專家系統有哪些特征？ 答：具有專家水平的知識：必須表現專家的技能和高度的技巧以及足夠的魯棒性； 能進行有效的推理：能夠運用專家的經驗、知識進行搜索，推理； 具有透明性：在推理時，不僅能得到答案，還能得到推理的依據； 具有靈活性：知識的更新和擴充靈活方便； 具有啟發性：運用專家的經驗知識對不確定的或不精確的問題進行啟發式推理。5. 專家系統有哪幾種知識表示方法？ 答：產生式規則、框架、語義結構、過程。6. 專家系統的推理機制有哪幾種？ 答：正向推理（數據驅動策略）、反向推理（目標驅動策略）、正反向混合推理。7. 專家控制的基本原理是什么？ 答：專家控制是試

11、圖在傳統控制的基礎上“加入”一個富有經驗的工程師，實現控制的功能，它由知識庫和推理機構成主體框架，通過對控制領域知識的獲取與組織，按某種策略及時地選用恰當的規則進行推理輸出，實現對實際對象的控制。8. 專家控制的組成與特點是什么？答：專家控制是將專家系統的設計規范和運行機制與傳統的控制理論和技術相結合而成的實時控制系統設計和實現方法。由知識庫、推理機和算法庫構成主體框架。主要特點有以下幾點： 靈活性：根據系統的工作狀態及誤差情況，可靈活地選取相應的控制律； 適應性：能根據專家知識和經驗，調整控制器的參數，適應對象特性及環境變化；魯棒性：通過利用專家規則，系統可以在非線性、大偏差下可靠的工作。9

12、. 專家控制的功能有哪些？答：能夠滿足任意動態過程的需要，尤其適用于帶有時變、非線性和強干擾的控制； 控制過程可以利用對象的先驗知識； 通過修改、增加控制規則，可不斷積累知識，改進控制性能； 可以定性的描述控制系統的性能，如“超調小”，“偏差增大”等； 對控制性能可進行解釋； 可通過對控制閉環中的單元進行故障檢測來獲取經驗規則。10. 專家控制器的工作原理和各部分的組成作用是什么？ 答：知識庫：存放工業過程控制的領域知識，由經驗數據庫和學習與適應裝置組成。經驗數據庫主要存儲經驗和事實，學習與適應裝置是根據在線獲取的信息，補充或修改知識庫內容，改進系統性能，以便提高問題求解能力。 規則控制：對受

13、控過程的各種控制模式和經驗的歸納和總結。 推理機構：其復雜程度由規則條數決定，如果搜索空間很少，推理機構就十分簡單，采用向前推理方法，逐次判別各種規則的條件，滿足則執行，否則急需搜索。 特征識別與信息處理：其作用是實現對信息的提取與加工，為控制決策和學習適應提供依據，它主要包括抽取動態過程的特征信息，識別系統的特征狀態，并對這些特征信息進行必要的加工。 數據庫：是用于存放用戶提供的初始事實、問題概述以及系統運行過程中得到的中間結果、最終結果、運行信息等的工作存儲器，數據庫的內容是不斷變化的。四模糊邏輯控制1. 什么是模糊控制？它有什么特點（優點）？ 答：模糊控制是以模糊集理論、模糊語言變量和模

14、糊邏輯推理為基礎，從行為上模擬人的模糊推理和決策過程的一種智能控制方法。特點：不需要被控對象的數學模型。是以人對被控對象的控制經驗為依據而設計的控制器； 是一種反映人類智慧的智能控制方法； 易于被人們接受。模糊控制的核心是模糊規則，模糊規則是用語言來表示的； 構造容易。控制規則易于軟件實現； 魯棒性和適應性好。2. 模糊控制器是由哪幾部分構成的？說明其各自的作用。答：構成：模糊化接口、知識庫（數據庫和規則庫）、推理機、解模糊接口。模糊化接口：實際上是模糊控制器的輸入接口，主要作用是將真實的確定量輸入轉化成一個模糊矢量。數據庫：存放的是所有輸入、輸出變量的全部模糊子集的隸屬度矢量值，若論域為連續

15、域，則為隸屬度函數。在規則推理的模糊關系方程求解過程中，向推理機提供數據。 規則庫：是基于專家知識或手動操作人員長期積累的經驗，是按人的直覺推理的一種語言表達形式。用來存放全部模糊控制規則，在推理時為推理機提供控制規則。推理機：是模糊控制器中，根據輸入模糊量，由模糊控制規則完成模糊推理來求解模糊關系方程，并獲得模糊輸出量的功能部分。解模糊接口：規則推理完成后，所得結果仍是一個模糊矢量，必須作一次轉換，求得清晰的控制量輸出。3. 模糊控制器的基本工作原理是什么？答：將測量得到的被控對象的實時信號經過模糊化接口，轉換為用人類自然語言描述的模糊量；根據人類的語言控制規則，進行模糊推理，得到輸出控制量

16、的模糊 矢量；將該模糊矢量經過清晰化接口轉化為執行機構能夠接受的精確量。4. 模糊控制器的設計步驟包括哪些？答：選擇合適的模糊控制器類型；確定輸入、輸出變量的實際論域；確定輸入、輸出的模糊集個數及各模糊集的隸屬度函數；設計模糊控制規則表；選擇模糊推理方法；選擇解模糊方法：最大隸屬度法、重心法、加權平均法。5專家系統控制與模糊邏輯控制的異同有哪些？ 答：相同點：它們都是反映人類智慧的智能控制； 都不需要被控對象的數學模型，適用于復雜的非線性系統的控制； 控制過程都是利用專家的經驗來進行的； 在控制過程中可以修改、增加控制規則，不斷積累知識，改進控制性能； 特點都是魯棒性和適應性好； 不同點：專家

