智能控制习题答案 .docx

《智能控制习题答案 .docx》由会员分享，可在线阅读，更多相关《智能控制习题答案 .docx（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第一章 绪论1. 什么是智能, 智能系统, 智能限制？答：“智能在美国Heritage词典定义为“获得与应用学问的实力。“智能系统指具有确定智能行为的系统，是模拟与执行人类, 动物或生物的某些功能的系统。“智能限制指在传统的限制理论中引入诸如逻辑, 推理与启发式规那么等因素，使之具有某种智能性；也是基于认知工程系统与现代计算机的强大功能，对不确定环境中的困难对象进展的拟人化管理。 2智能限制系统有哪几种类型，各自的特点是什么？答：智能限制系统的类型：集散限制系统, 模糊限制系统, 多级递阶限制系统, 专家限制系统, 人工神经网络限制系统, 学习限制系统等。各自的特点有：集散限制系统：以微处理器

2、为根底，对生产过程进展集中监视, 操作, 管理与分散限制的集中分散限制系统。该系统将假设干台微机分散应用于过程限制，全部信息通过通信网络由上位管理计算机监控，实现最优化限制，整个装置继承了常规仪表分散限制与计算机集中限制的优点，克制了常规仪表功能单一，人机联系差以及单台微型计算机限制系统紧急性高度集中的缺点，既实现了在管理, 操作与显示三方面集中，又实现了在功能, 负荷与紧急性三方面的分散。人工神经网络：它是一种模范动物神经网络行为特征，进展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困难程度，通过调整内部大量节点之间相互连接的关系，从而到达处理信息的目的。专家限制系统：是一个智能计算

3、机程序系统，其内部含有大量的某个领域专家水平的学问与阅历，能够利用人类专家的学问与解决问题的阅历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。多级递阶限制系统是将组成大系统的各子系统及其限制器按递阶的方式分级排列而形成的层次构造系统。这种构造的特点是：1.上, 下级是隶属关系，上级对下级有协调权，它的决策干脆影响下级限制器的动作。2.信息在上下级间垂直方向传递，向下的信息有优先权。同级限制器并行工作，也可以有信息交换，但不是叮嘱。3.上级限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，更关切系统

4、的长期目标。4.级别越往上，涉及的问题不确定性越多，越难作出精确的定量描述与决策。学习限制系统：靠自身的学习功能来相识限制对象与外界环境的特性，并相应地变更自身特性以改善限制性能的系统。这种系统具有确定的识别, 推断, 记忆与自行调整的实力。3比拟智能限制与传统限制的特点。答：智能限制与传统限制的比拟：它们有密切的关系，而不是相互排斥。常规限制往往包含在智能限制之中，智能限制也利用常规限制的方法来解决“低级的限制问题，力图扩大常规限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困难限制问题。1.传统的自动限制是建立在确定的模型根底上的，而智能限制的探讨对象那么存在模型严峻的不确定性，即模

5、型未知或知之甚少者模型的构造与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限制来说很难解决。2.传统的自动限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便利，渴望制造出能承受印刷体, 图形甚至手写体与口头叮嘱等形式的信息输入装置，能够更加深化而灵敏地与系统进展信息沟通，同时还要扩大输出装置的实力，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承受, 分析与感知各种看得见, 听得着的形象, 声音的组合以及外界其它的状况. 为扩大信息通道，就必需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.传统的自动限制

6、系统对限制任务的要求要么使输出量为定值调整系统，要么使输出量跟随期望的运动轨迹跟随系统，因此具有限制任务单一性的特点，而智能限制系统的限制任务可比拟困难。4. 传统的限制理论对线性问题有较成熟的理论，而对高度非线性的限制对象虽然有一些非线性方法可以利用，但不尽人意. 而智能限制为解决这类困难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.与传统自动限制系统相比，智能限制系统具有足够的关于人的限制策略, 被控对象及环境的有关学问以及运用这些学问的实力。6.与传统自动限制系统相比，智能限制系统能以学问表示的非数学广义模型与以数学表示的混合限制过程，接受开闭环限制与定性及定量限制结合

