资源描述：
《智能控制复习题-参考答案》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、.上海第二工业大学《智能控制系统》练习卷一、填空题1、机器智能是把信息进行分析、组织、并把它转换成知识的过程。2、智能控制方法比传统的控制方法更能适应对象的时变性、非线性和不确定性。3、智能控制中的三元论指的是：人工智能、自动控制和运筹学。..4、从工程控制角度看，智能控制三个基本要素是：归纳、集注、组合操..作。（这道题有点疑问，大家找找资料）5、生物神经元经抽象化后，得到的人工神经元模型，它有三个基本要素连接权值、求和函数和激发函数。..6、神经网络的结构按照神经元连接方式可分成层状和网状。..7、定义一个语言变量需
2、要定义4个方面的内容：定义变量名称、定义变量的论域、定义变量的语言、定义每个模糊集合的隶属函数。8、�=0.2+0.3+0.4+0.9，则A0.2={x1,x2,x3,x4}，A0.4={x3,x4}，A0.9={x4}..�1�2�3�4..9、假设论域为5个人的体重分别为110kg、95kg、85kg、78kg、65kg，他们的体重对于“肥胖”的模糊概念的隶属度分别为0.95、0.88、0.8、0.72、0.5。试用：(1)Zadeh表示法表示模糊集“肥胖”（书本P13）答：肥胖=0.95+0.88+0.8+0.72+
3、0.5..11095857865..(2)序偶表示法表示模糊集“肥胖”答：肥胖={(110,0.95),(95,0.88)(85,0.8)(78,0.72)(65,0.5)}..（或肥胖={0.95,,0.88,0.8,0.72,0.5}）10、专家系统的核心部分是：知识库子系统、推理子系统。..11、在专家系统中，解释器是专家系统与用户间的人-机接口。12、人工神经网络常见的激发函数或作用函数有：阈值型函数、饱和型函数、和双曲函数（此外还有S型函数，高斯函数等）。13、智能控制是一门新兴的交叉学科，它具有非常广泛的应用领
4、域,例如航空航天、军事、工业和服务业。14、模糊控制的数学基础为模糊数学。二、简答题1、一般特征定义，何谓“智能控制”?答：按照一般行为特征定义，智能控制是有知识的“行为舵手”，它把知识和反馈结合起来，形成感知—交互式、以目标导向的控制系统。系统可以进行规划、决策，产生有效的、有目的的行为，在不确定环境中，达到既定的目标。2、请筒述智能控制与传统控制的特点。答：3、请简述传统控制理论的局限性有哪些?答：..4、简述神经网络特征有哪些?答:(1)非线性映射逼近能力。任意的连续非线性西数映射关系可由多层神经网络以任意精度加以逼近
5、。(2)自适应性和自组织性。神经元之间的连接具有多样性，各神经元之间的连接强度具有可塑性，网络可以通过学习与训练进行自组织，以适应不同信息处理的要求。(3)并行处理性。网络的各单元可以司时进行类似的处理过程，整个网络的信息处理方式是大规模并行的，可以大大加快对信息处理的速度。(4)分布存储和容错性。信息在神经网络内的存储按内容分布于许多神经元中，而且每个神经元存储多种信息的部分内容。网络的每部分对信息的存储具有等势作用，部分的信息丢失仍可以使完整的信息得到恢复，因而使网络具有容错性和联想记忆功能。(5)便于集成实现和计算模拟
6、。神经网络在结构上是相同神经元的大规模组合，特别适合于用大规模集成电路实现。5、简述BP神经网络的基本思想及其优缺点。答：（基本思想自行归纳，注意题目要求）优点：1)非线性映射能力2)自学习和自适应能力3)泛化能力4)容错能力缺点：1)局部极小化问题2)BP神经网络算法的收敛速度慢3)BP神经网络结构选择不一4)应用实例与网络规模的矛盾问题5)BP神经网络预测能力和训练能力的矛盾问题6）BP神经网络样本依赖性问题。6、在神经网络学习算法中，何谓无导师的学习?有导师学习的含义又是什么?..答：①有导师学习神经网络：为神经网络提
7、供样本数据，对网络进行训练，使网络的输入输出关系逼近样本数据的输入输出关系。②无导师学习神经网络：不为神经网络提供样本数据，学习过程中网络自动将输入数据的特征提取出来。7、简述基本遗传算法中主要算子有哪些?基本遗传算法的基本原理?答：1）选择运算：使用比例选择算子2）交叉运算：使用单点交叉算子3）变异运算：使用基本位变异算子（基本原理请自行总结表述）如：基本原理：遗传算法就是对这串群进行基因操作：复制，交叉和变异，产生出新的一代串群，比父代更适应“环境”，这样不断重复，直至搜索到问题的最优解。三、画图题1、绘制智能控制系统的
8、组成结构,简述它由哪几部分组成?各自的作用是什么?答:智能控制系统一般由五部分组成:广义对象、感知信息处理、认知部分、规划和控制部分、常规控制器及执行器。其作用如下:➢广义对象:通常意义下的控制对象和所处的环境。➢感知信息处理:将传感器得到的原始信息加以处理，并与内部环境模型产生的期望信息
