1、智能控制理论复习资料一智能控制概述1. 什么是智能？什么是人工智能？答：能有效地获取、传递、处理、再生和利用信息，从而在任意给定的环境下能成功地达到预定目的的能力。是研究、开发用于模拟、延伸、扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。2. 什么是控制？什么是自动控制？什么是智能控制？答：按照主体的意愿，使事物向期望的目标发展。在没有人直接参与的情况下，利用外加设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。在没有人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。3. 智能控制的二元结构和三元结构分别是什么？答：二元结构：人工智能、自
2、动控制三元结构：人工智能、自动控制、运筹学4. 智能控制系统的主要功能特点是什么？答：学习功能、适应功能、组织功能、优化功能5. 智能控制的研究对象具备什么特点？答：不确定性的模型。传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型。高度的非线性。传统控制理论中的线性系统理论比较成熟。复杂的任务要求。传统的控制系统中，控制任务或者是要求输出值为定值，或者要求输出值跟随期望值的运动轨迹，因此控制任务的要求比较单一，而智能控制的任务要求往往比较复杂。6. 智能控制与自动控制的关系是什么？答：自动控制是智能控制的基础，智能控制是对自动控制的进步与延伸；自动控制往往包含在智能控制之中，智能控
3、制也利用自动控制的方法来解决“低级”的控制问题；智能控制具有模拟人进行诸如规划、学习和自适应的能力，所以它就是让自动控制系统拥有学习的功能。7. 智能控制与传统控制相比有哪些优点？答：传统控制难以解决的问题包括以下几点： 实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型； 某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题； 针对实际系统往往要进行一些较苛刻的线性化假设，而这些假设往往与实际系统不符合； 实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务无能为力。智能控制将控制理论的方法与人工智能技术灵活地结合起来，其控
4、制方法适应对象的复杂性和不确定性，能够有效地解决上述问题，具有较大的优越性。8. 智能控制与传统控制的区别如何？答：传统控制：经典反馈控制和现代理论控制。主要特征是基于精确的系统数学模型的控制，适用于解决线性、时不变等相对简单的控制问题。智能控制：是对传统控制理论的发展，能够解决传统控制方法难以解决的复杂系统的控制问题，如对象的不确定性、高度的非线性和复杂的任务要求；传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。9. 智能控制未来的主要研究方向和应用领域有哪些？答：智能控制是自动控制的最新发展阶段，主要用于解决传统控制技术与方法难以解决的复杂系统的控制问题，如
5、对象的不确定性、高度的非线性和复杂的任务要求。智能控制作为一门新兴控制技术，目前还处于发展初期。基于遗传算法的智能控制、基于 Petri 网理论的智能控制、遗传算法、神经网络和模糊控制相结合的综合优化控制等新的智能控制理论和方法在不断涌现和发展之中。可以预见，随着系统论、人工智能理论和计算机技术的发展，智能控制将会有更大的发展空间，并在实际中得到更加广泛的应用。根据智能控制基本研究对象的开放性、复杂性、多层次和信息模式的多样性、模糊性、不确定性等特点，其未来的研究内容主要包括以下几个方面：（1）智能控制基本机理的研究；（2）智能控制基本理论和方法的研究；（3）智能控制应用的研究。伴随着智能控制
6、系统具有学习、适应、组织三大功能特点，其发展趋势也将包括以下几方面：（1）智能控制理论的进一步研究，尤其是智能控制系统稳定性分析的理论研究；（2）结合神经生理学、心理学、认识科学、人工智能等学科的认识，深入研究人类解决问题时的经验、策略，建立更多的智能控制体系结构；（3）研究适合现有计算机资源条件的智能控制方法；（4）研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平；（5）研究适合智能控制系统的软、硬件进行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制在实际应用中存在的问题。二分层递阶智能控制1. 递阶控制系统的组成与各个部分的功能是什么？答：组成：组
7、织级、协调级、执行级。组织级（任务规划）：负责整个系统的推理、规划、决策、长期记忆、信息交流等，是智能最高的级别，主要进行的是基于知识的各种信息处理和决策。协调级：是组织级和执行级的接口，主要负责将组织级的指令分配为执行级的各项子任务，同时反馈任务执行的信息。执行级：一般由多个硬件控制器所组成，负责具体的过程控制。2. IPDI 基本原理：精度随智能降低而增大的原理。3. 分层递阶控制的基本原理是什么？答：对于给定的外部命令和任务，组织级设法找到能够完成该任务的子任务组合；将这些子任务要求送至协调级，通过协调处理，将具体的动作要求送至执行级完成所要求的任务；对任务的执行结果进行性能评价，并将评
8、价结果逐级向上反馈，同时对以前存储的知识信息加以修改，从而起到学习的作用。三专家控制1. 什么是专家系统和专家控制？二者有何区别？答：专家系统是一个具有大量专门知识与经验的程序系统，根据某个领域的专家提供的知识与经验进行推理和判断，模拟人类专家的决策过程。专家控制：将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时控制系统设计和实现方法。区别：专家系统能完成专门领域的功能，辅助用户决策；而专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。2. 专家系统的主要组
9、成部分包括什么？请简单解释其各自的作用。答：包括知识库、数据库、推理机、解释器、知识获取器。知识库：用于存取和管理所获取的专家知识和经验，供推理机利用，具有知识存储、检索、编辑、增删、修改和扩充等功能。数据库：用来存放系统推理过程中用到的控制信息、中间假设和中间结果。推理机：主要功能是协调、控制系统，决定如何选用知识库中的知识，对用户提出的证据进行推理，求得问题的解答或证明某个结论的正确性。解释器：用于作为专家系统与用户之间的“人-机”接口，其功能是向用户解释系统的行为。知识获取器：是指通过人工方法或机器学习的方法，将某个领域的事实性知识或领域专家所特有的经验性知识转化为计算机程序的过程。4.