7、的多模态限制方式。7.与传统自动限制系统相比，智能限制系统具有变构造特点，能总体自寻优，具有自适应, 自组织, 自学习与自协调实力。8.与传统自动限制系统相比，智能限制系统有补偿及自修复实力与推断决策实力。4把智能限制看作是AI(人工智能), OR(运筹学), AC(自动限制)与IT(信息论)的交集，其依据与内涵是什么答：智能限制具有明显的跨学科特点，在最早傅金孙提出的二元论中，智能限制系统被认为是自动限制与人工智能的交互作用，随着相识的深化，萨瑞迪斯提出运筹学融入智能限制而提出三元构造，蔡自兴教授提出将信息论引入智能限制，其依据在于：信息论是说明学问与智能的一种手段；限制论, 信息论与系统论

8、是严密相连的；信息论已经成为限制智能机器的工具；信息论参与智能限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限制的四元构造。5智能限制有哪些应用领域？试举出一个应用实例，并说明其工作原理与限制性能。答：智能限制应用于机器人, 汽车, 制造业, 水下与陆地自助式车辆, 家用电器, 过程限制, 电子商务, 医疗诊断, 飞行器, 印刷, 城市铁路, 电力系统等领域。例如焊接机器人其根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

9、一个起动叮嘱，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。限制性能为：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随意空间轨迹与姿态。点至点方式移动速度可达60m/min以上，其轨迹重复精度可到达0.2mm。这种弧焊机器人应具有直线的及环形内插法摇摆的功能，共六种摇摆方式，以满意焊接工艺要求，机器人的负荷为5kg。第二章 模糊限制的理论根底1 举例说明模糊性的客观性与主观性。答：模糊性起源于事物的开展变更性，变更性就是不确定定性；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；假如一个人的年龄大于60岁算老

10、年，45-59岁之间的岁中年，小于44岁的就算青年；假如一个人的年龄是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岁只有两天区分，这区分我们是辨别不出来的。从主观上我们认为他又是老年人。这就是模糊性的主观性与客观性的表达。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根本特征，是性态的不确定性，类属的不清楚性，是一种内在的不确定性；而随机性是在事务是否发生的不确定性中表现出来的不确定性，而事务本身的性态与类属是确定的，是一种外在的不确定性。一样点是：模糊性是由于事物类属划分的不清楚而引起的推断上的不确定性；而随机性是由于天剑不充

11、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；模糊性现象那么须要运用模糊数学，随机性现象可用概率论的数学方法加以处理。3 比拟模糊集合与一般集合的异同。答：模糊集合用隶属函数作定量描述，一般集合用特征函数来刻划。两者一样点：都属于集合，同时具有集合的根本性质。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楚，界限清楚的，因而对象对集合的隶属关系也不是明确的；一般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当是清楚的，界限清楚的，因而每个对象对于集合的隶属关系也就是明

12、确的。4.考虑语言变量：“Old，假如变量定义为：确定“NOT So Old，“Very Old，“MORE Or LESS Old的隶属函数。解：5.存在模糊向量A与模糊矩阵R如下：计算。 EMBED Equation.3 ，给定语言变量“Small=1/1+0与模糊关系R=“Almost相等定义如下：利用max-min复合运算，试计算：。解：7.模糊关系矩阵：计算R的二至四次幂。解： EMBED Equation.DSMT4 ，二维模糊条件语句为“假设A且B那么C，其中由关系合成推理法，求得推理结论。解：令R表示模糊关系，那么.将按行绽开写成列向量为所以，.又因为，将按行绽开写成行向量，为

13、，那么 即9. 语言变量x，y，z。 X的论域为1,2,3，定义有两个语言值： “大0, 0.5, 1；“小=1, 0.5, 0。 Y的论域为10,20,30,40,50，语言值为： “高=0, 0, 0, 0.5, 1；“中=0, 0.5, 1, 0.5, 0; “低=1, 0.5, 0, 0, 0。 Z的论域为0.1,0.2,0.3，语言值为：“长=0, 0.5, 1；“短=1, 0.5, 0 那么：1试求规那么： 假如 x 是 “大 并且 y 是“高 那么 z是“长； 否那么，假如 x 是“小 并且 y 是 “中 那么 z是“短。 所蕴涵的x，y，z之间的模糊关系R。 2假设在某时刻，x

