2014智能控制试卷B答案

共7页第1页2011级智能控制课程试题B合分人：复查人：一、填空题（每空1分，共26分）分数评卷人1．智能控制是自动控制发展的一个新阶段，是人工智能、控制论、系统论和信息论等多种学科的综合与集成，是当前的一个研究热点。2．Thefuzzificationblockconvertsthecrispinputstofuzzysets,theinferencemechanismusesthefuzzyrulesintherule-basetoproducefuzzyconclusions,therule-baseholdstheknowledgeabouthowtobestcontroltheprocessintheformoflinguisticrules,andthedefuzzificationblockconvertsthesefuzzyconclusionsintothecrispoutputs.3．Ifafuzzysystemhasthreeinputsandsingleoutput,wehavefivemembershipfunctionsoneachuniverseofdiscourse,thenthereare5^3possiblerules.4．Wequantifythemeaningofthelinguisticvaluesusingmembershipfunctions.5．Anumberofdefuzzificationstrategiesexist,,eachprovidesameanstochooseasingleoutputbasedoneithertheimpliedfuzzysetsortheoverallimpliedfuzzyset6．神经网络的学习方式分成按照有无导师指导可以分成有教师学习和无教师学习。7．典型的多层前馈网络有:多层感知器（MLP）误差反向传播网络（BP）径向基函数神经网络（RBF）8．BP网络的学习算法的改进有：引入动量项、变尺度法和变步长法。9．专家控制器通常包含知识库（KB）、推理机（IE）、控制规则集（CRS）和信息获取与处理等部分。10．专家控制系统把人类操作者、工程师和领域专家的经验知识与控制算法相结合，知识模型与数学模型相结合，符号推理与数值运算相结合，知识信息处理技术与控制技术相结合11．蚁群算法吸收了蚂蚁群体行为的典型特征：能觉察小范围区域内状况、能释放自己的信息素、信息素数量随时间减少。题号一二三四五六七总分分数共7页第2页二、简答题：（共36分）分数评卷人1．简述智能控制的特点。（1）智能控制系统有较强的学习能力；（2）智能控制系统有具有决策判断能力；（3）智能控制系统有较强容错能力；（4）具有较强的鲁棒性。2．WhatisUniversesofDiscourseand“effective”UniversesofDiscourse?普通（“精确”）集合iU和iY分别称为iu和iy的“论域”（换句话说就是范围）。在实际应用中，最常见的论域是简单的实数集合、某一区间或者实数的某一子集。注意有时为了方便，定义“有效”论域],[，和对于输入论域是隶属函数开始饱和的端点，对于输出论域则是外侧输出不再变化的端点。有效论域的“宽度”为||。3．Whatisafunctionalfuzzysystem?对于函数模糊系统，采用单一模糊化，第i条MISO形式的规则为1122,,jklnniiuAuAuAbg是是是如果且且且那么其中“”仅表示函数ig的自变量，ib不是输出隶属函数的中心。4．Whatiscenterofgravity(COG)defuzzificationmethod?用每个蕴含模糊集合的面积中心和面积来计算精确输出qy精确，即Rˆ1Rˆ1iqqiqqqiqqBiyqqqBiybydyyydy精确其中R是规则数，qib是第i条规则的与蕴含模糊集合ˆiqB相关的pqB的隶属函数面积的中心，共7页第3页ˆ()iqqqqBYydy表示ˆ()iqqBy曲线下的面积。5Whyshouldthegeneticalgorithmperformcrossover?Basically,thecrossoveroperationperturbstheparametersneargoodpositionstotrytofindbettersolutionstotheoptimizationproblem.Ittendstohelpperformalocalizedsearcharoundthemorefitindividuals.6．简述神经网络的特点。（1）神经网络可以充分逼近任意复杂的非线性函数。（2）神经网络具有分布式信息存贮特点，有很强的鲁棒性和容错性。（3）神经网络具有巨量信息并行处理和大规模平行计算能力。（4）神经网络具有自组织、自学习功能，是自适应组织系统。7简要说明RBF和BP网络的区别。1）对于RBF和BP网络，从理论上可以证明，只要隐层神经元的数量足够多，都可以以任意精度逼近任何单值连续函数。两者的主要区别在于非线性映射上采用了不同的激励函数，BP网络隐含层神经元采用S型函数，对输入信号无限大的范围内均会产生非零值，作用函数具有全局接收域；而RBF网络隐含层神经元采用高斯等径向基函数，只有距离基函数中心较近的范围产生较大输出，作用函数具有局部化接收域，属于局部映射网络。