欢迎来到天天文库
浏览记录
ID:34141561
大小:717.28 KB
页数:29页
时间:2019-03-04
《胡志华智能控制》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、(题目为五号字体、黑色;答案为四号字体、加粗、绿色;红色字为注意事项。计算题中应为(下标)”(公式中无法打出))填空:1.智能控制必须具有模拟人类学习(Learning)和自适应(Adaptation)的能力。2.智能控制不同于经典控制理论和现代控制理论的处理方法,控制器不再是单一的数学解析模型,而是数学解析模型和知识系统相结合的广义模型。3.常规的智能控制方法有模糊逻辑控制(FLC)、分级递阶的智能控制(Hie)、神经网络控制(NNC)、专家控制(EC)和仿人智能控制(AHO等。4.模糊集合通常有三种表示方法Zad
2、eh表示法、序偶表示法、隶属函数描述法。5.人类的语言可分为自然语言①和形式语言②。①的语意丰富、灵活,有时具有模糊'性。②则有严格的语法规则和语意。6.按照隶属函数所描述的曲线形状,可大致分为正态分布型、三角形和梯形。7.知道了语言控制规则中蕴含的输入、输出模糊关系①后,就可以根据①和输入情况,来确定输出情况,这就叫模糊推理。&模糊控制中,通常在输入较大的区域内采用彳氐分辨率曲线,在输入较小的区域内采用较高分辨率曲线,当输入接近零则选用高分辨率曲线。9.隶属度函数曲线的形状较尖时,分辨率较高,输入引起的输出变化比较
3、剧烈,控制灵敏度较高。曲线形状较缓时,控制特性也较平缓,具有较好的系统稳定性。10.多层前向神经网络由输入层、隐层(不少于1层)、输出层组成,信号沿输入一输出的方向逐层传递。多层前向网络的输入和输出之间的关系,可以看成是一个高度耳£线‘性的映射关系。H.系统辨识是自适应控制的关键所在,它通过测量对象的输入输出状态來估计对象的数学模型,使建立的数学模型和对彖具有相同的输入输出特'性。12.神经网络对非线性函数具有任意逼近和自学习能力,为系统的辨识,尤英是非线性动态系统的辨识提供了一条十分有效的途径。神经网络系统辨识实质
4、上是选择一个适当的神经网络模型来逼近实际系统的数学模型。它以对彖输入输出状态看成神经网络的训练样本数据,以」=0・5e2作为网络训练的目标,通过用一定的训练算法来训练网络,使J足够小,从而归纳出隐含在系统输入输出数据中的关系。神经网络用于系统辨识的关键在于网络中神经元连接强度等参数的确定。13.美国科学家J.JHopfield提出了人工神经网络能量函数的概念,使网络运行稳定'性判断有了可靠而简便的依据。Hopfield神经网络有一个显著的特点,即它与电子电路存在明显的对应关系,使得该网络易于理解和便于实现。简答:1.
5、智能控制具有哪些基本特点?答:智能控制具有以下基本特点:1)应能为复杂系统(如非线性.快时变、多变量、强耦合、不确定性等)进行有效的全局控制,并具有较强的容错能力。2)定性决策和定量控制相结合的多模态组合控制。3)从系统的功能和整体优化的角度来分析和综合系统,以实现预定的目标,并应具有自组织能力。4)同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程,系统在信息处理上,既有数学运算,又有逻辑和知识推理。2.如何定义一个语言变量?答:定义一个语言变量需要定义以下4个方面的内容:1)定义变量名称。3)
6、定义变量的语言值(每个语言值是定义在变量论域上的一个模糊集合)。4)定义每个模糊集合的隶属函数。1.简述模糊控制器的基本结构及各部分的功能。(书P32至P39为完整内容)答:模糊控制器的基本结构通常由4个部分组成:模糊化接口、规则库、模糊推理、清晰化接口。模糊化接口:模糊化就是通过在控制器的输入、输出论域上定义语言变量,来将精确的输入、输出值转换为模糊的语言值。规则库:规则库由若干条控制规则组成,这些控制规则根据人类控制专家的经验总结得出,按照IF・・・is・・・and・・・is・・・THEN・・・is…的形式表达。
7、模糊控制规则的提取方法在模糊控制器的设计中起着举足轻重的作用,它的优劣直接关系着模糊控制器性能的好坏,是模糊控制器设计中最重要的部分。模糊推理:模糊控制器根据控制规则中蕴涵的输入、输出模糊关系和实际输入的模糊取值,可以通过模糊推理,得到输出的模糊状态。清晰化接口:由模糊推理得到的模糊输出C是输出论域上的模糊子集,只有其转化为精确控制量U,才能施加于对象。实行这种转化的方法叫做清晰化/去模糊化/模糊判决。2.模糊控制器的设计内容包括哪些?答:模糊控制器设计的内容可以总结如下:1)确定输入、输出的论域和K,Kec.K“的
8、值。2)确定各变量的语言取值及其隶属函数。4)总结专家控制规则及其蕴涵的模糊关系oIII1)选择推理算法。2)确定清晰化的方法。7)总结模糊查询表。1.简述神经元网络的基本特性。(书P48为完整内容)答:神经网络系统具有以下基本特性:1)非线性映射逼近能力。2)自适应性和自组织性。3)并行处理性。4)分布存储和容错性。5)便于集成实现和计算模拟
此文档下载收益归作者所有