14、是“略小=0.7, 0.25, 0，y是“略高=0, 0, 0.3, 0.7, 1 试依据R分别通过Zadeh法与Mamdani法模糊推理求出此时输出z的语言取值。第三章 模糊限制1.模糊限制器有哪几局部组成？各完成什么功能？1:答：模糊限制器由四个局部组成，这四个功能模块是模糊化, 学问库, 模糊推理与去模糊化。(1)模糊化：为实现模糊限制而将精确的输入量进展模糊化处理，是将精确量转化为模糊量的过程。模糊化模块在不同的阶段有不同的作用：a, 确定符合模糊限制器要求的输入量与输出量。b, 对输入输出变量进展尺度变换，使之落于各自的论域范围内。c, 对已经论域变换的输入量进展模糊化处理，包括模糊

15、分割与隶属函数的确定。(2)学问库：学问库通常由数据库与规那么库组成，包含了详细应用领域的学问与要求。其中，数据库主要包含输入输出变量的初度变换因子, 输入输出空间的模糊分割以及模糊变量的模糊取值及相应的隶属度函数选择与形态等方面的内容。规那么库包含了用模糊语言描述专家的阅历学问，来表示一系列限制规那么。它们反映了限制专家的阅历与学问。(3)模糊推理：是一种近似推理，依据模糊限制规那么库与当前系统状态推断出应施加的限制量的过程，由推理机完成。(4)去模糊化：由于限制器输出到详细地执行机构的信号必需是清楚的精确量。因此，须要一个与输入模糊化相反的过程，即把模糊推理结果转变成清楚量，它实现从输出论

16、域上输出模糊空间到输出精确空间的映射。2.模糊限制器设计的步骤怎样？2：答：模糊限制器设计的步骤如下：(1)：输入变量与输出变量的确定。(2)：输入输出变量的论域与模糊分割，以及包括量化因子与比例因子在内的限制参数的选择。(3)：输入变量的模糊化与输出变量的清楚化。(4)：模糊限制规那么的设计以及模糊推理模型的选择。(5)：模糊限制程序的编制。3.清楚化的方法有哪些？3：答：清楚化的方法一般有四种：(1)：最大隶属度法：这种方法将模糊推理得到的结论中最大隶属度值最对应的元素作为限制器输出的精确值，假如有多个最大点，那么取其平均值。(2)：加权平均法：这种方法是指以各条规那么的前件与输入的模糊集

17、按确定法那么确定的值为权值，并对后件代表值加权平均计算输出的清楚值的方法。(3)：面积等分法：把输出的模糊集合所对应的隶属函数与横坐标之间围成的面子分成两局部，那么该方法得到的精确值应满意使该两局部的面积相等。(4)：由于Tsukamoto模型与Takagi-Sugeno模型输出本身就是清楚量，那么不须要去模糊化。4.某一炉温限制系统，要求温度保持在600度恒定。针对该限制系统有一下限制阅历：1假设炉温低于600度，那么升压；低得越多升压就越高。2假设炉温高于600度，那么降压；高得越多降压就越低。2假设炉温等于600度，那么保持不变。设计模糊限制器为一维限制器，输入语言变量为误差，输出为限制

18、电压。输入, 输出变量的量化等级为7级，取5个模糊集。设计隶属度函数误差变更划分表, 限制电压变更划分表与模糊限制规那么表。解： 定义志向温度点的温度为,实际测量温度为，温度差为。以为输入, 输出变量的量化等级均为7级， 5个模糊集，那么误差变更划分表为：隶属度变更等级-3-2-10123模糊集PB000001PS000010ZE00100NS010000NB100000限制电压变更划分表为：隶属度变更等级-3-2-10123模糊集PB000001PS000010ZE00100NS010000NB100000依据一上两表设计一下模糊规那么：假设负大，那么正大；假设负小，那么正小；假设为0，那么

19、为0；假设正小，那么负小；假设正大，那么负大。模糊限制规那么表为：假设ifNLeNSe0ePSePLE那么thenNLuNSU0uPSuPLu第四章 神经网络根底1, 生物神经元模型的构造功能是什么？答：生物神经元构造：1, 细胞体：由细胞核, 细胞质与细胞膜等组成。2, 树突：胞体上短而多分枝的突起。相当于神经元的输入端，承受传入的神经冲动。3, 轴突：胞体上最长枝的突起，也称神经纤维。端部有许多神经末稍传出神经冲动。4, 突触：神经元间的连接接口，每个神经元约有1万10万个突触。神经元通过其轴突的神经末稍，经突触与另一神经元的树突联接，实现信息的传递。由于突触的信息传递特性是可变的，形成了