10、 专家系统有哪些特征？答：具有专家水平的知识：必须表现专家的技能和高度的技巧以及足够的鲁棒性；能进行有效的推理：能够运用专家的经验、知识进行搜索，推理；具有透明性：在推理时，不仅能得到答案，还能得到推理的依据；具有灵活性：知识的更新和扩充灵活方便；具有启发性：运用专家的经验知识对不确定的或不精确的问题进行启发式推理。5. 专家系统有哪几种知识表示方法？答：产生式规则、框架、语义结构、过程。6. 专家系统的推理机制有哪几种？答：正向推理（数据驱动策略） 、反向推理（目标驱动策略） 、正反向混合推理。7. 专家控制的基本原理是什么？答：专家控制是试图在传统控制的基础上“加入”一个富有经验的工程师，
11、实现控制的功能，它由知识库和推理机构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。8. 专家控制的组成与特点是什么？答：专家控制是将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时控制系统设计和实现方法。由知识库、推理机和算法库构成主体框架。主要特点有以下几点：灵活性：根据系统的工作状态及误差情况，可灵活地选取相应的控制律；适应性：能根据专家知识和经验，调整控制器的参数，适应对象特性及环境变化；鲁棒性：通过利用专家规则，系统可以在非线性、大偏差下可靠的工作。9. 专家控制的功能有哪些？答：能够满足任意动态过程的需
12、要，尤其适用于带有时变、非线性和强干扰的控制；控制过程可以利用对象的先验知识；通过修改、增加控制规则，可不断积累知识，改进控制性能；可以定性的描述控制系统的性能，如“超调小” ， “偏差增大”等；对控制性能可进行解释；可通过对控制闭环中的单元进行故障检测来获取经验规则。10. 专家控制器的工作原理和各部分的组成作用是什么？答：知识库：存放工业过程控制的领域知识，由经验数据库和学习与适应装置组成。经验数据库主要存储经验和事实，学习与适应装置是根据在线获取的信息，补充或修改知识库内容，改进系统性能，以便提高问题求解能力。规则控制：对受控过程的各种控制模式和经验的归纳和总结。推理机构：其复杂程度由规
13、则条数决定，如果搜索空间很少，推理机构就十分简单，采用向前推理方法，逐次判别各种规则的条件，满足则执行，否则急需搜索。特征识别与信息处理：其作用是实现对信息的提取与加工，为控制决策和学习适应提供依据，它主要包括抽取动态过程的特征信息，识别系统的特征状态，并对这些特征信息进行必要的加工。数据库：是用于存放用户提供的初始事实、问题概述以及系统运行过程中得到的中间结果、最终结果、运行信息等的工作存储器，数据库的内容是不断变化的。四模糊逻辑控制1. 什么是模糊控制？它有什么特点（优点）？答：模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础，从行为上模拟人的模糊推理和决策过程的一种智能控制方法。
14、特点：不需要被控对象的数学模型。是以人对被控对象的控制经验为依据而设计的控制器；是一种反映人类智慧的智能控制方法；易于被人们接受。模糊控制的核心是模糊规则，模糊规则是用语言来表示的；构造容易。控制规则易于软件实现；鲁棒性和适应性好。2. 模糊控制器是由哪几部分构成的？说明其各自的作用。答：构成：模糊化接口、知识库（数据库和规则库） 、推理机、解模糊接口。模糊化接口：实际上是模糊控制器的输入接口，主要作用是将真实的确定量输入转化成一个模糊矢量。数据库：存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值，若论域为连续域，则为隶属度函数。在规则推理的模糊关系方程求解过程中，向推理机提供数据。规则
15、库：是基于专家知识或手动操作人员长期积累的经验，是按人的直觉推理的一种语言表达形式。用来存放全部模糊控制规则，在推理时为推理机提供控制规则。推理机：是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊输出量的功能部分。解模糊接口：规则推理完成后，所得结果仍是一个模糊矢量，必须作一次转换，求得清晰的控制量输出。3. 模糊控制器的基本工作原理是什么？答：将测量得到的被控对象的实时信号经过模糊化接口，转换为用人类自然语言描述的模糊量；根据人类的语言控制规则，进行模糊推理，得到输出控制量的模糊矢量；将该模糊矢量经过清晰化接口转化为执行机构能够接受的精确量。4. 模糊