17、控制是將專家系統的設計規范和運行機制與傳統的控制理論和技術相結合而成的實時控制系統設計和實現方法；模糊控制是以模糊集理論、模糊語言變量、模糊邏輯推理為基礎，從行為上模擬人的模糊推理和決策過程的一種智能控制方法； 專家控制在利用系統的先驗知識進行推理時不需要進行模糊化，推理完成后也無需清晰化； 專家控制可對控制性能進行解釋，模糊控制沒有該功能。6. 模糊控制未來的主要研究方向和應用領域有哪些？ 答：模糊控制已經有不少的研究成果，各類模糊控制器非常多，如模糊PID、自適應模糊控制器、神經模糊控制器、專家模糊控制器等，也出現了各種軟件工具和集成電路芯片但，同時被廣泛應用于生產實踐，如在工業控制、家電

18、領域、航空航天控制、水電控制、機器人控制等方面取得了突破性進展。但模糊控制的發展歷史還不長，理論上的系統性和完善性、技術上的成熟性和規范性都還遠遠不夠，總的來說還有以下幾個方面的問題亟待解決： 建立一套系統的模糊控制理論，以解決模糊控制的機理、穩定性分析、系統化設計方法、專家模糊控制系統、神經模糊控制系統和多變量模糊控制系統的分析與設計等一系列問題；模糊控制在非線性復雜系統應用中的模糊建模、模糊規則的建立和推理算法的深入研究；模糊集成控制系統的設計方法研究；自學習模糊控制策略的實現；模糊控制系統的穩定性分析。五神經網絡控制1. 什么是人工神經網絡控制？它的主要特點是什么？ 答：它是一個并行和分

19、布式的信息處理網絡結構，該結構一般由許多個神經元組成，每個神經元有一個單一的輸出，它可以連接到很多其他的神經元，其輸入有多個連接通路，每個連接通路對應一個連接權系數。它利用數學模型來模擬生物神經網絡的某些結構和功能。特點：自組織及自適應性； 大規模并行計算； 魯棒性；自學習能力以及聯想存儲等特點； 分布式存儲，存儲和計算相結合； 非線性處理，非線性映射； 泛化功能 2. 人工神經網絡的功能和作用是什么？答：功能：預測；優化計算；系統辨識；糾檢錯作用：回歸；分類 3. 人工神經元模型中響應函數的作用是什么？ 答：控制輸入對輸出的激活作用； 對輸入和輸出進行函數轉換； 將可能無限域的輸入變換成指定

20、的有限范圍內輸出。4. 神經網絡的優越性有哪幾種表現？答：可處理那些難以用模型或規則描述的對象； 采用并行分布式信息處理，具有很強的容錯性； 本質上是非線性系統，可以實現任意非線性映射； 具有很強的信息綜合能力，能夠同時處理大量不同類型的輸入，能夠很好的解決輸入信息之間的互補性和冗余性問題； 硬件實現愈趨方便。5. 神經網絡的基本學習算法和工作方式是什么？答：基本學習算法：權值確定；Hebb學習規則；誤差校正學習規則；相近學習規則。 工作方式：學習期：神經元間的連接權值，可由學習規則進行調整，以使目標函數達到最小； 工作期：連接權值不變，由網絡的輸入得到相應的輸出。6. 感知器的作用與局限是什

21、么？答：作用：用于模式分類，也可用在基于分類的學習和多模態機制中。 局限：僅對線性可分具有分類能力，由于感知器由線性閾值元件組成，無法求解線性不可分問題。7. BP網絡的特點是什么？答：信息流：從輸入到輸出； 誤差：從輸出到輸入反向調整；變換函數：S型； 輸出量：0-1之間；一個三層的BP網絡可以逼近一個從輸入到輸出的任意非線性函數； BP網絡的學習算法屬于全局逼近算法，因而具有較好的泛化能力； 可以用于模式識別與分類，數據壓縮。8. 簡述BP學習算法的主要思想。答：第一階段（正向傳播過程）：給出輸入信息通過輸入層經隱含層逐層處理并計算每個單元的實際輸出值； 第二階段（反向過程）：若在輸出層未

22、能得到期望輸出值，則逐層遞歸的計算實際輸出與期望輸出的差值，以便根據此差值調節權值。9. BP網絡有什么優點和缺點？答：優點：只要有足夠多的隱層和隱節點，BP網絡可以逼近一個從輸入到輸出的任意非線性函數； BP網絡的學習算法屬于全局逼近的算法，因而具有較好的泛化能力。 缺點：收斂速度慢，訓練時間長；局部極值問題；難以確定隱層和隱節點的個數。10. 簡述RBF神經網絡和BP神經網絡的主要區別。答：兩者的學習過程類似，其主要區別在于各使用不同的作用函數。BP神經網絡中隱層使用的S函數，其值在輸入空間中無限大的范圍內為非零值，因而是一種全局逼近的神經網絡；而RBF神經網絡的作用函數是高斯函數，其值在輸入空間中有限的范圍內為非零值，因而是一種局部逼近的神經網絡，采用RBF神經網絡可大大加快學習的速度，適合于實時控制的要求。11. 何為有導師學習？何為無導師學習？答：有導師學習（監督學習）：網絡根據實際輸出與期望值比較，進行權系數的調整。將期望輸出稱為導師信號，是評價學習的標準。 無導師學習