20、神经元间联接的柔性，称为构造的可塑性。5, 细胞膜电位：神经细胞在受到电的, 化学的, 机械的刺激后，能产生兴奋，此时，细胞内外有电位差，称膜电位。电位膜内为正，膜外为负。生物神经元功能：1, 兴奋与抑制当传入神经元的冲动，经整合，使细胞膜电位上升，超过动作电位的阈值时，为兴奋状态，产生神经冲动，由轴突经神经末稍传出。当传入神经元的冲动，经整合，使细胞膜电位降低，低于阈值时，为抑制状态，不产生神经冲动。2, 学习与遗忘由于神经元构造的可塑性，突触的传递作用可增加与减弱，因此，神经元有学习与遗忘的功能。2, 人工神经元模型的特点是什么？答：人工神经元模型的特点：1, 神经元及其联接；2, 神经元

21、间的联接强度确定信号传递的强弱；3, 神经元间的联接强度是可以随训练变更的；4, 信号是可以起刺激作用的，也可以起抑制作用；5, 一个神经元承受的信号的累积效坚确定该神经元的状态；6, 每个神经元可以有一个“阈值。3, 人工神经网络的特点是什么？如何分类？答：人工神经网络的特点：1, 非线性2, 分布处理3, 学习并行与自适应4, 数据融合5, 适用于多变量系统6, 便于硬件实现人工神经网络的分类：依据神经网络的连接方式，神经网络可分为三种形式：1, 前向网络：神经元分层排列，组成输入层, 隐含层与输出层。每一层的神经元只承受前一层神经元的输入。输入模式经过各层顺次的变换后，由输出层输出。在各

22、神经元间不存在反应。感知器与误差反向传播网络接受前向网络形式。2, 反应网络：该网络构造在输出层到输入层存在反应，即每一个输入节点都有可能承受来自外部的输入与来自输出神经元的反应。这种神经网络是一种反应动力学系统，它须要工作一段时间才能到达稳定。3, 自组织网络：当神经网络在承受外界输入时，网络将会分成不同的区域，不同区域具有不同的响应特征，即不同的神经元以最正确方式响应不同性质的信号激励，从而形成一种拓扑意义上的特征图，该图事实上是一种非线性映射。这种映射是通过无监视的自适应过程完成的，所以也称为自组织特征图。4, 有哪几种常用的神经网络学习算法？常用的神经网络学习算法：1, 有老师学习：在

23、学习过程中，网络依据实际输出与期望输出的比拟，进展联接权系的调整，将期望输出称导师信号是评价学习的标准。2, 无老师学习：无导师信号供应应网络，网络能依据其特有的构造与学习规那么，进展联接权系的调整，此时网络学习评价的标准隐含于其内部。3, 再励学习:把学习看为摸索评价过程，学习及选择一动作作用于环境，环境的状态变更，并产生再励信号反应至学习机，学习机依据再励信号与环境当前的状态，再选择下一动作作用于环境，选择的原那么是使受到嘉奖的可能性增大。4, Hebb学习规那么5, Delta学习规那么第五章 典型神经网络1, BP算法的特点是什么？增大权值是否能够使BP学习变慢？答：误差反向传播的BP

24、算法简称BP算法，是有导师的学习，其根本思想是梯度下降法。它接受梯度搜寻技术，以使网络的实际输出值与期望输出值的误差均方值为最小。学习的过程由正向传播与反向传播组成，在正向过程中，输入信息由输入层经隐层逐层处理，并传向输出层，每层神经元的状态只影响下一层神经元的状态，假如在输出层不能得到期望的输出，那么转至反向传播，将误差信号按连接通路反向计算，由梯度下降法来调整各层神经元的权值，使误差信号减小。主要优点：1非线性映射实力：无需事先了解描述这种映射关系的数学方程，只要供应足够多的样本模式对BP网络进展详细训练，它便能完成由n维输入空间到m输出空间的非线性映射。2泛化实力：当向网络输入训练时未曾