2）从结构方面BP网络一般是双层网络，但也可以由三层至更多层组成；而RBF网络只有一个隐含层和一个输出层组成的两层形式。3）RBF网络隐含层和输出层之间是线性方程组合，理论证明网络具有惟一最佳逼近特性，且无局部极小值问题。4）RBF网络与BP网络相比较具有训练收敛速度快、函数逼近能力和模式分类能力强等优点，因此比较适合于系统的实时辨识和在线控制。另外，RBF网络在数值计算、函数拟合、模式识别与分类等领域得到了广泛的应用，取得了巨大的成果。但是BP网络的泛化能力，即对未知样本的预测能力要好于RBF网络。5）RBF网络的学习过程分为两个比较直观的阶段，但是具体求解RBF网络隐节点的中心向量jc和隐层基函数的宽度参数j比较困难。BP网络的学习过程只有一个有监督学习。8一般的专家控制系统有哪些并发运行的子过程？有哪些信箱进行通讯？一般的专家控制系统有知识基系统、数值算法库和人－机接口三个并发运行的子过程。三个运行子过程之间的通信是通过五个信箱进行的。即出口信箱（Outbox）、入口信箱（Inbox）、应答信箱（Answerbox）、解释信箱（Resultbox）、定时器信箱（Timerbox）。共7页第4页三、作图题（共23分）分数评卷人1．Pleasedrawthemembershipfunctionswhichweredefinedbythefollowingdescriptions:（a）Crispsets；（b）Werepresentthatwebelievethatase(t)movestotherightof21weareveryquicktoreduceourconfidencethatitis“negsmall”,butifwemovetotheleftof21ourconfidencethate(t)is“negsmall”diminishesataslowerrate.(6points)42,.etrad1.00.5212.Pleasedrawupthestructurechartofageneticmodelreferenceadaptivecontroller.(.（5分）838et共7页第5页plantMostfitcontrollerr(t)u(t)y(t)ReferencemodelAdaptationlevelGeneticalgorithnPopulationofcontrollersPorcessmodelmyt3.试画出一个三层感知器网络模型，简要说明学习算法。（7分）图4-2-6三层感知器网络模型图中TmxxxX),,(21为输入特征向量，各分量为),2,1(mixi，ijw为ix到第一隐层js的连接权值，j为第一隐层神经元的阈值；jtw为js到第二隐层tg的连接权值，t为第二隐层神经元的阈值；输出量),,(21nyyyY，各分量为),2,1(nkyk，tkv为tg到输出层ky的连接权值，k为输出神经元的阈值；)(f为激励函数，通常用阶跃函数、双极值函数。网络模型的表达式为共7页第6页第一隐层：)(1mijiijjxwfs第二隐层：)(jtjjttswfg（其中j为第一隐层的神经元个数）第三层（输出层）：)(tkttkkgvfy（其中t为第二隐层的神经元个数）三层或者多层感知器可以完成对任意非交集合进行分类，学习算法可以采用上面介绍的Hebb学习规则；4、专家系统的一般结构图.（5分）四、计算题：9分分数评卷人1.ThemembershipfunctionsoftheinputsandoutputofafuzzysystemwereshowninFig.2.When8)(teand16)(tedtd,Pleasecalculateandimpliedfuzzyset（a）rule1：Iferroriszeroandchang-in-erroriszeroThenforceiszero。usingminimumoperatorforpremiseandimplication；（b）rule2：Iferroriszeroandchang-in-errorisnegsmallThenforceisnegsmall。usingproductoperatorforpremiseandimplication；premise共7页第7页84,.detraddt“zero”“negsmall”“neglarge”-1-2012“possmall”“poslarge”84,utN“zero”“negsmall”“neglarge”-1-2012“possmall”“poslarge”302010-10-20-3042,.etrad“zero”“negsmall”“neglarge”-1-2012“possmall”“poslarge”42Fig.2Themembershipfunctionsoftheinputsandoutputofafuzzysystem由8)(te得5.0))((teu零，由16)(tedtd得21))((21))((tedtdutedtdu负小零，21))(),((1tedtdteupremise41))(),((2tedtdteupremise,utN“zero”“negsmall”“neglarge”-1-2012“possmall”“poslarge”302010-10-20-30共7页第8页,utN“zero”“negsmall”“neglarge”-1-2012“possmall”“poslarge”302010-10-20-30