16、控制器的设计步骤包括哪些？答：选择合适的模糊控制器类型；确定输入、输出变量的实际论域；确定输入、输出的模糊集个数及各模糊集的隶属度函数；设计模糊控制规则表；选择模糊推理方法；选择解模糊方法：最大隶属度法、重心法、加权平均法。5专家系统控制与模糊逻辑控制的异同有哪些？答：相同点：它们都是反映人类智慧的智能控制； 都不需要被控对象的数学模型，适用于复杂的非线性系统的控制；控制过程都是利用专家的经验来进行的；在控制过程中可以修改、增加控制规则，不断积累知识，改进控制性能；特点都是鲁棒性和适应性好；不同点：专家控制是将专家系统的设计规范和运行机制与传统的控制理论和技术相结合而成的实时控制系统设计和实现
17、方法；模糊控制是以模糊集理论、模糊语言变量、模糊逻辑推理为基础，从行为上模拟人的模糊推理和决策过程的一种智能控制方法；专家控制在利用系统的先验知识进行推理时不需要进行模糊化，推理完成后也无需清晰化；专家控制可对控制性能进行解释，模糊控制没有该功能。6. 模糊控制未来的主要研究方向和应用领域有哪些？答：模糊控制已经有不少的研究成果，各类模糊控制器非常多，如模糊PID、自适应模糊控制器、神经模糊控制器、专家模糊控制器等，也出现了各种软件工具和集成电路芯片但，同时被广泛应用于生产实践，如在工业控制、家电领域、航空航天控制、水电控制、机器人控制等方面取得了突破性进展。但模糊控制的发展历史还不长，理论上
18、的系统性和完善性、技术上的成熟性和规范性都还远远不够，总的来说还有以下几个方面的问题亟待解决：建立一套系统的模糊控制理论，以解决模糊控制的机理、稳定性分析、系统化设计方法、专家模糊控制系统、神经模糊控制系统和多变量模糊控制系统的分析与设计等一系列问题；模糊控制在非线性复杂系统应用中的模糊建模、模糊规则的建立和推理算法的深入研究；模糊集成控制系统的设计方法研究；自学习模糊控制策略的实现；模糊控制系统的稳定性分析。五神经网络控制1. 什么是人工神经网络控制？它的主要特点是什么？答：它是一个并行和分布式的信息处理网络结构，该结构一般由许多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其他
19、的神经元， ，其输入有多个连接通路，每个连接通路对应一个连接权系数。它利用数学模型来模拟生物神经网络的某些结构和功能。特点：自组织及自适应性； 大规模并行计算； 鲁棒性；自学习能力以及联想存储等特点； 分布式存储，存储和计算相结合； 非线性处理，非线性映射； 泛化功能 2. 人工神经网络的功能和作用是什么？答：功能：预测；优化计算；系统辨识；纠检错作用：回归；分类3. 人工神经元模型中响应函数的作用是什么？答：控制输入对输出的激活作用；对输入和输出进行函数转换；将可能无限域的输入变换成指定的有限范围内输出。4. 神经网络的优越性有哪几种表现？答：可处理那些难以用模型或规则描述的对象；采用并行分
20、布式信息处理，具有很强的容错性；本质上是非线性系统，可以实现任意非线性映射；具有很强的信息综合能力，能够同时处理大量不同类型的输入，能够很好的解决输入信息之间的互补性和冗余性问题；硬件实现愈趋方便。5. 神经网络的基本学习算法和工作方式是什么？答：基本学习算法：权值确定；Hebb 学习规则；误差校正学习规则；相近学习规则。工作方式：学习期：神经元间的连接权值，可由学习规则进行调整，以使目标函数达到最小；工作期：连接权值不变，由网络的输入得到相应的输出。6. 感知器的作用与局限是什么？答：作用：用于模式分类，也可用在基于分类的学习和多模态机制中。局限：仅对线性可分具有分类能力，由于感知器由线性阈值元件组成，无法求解线性不可分问题。7. BP 网络的特点是什么？答：信息流：从输入到输出； 误差：从输出到输入反向调整；变换函数：S 型； 输出量：0-1 之间；一个三层的 BP 网络可以 逼近一个从输入到输出的 任意非线性函数；BP 网络的学习算法属于 全局逼近算法，因而具有较好的 泛化能力；可以用于模式识别与分类，数据压缩。8. 简述 BP 学习算法的主要思想。答：第一阶段（正向传播过程）：给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值；第二阶段（反向过程）：若在输出层未能得到期望输出值，则逐层递