25、见过的非样本数据时，网络也能完成由输入空间向输出空间的正确映射，这种实力称为多层前馈网络的泛化实力。3容错实力：输入样本中带有较大的误差，甚至个别错误对网络的输入输出规律影响很小。标准的BP算法内在的缺陷：1易形成局部微小而得不到全局最优；2训练次数多使得学习效率低，收敛速度慢；3隐节点的选取缺乏理论指导；4训练时学习新样本有遗忘旧样本的趋势。增大权值不愿定能够使BP学习变慢，由BP权值修正的原理可知，权值调整公式可汇总如下：2, 为什么说BP网络是全局靠近的，而RBF网络是局部靠近的？它们各有突出的特点是什么？BP网络的活化函数为S函数，其值在输入空间中无限大的范围内为非零值，因而是全局靠近

26、的神经网络。其突出特点如下：1, 是一种多层网络化，包括输入层, 隐含层与输出层；2, 层与层之间接受全互联方式，同一层神经元不连接；3, 权值通过delta 学习算法进展调整；4, 神经元活化激发函数为S函数；5, 学习算法由正向算法与反向算法组成；6, 层与层之间的连接时单向的，信息的传播史双向的。RBF网络的活化函数为高斯基函数，其值在输入空间中有限范围内为非零值，并且RBF神经网络的神经元具有局部靠近的神经网络。其输出特点如下：1, RBF径向基函数是局部的，学习速度快；2, 已证明RBF网络具有唯一最正确靠近的特性，且无局部最小；3, 在函数创立过程中可以自动增加隐含层的神经元个数，

27、直到满意均方差要求为止无需单独的代码来训练函数，网络的创立过程就是训练过程。4, RBF网络用于非线性系统辨识与限制中，虽具有唯一最正确靠近特性，且无局部最小的优点，防止去确定隐层与隐层点数，网络可以依据详细问题自适应的调整，因此适应性更好。3, 何为神经网络的泛化实力？影响泛化实力的因素有哪些？答：泛化实力综合实力, 概括实力：用较少的样本进展训练，是网络能在给定的区域内到达要求的精度。所以没有泛化实力的网络没有运用价值。影响泛化实力的因素：1, 样本；2, 构造；3, 初始权值4, 训练样本集；5, 需测试集。4. 一个非线性函数，试用三层BP网络靠近输出y，画出网络的构造，写出网络各层节

28、点的表达式以及各层节点输出值的范围。解：非线性函数画出三层BP网络的构造图由输入得到两个隐节点, 一个输出层节点的输出，输入层不考虑阈值两个隐节点, 一个输出层节点输出为活化函数选择S型函数由上式可得第六章 高级神经网络，也可写成等价形式，其中，为PID限制器三个参数的线性表示。这一形式可以看成以为输入，为权系数的神经网络构造，试推导出自适应神经网络PID限制器参数调整的学习算法。解：自适应神经网络PID限制器构造如下列图所示：由图可知：限制器由两局部组成，分别为常规PID限制与神经网络。其中，常规PID干脆对被控对象进展闭环限制，并且其限制参数kp, ki, kd为在线调整方式；神经网络依据

29、系统的运动状态，调整PID限制器的参数，使输出层神经元的输出对应于PID限制器的三个可调参数。学习算法如下：首先确定神经网络的构造，即确定输入节点数与隐含层节点数，并给出各层加权系数的初值w1与w2，并选定学习速率与惯性系数，令k=1；采样得到r(k)与y(k),计算当前时刻误差r(k)-y(k)；计算各神经网络的输入与输出，其输出层的输出即为PID限制器的三个限制参数kp, ki, kd并计算PID限制器的输出进展神经网络学习，在线调整加权系数，实现PID限制参数的自适应调整；令k=k1,进展上述步骤。网络各层输入输出算法：第八章 专家限制1.什么叫产生式系统？它由哪些局部组成？试举例略加说

30、明。答：假如满意某个条件，那么就应当实行某些行动，满意这种生产式规那么的专家系统成为产生式系统。产生式系统主要由总数据库，产生式规那么与推理机构组成。举例：医疗产生式系统。2.专家系统有哪些局部构成？各局部的作用如何？专家系统它详细有哪些特点与优点？答：学问库：学问库是学问的存储器，用于存储领域专家的阅历性学问以及有关的事实, 一般常识等。学问库中的学问来源于学问获得机构，同时它又为推理供应求解问题所需的学问。推理机：推理机时专家系统的思维机构，事实上是求解问题的计算机软件系统，综合推理机的运行可以有不同的限制策略。数据库：它是用于存放推理的初始证据, 中间结果以及最终结果等的工作存储器。说明

