智能控制习题答案解析

范文范例指导参考第一章绪论1.什么是智能、智能系统、智能控制？答：“智能”在美国Heritage词典定义为“获取和应用知识的能力”。“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。专家控制系统：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，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。可以说是一种模拟人类专家解决领域问题的计算机程序系统。多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。2.信息在上下级间垂直方向传递，向下的信息有优先权。同级控制器并行工作，也可以有信息交换，但不是命令。3.上级控制决策的功能水平高于下级，解决的问题涉及面更广，影响更大，时间更长，作用更重要。级别越往上，其决策周期越长，更关心系统的长期目标。4.级别越往上，涉及的问题不确定性越多，越难作出确切的定量描述和决策。学习控制系统：靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。这种系统具有一定的识别、判断、记忆和自行调整的能力。3．比较智能控制与传统控制的特点。答：智能控制与传统控制的比较：它们有密切的关系，而不是相互排斥。常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。1.传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，这些问题对基于模型的传统自动控制来说很难解决。2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息.另外，通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况.为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器，即文字、声音、物体识别装置。3.传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出量跟随期望的运动轨迹（跟随系统），因此具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂。4.传统的控制理论对线性问题有较成熟的理论，而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽人意.而智能控制为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题行之有效的途径。5.与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力。6.与传统自动控制系统相比，智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程，采用开闭word版整理范文范例指导参考环控制和定性及定量控制结合的多模态控制方式。7.与传统自动控制系统相比，智能控制系统具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力。8.与传统自动控制系统相比，智能控制系统有补偿及自修复能力和判断决策能力。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?答：智能控制具有明显的跨学科特点，在最早傅金孙提出的二元论中，智能控制系统被认为是自动控制与人工智能的交互作用，随着认识的深入，萨瑞迪斯提出运筹学融入智能控制而提出三元结构，蔡自兴教授提出将信息论引入智能控制，其依据在于：信息论是解释知识和智能的一种手段；控制论、信息论和系统论是紧密相连的；信息论已经成为控制智能机器的工具；信息论参与智能控制的全过程并对执行级起到核心作用，因此最终确定了智能控制的四元结构。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。答：智能控制应用于机器人、汽车、制造业、水下和陆地自助式车辆、家用电器、过程控制、电子商务、医疗诊断、飞行器、印刷、城市铁路、电力系统等领域。例如焊接机器人其基本工作原理是示教再现，即由用户导引机器人，一步步按实际任务操作一遍，机器人在导引过程中自动记忆示教的每个动作的位置、姿态、运动参数、焊接参数等，并自动生成一个连续执行全部操作的程序。完成示教后，只需给机器人一个起动命令，机器人将精确地按示教动作，一步步完成全部操作，实际示教与再现。控制性能为：弧焊机器人通常有五个自由度以上，具有六个自由度的弧焊机器人可以保证焊枪的任意空间轨迹和姿态。点至点方式移动速度可达60m/min以上，其轨迹重复精度可达到±0.2mm。这种弧焊机器人应具有直线的及环形内插法摆动的功能，共六种摆动方式，以满足焊接工艺要求，机器人的负荷为5kg。第二章模糊控制的理论基础1．举例说明模糊性的客观性和主观性。答：模糊性起源于事物的发展变化性，变化性就是不确定定性；模糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量的特点。例如：年龄分段的问题；如果一个人的年龄大于60岁算老年，45-59岁之间的岁中年，小于44岁的就算青年；如果一个人的年龄是59岁零11个月零28天，那么他是属于中年还是老年呢？理论上从客观的角度说他是中年人，但是与60岁只有两天区别，这区别我们是分辨不出来的。从主观上我们认为他又是老年人。这就是模糊性的主观性和客观性的体现。2．模糊性与随机性有哪些异同？答：模糊性处于过渡阶段的事物的基本特征，是性态的不确定性，类属的不清晰性，是一种内在的不确定性；而随机性是在事件是否发生的不确定性中表现出来的不确定性，而事件本身的性态和类属是确定的，是一种外在的不确定性。相同点是：模糊性是由于事物类属划分的不分明而引起的判断上的不确定性；而随机性是由于天剑不充分而导致的结果的不确定性。但是他们都共同表现出不确定性。异同点是：模糊性反映的是排中的破缺，而随机性反映的是因果律的破缺；模糊性现象则需要运用模糊数学，随机性现象可用概率论的数学方法加以处理。3．比较模糊集合与普通集合的异同。答：模糊集合用隶属函数作定量描述，普通集合用特征函数来刻划。两者相同点：都属于集合，同时具有集合的基本性质。两者异同点：模糊集合就是指具有某个模糊还年所描述的属性的对象的全体，由于概念本身不是很清晰，界限分明的，因而对象对集合的隶属关系也不是明确的；普通集合是指具有某种属性的对象的全体，这种属性所表达的概念应该是清晰的，界限分明的，因而每个对象对于集合的隶属关系也就是明确的。。4.考虑语言变量：“Old”，如果变量定义为：0x500old(x)2150x1001(x50/5)确定“NOTSoOld”，“VeryOld”，“MOREOrLESSOld”的隶属函数。word版整理范文范例指导参考00x501解：NOTSoold(x)221(x50/5)50x10000x50Veryold(x)221(x50/5)50x10000x501MOREorlessold(x)241(x50/5)50x100A0.70.10.40.50.80.10.25.已知存在模糊向量A和模糊矩阵R如下：计算BAR。R0.60.400.100.30.60.3126.令论域U34，给定语言变量“Small”=1/1+0.7/2+0.3/3+0.1/4和模糊关系R=“Almost相等”定义10.60.100.610.60.1利用max-min复合运算，试计算：R(y)(X是Small)(Almost相等）如下：R。0.10.610.600.10.6110.60.100.610.60.1（y）(10.70.30.1)解：R0.10.610.600.10.61(11)(0.70.6)(0.30.1)(0.10)(10.6)(0.71)(0.30.6)(0.10.1)10.70.60.3(10.1)(0.70.6)(0.31)(0.10.6)(10)(0.70.1)(0.30.6)(0.11)Tword版整理范文范例指导参考10.800.10.20.810.400.97.已知模糊关系矩阵：R00.4100计算R的二至四次幂。0.10010.50.20.900.5110.800.10.810.402解：RR•R00.410010.100.20.900.510.832RR•R0.40.50.88.设有论域X{x1,中0.210.800.10.810.400.9000.4100.50.100110.20.900.50.210.80.40.20.80.810.40.50.90.900.40.4100.40.50.20.5010.510.80.90.40.510.50.80.50.90.40.410.50.510.80.40.50.810.80.40.810.410.40.50.94220.410.40.4RR•R0.40.410.50.410.50.50.50.40.90.40.510.80.90.4y2,x2,x3},Y{y1,y3},Z{z1,z2}，二维模糊条件语句为“若A且B则C”，其ABC0.510.1,AF(X)x1x2x30.110.6,BF(Y)已知y1y2y30.41,CF(Z)z1z2*A*10.50.1,A*F(X)x1x2x30.10.51B*,B*F(Y)y1y2y3由关系合成推理法，求得推理结论C。解：令R表示模糊关系，则RABC.0.50.50.10.510.50.60.10.50.50.110.610.10.110.6R1TATB11110.60.10.10.10.110.10.60.10.10.1将R1按行展开写成列向量为0.10.5T0.50.110.60.10.10.1Tword版整理范文范例指导参考0.10.10.40.50.50.40.50.50.