31、接口：它把用户输入的信息转换成系统内标准化的表现形式，然后交给相应的模块去处理，把系统输出的信息转换成用户易于理解的外部形式显示给用户，答复提出的问题。学问获得：学问获得是指通过人工方法或机器学习的方法，将某个领域内的事实性学问与领域专家所特有的阅历性学问转化成计算机程序的过程。对学问库的修改与扩大也是在系统的调试与验证中进展，是一件困难的工作。专家系统的特点：具有专家水平的特地学问，能进展有效的推理，专家系统的透亮性与灵敏性，具有确定的困难性与难度。3.在专家系统中，推理机制，限制策略与搜寻方法是如何定义的，它们之间存在什么样的关系？答：推理机制是依据确定的原那么从已有的事实推出结论的过程，

32、这个原那么就是推理的核心。专家系统的自动推理是学问推理。而学问推理是在计算机或者智能机器中，在学问表达的根底上，进展机器思维，求解问题，实现学问推理的智能操作过程。在专家系统中，可以依据专家所具有的学问的特点来选择学问表示的方法，而只是推理技术同学问方法有密切的关系。限制策略求解问题的策略，是推理的限制策略。而限制策略包括推理方向, 推理路途, 冲突消解策略等，按推理进展的路途与方向，推理可分正向推理, 反向推理, 混合推理。搜寻方法：推理机时用于对学问库中的学问进展推理来得到结论的思维机构。三者关系：推理机制，限制策略推理机构与搜寻方法三者都属于推理范畴，是一个整体。只是执行依次不同而已。4

33、.设计专家限制器时应考虑哪些特点？专家限制系统的一般构造模型为何？答：设计限制器的一般原那么：多样化的模型描述，在线处理的灵敏性，灵敏性的限制策略，决策机构的递阶性，推理与决策的实时性。专家限制系统的一般构造模型：5.专家限制系统的特点是什么？它与一般的专家系统一样与区分在哪里？答：专家限制系统具有全方面的专家系统构造, 完善的学问处理功能与实时限制的牢靠性能。这种系统接受黑板等构造，学问库浩大，推理机困难。它包括有学问获得子系统与学习子系统，人机接口要求较高。专家式限制器，多为工业专家限制器，是专家限制系统的简化形式，针对详细的限制对象或过程，着重于启发式限制学问的开发，具有实时算法与逻辑功

34、能。专家限制系统与一般的专家限制系统的区分：1通常的专家系统只完成特地领域问题的询问功能，它的推理结果一般用于帮助用户的决策；而专家限制那么要求能对限制动作进展独立的, 自动的决策，它的功能确定要具有连续的牢靠性与较强的抗干扰性。2通常的专家系统一般处于离线工作方式，而专家限制那么要求在线地获得动态反应信息，因而是一种动态系统，它应具有运用的灵敏性与实时性，即能联机完成限制。6.干脆专家限制系统与间接专家限制各有什么特点，从保证系统的稳定性来看有哪种方法更困难些？答：干脆专家限制系统的特点：干脆专家限制系统中，专家限制系统干脆起限制器作用，专家限制器在限制系统中所处的位置与常规限制器完全一样，

35、所不同的是其内部组成与工作原理，专家限制器接受PID常规的限制算法，基于学问库与推理机得到相应的限制输出。间接专家限制系统的特点：其根本的限制作用由算法来完成，专家系统通过对运用算法的调用以及对各种算法参数的整定与修正，间接的限制作用。间接专家限制的系统构造因详细应用的不同会表现出更大的多样性，同时是PID参数的整定专家，这种专家限制的特点是专家系统间接的对限制信号起作用。干脆专家限制系统更困难一些：依据现场过程响应状况与环境条件，利用学问库中的专家阅历规那么，确定什么时候运用什么参数启动什么算法，它也可以是一个调参专家。依据学问库中的专家规那么，调整PID参数及增益，所以从保证系统稳定性来看

36、干脆专家限制器方法更困难一些。7.试比拟专家限制系统与模糊限制系统在工作原理, 推理机制, 学问与规那么表示方法的异同。答：1专家限制系统：专家系统的工作过程是依据学问库中的学问与用户供应的事实推理，不断地由的前提推出未知的结论，并把这些未知的结论纳入工作存储空间，作为的新事物接着推理，从而把求解的问题由未知状态转换为状态。2模糊限制系统：模糊限制是仿照人的思维方式与人的限制阅历来实现的一种限制，把模糊集合的理论应用于限制就可以把人的阅历形式化，在限制过程中实现模糊推理与决策。2.推理机制：1专家限制系统的推理机制是用于对学问库中的学问进展推理来得到结论的思维机构。专家系统的自动推理是学问推理

37、。而学问推理是在计算机或智能机器中，在学问表达的根底上，进展机器思维，求解问题，实现学问推理的智能操作过程。2模糊限制系统：模糊推理作为近似推理的一个分支，是模糊限制的理论根底。在实际应用中，它以数值计算而不是以符号推演为特征，它并不留意如像经典逻辑那样的基于公理的形式推演或基于赋值的语义运算，而是通过模糊推理的算法，由推理的前提计算出结论。1专家限制系统：专家限制将系统视为基于学问的系统，限制系统的学问表示如下：a受控过程的学问：先验学问，动态学问。b限制, 辨识, 诊断学问：定量学问, 定性学问。2模糊限制系统：学问库包括数据库与规那么库，模糊限制器设计的关键在于如何有效建立学问库。数据库

38、的定性设计包括：量化等级的选择；量化方法；量化因子；模糊子集的隶属函数。规那么库：用一系列模糊条件描述的模糊限制规那么就构成模糊限制规那么库。1专家限制系统：专家限制的规那么库一般接受产生式规那么表示：“IF限制局势，THEN操作结论，由多条产生式规那么构成规那么库。2模糊限制系统：规那么的制定有许多种方法，最初的方法就是依据专家阅历来确定，不过这种模糊规那么有很大的主观性，因人而异，但大致趋势还是差不多的，还可以从数据中制造模糊规那么，比方可以从最优限制得到的数据中提取模糊规那么，还可以得到与最优限制类似的结果。还有就是专家阅历与数据相结合，首先由专家供应一个初始的阅历表，然后在进展过程中，

39、依据测得的数据调整得到的阅历表。第九章 遗传算法1遗传算法的根本操作有哪些步骤？在函数极大值遗传算法仿真中，通过变更群体大小M, 终止进化代数G, 穿插概率Pc与变异概率Pm，分析群体大小, 终止进化代数, 穿插概率与变异概率对优化效果的影响。答：1, 根本操作：1选择操作：对种群中的个体进展逐个解码并依据目标函数计算适应值，以此为依据确定各个体的复制概率。2复制操作：复制过程是个体串依据它们适配度进展复制，适配度越大的串，在下一代中将有更多的时机供应一个或多个子孙。3穿插操作：通过在两个父代染色体的位串上随机选择一个位置，并把穿插点以后的局部互换而产生两个子代染色体的过程。4变异操作：用来模

40、拟生物在自然的遗传环境中由于各种偶然因素引起的基因突变，它以很小的概率随机地变更遗传基因的值。各参数对优化效果的影响：(1)种群大小M。种群规模M表示每一代种群中所含个体数目。当M取值较小时，可提高遗传算法的运算速度，但降低了种群的多样性，简洁引起遗传算法早熟，出现假收敛，而当M取值较大时，又会使得遗传算法效率降低。一般建议的取值范围是20100.2终止进化代数G。遗传算法不同于传统优化算法，它很难有明确的搜寻终止准那么特别是对于非数值优化问题，于是通常需指定一个终止进化代数来终止算法，一般设G为100,1000。一般来说，事先指定G通常只能找到给定问题的在给定时限内所能寻求的相对满意解，但不愿定使问题的最优解或较高精度的近似解。为了获得较高精度解，通常可依据种群适应度的稳定状况来实现调整G的设置。3穿插概率Pc。在遗传算法中穿插算子被认为是主要搜寻算子，因而一般取较大值。一般说，较大的Pc简洁破坏群体中已形成的优良模式，是搜寻的随机性太大的Pc，后期降低Pc以保存优良个体。4变异概率Pm。较大的变异概率Pm使遗传算法在整个搜寻空间中大步跳动，而小的变异概率使遗传算法聚焦于特别区域作局部搜寻。一般在不运用穿插算子的情形下，变异算子作主要搜寻算子，Pm取较大值0.41而在与穿插算子联合运用的情形，Pm通常取较小值0.00010.5.第 17 页