智能控制知识点总结
智能控制知识点总结
一、选择（20分）
二、填空（20分）
智能控制必须具有模拟人类学习( Learning)和自适应 （ Adaptation)的能力。
智能控制必须具有模拟人类学习(Learning)和自适应(Adaptation)的能力。
3.典型智能控制的方法：模糊逻辑控制、神经网络、专家控制 。（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（ HIC)、神经网络控制 （NNC)、专家控制（EC）和仿人智能控制（AHC）等）
注 ：分级递阶 的智能控制（ HIC)——目前已经提出的分级递阶控制理论主要有两种:基于知识/解析的混合多层智能控制理论和“精度递增伴随智能递减”的分级递阶智能控制理论 。后者又称为Saridis分级递阶智能控制理论。3级分级递阶智能控制系统〈见图1-1)是由G.N.Saridis于 1977年提出的。
该系统由组织主导层、中间层和底层构成，在多层次智能控制系统中主要集中在高层实现智能化目标。
遵循"随着精度的提升而智能化程度逐步下降"的原则，在系统设计中将熵（信息度量）概念纳入智能控制系统中。
通过熵值量化评估各指令执行效果并据此实现最优决策。
根据其在智能控制系统中的功能划分成两类：一种是基于直接的知识型控制器的专家控制系统,另一种是依赖于间接知识型控制器的专家控制系统.
5.根据知识表示的特点，知识推理方法可分为图搜索方法 和逻辑论证方法 两类。
注：推理是指依据一定的原则从已有的事实推出结论的过程 ，这个原则就是推理的核心。专家系统中的自动推理是知识推理，而知识推理是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能控制过程。
专家系统要以知识表示、知识推理、知识获取为基础。其中，知识表示和知识获取是必要的前提条件，而推理则是专家系统中问题求解的主要手段，是使问题从初始状态转移到目标状态的方法和途径，推理的过程就是问题求解的过程。
根据问题求解的推理过程中是否运用启发性知识，知识推理方法可分为启发推理和非启发推理两类。
根据问题求解的推理过程中特殊和一般的关系，知识推理方法可分为演绎推理、归纳推理两类。
根据问题求解的推理过程中推理的方向，知识推理方法可分为正向推理、反向推理和正反向混合推理三类。
三、判断（10分）
1.采用不精确的控制手段 （×）
2.采用不精确控制的方式相当于 PD控制器 ，在平衡点附近会出现振荡现象，在稳态过程中精度较低；为了优化系统性能 ，可将模糊控制器与比例积分（PI）控制器相结合 构成复合控制系统 （串联系统；并联系统；复合系统）。
在输入的加权和达到或超过阈值时，在结果设为1的情况下，在否则的情况下，则会设为0或者-1。其权重系数W是可变的，并且能够进行学习。
Hopfield网络模拟了人类记忆机制（即联想法则）。基于不同的激活函数设置分为两种类型：
离散型Hopfield神经网络（DHNN）：主要功能是实现联想法则，在输入部分信息时能够推导出完整的输出结果，并具有容错特性。
连续型Hopfield神经网络（CHNN）：特别适用于解决优化类问题（如旅行商问题TSP调度任务等）。
- 在运行过程中所经历的变化模式有两种类型：一种是各节点按不同时间点依次执行的操作（即并行操作与非并行操作），另一种是所有节点同时进行操作的行为（即同步操作）。
该算法的核心原理在于通过特定算法优化网络参数以实现输出与预期结果的高度一致。本研究中采用误差逆传递（BP）算法进行权值优化以提高模型性能
四、简答（5*4=20分）
1.如何定义一个语言变量？
- 为变量命名
- 设定变量的论域
- 将语言值视为由其在变量子域上构建的模糊集合
- 明确各模糊集的隶属度函数
注：模糊控制器的核心构成主要体现在其基本组成上，在设计时通常会采用哪些作为输入变量？具体来说，在系统中以"系统中的误差信号e"和"系统中的误差变化率信号ec"作为两个关键的输入变量进行处理。
注：隶属度函数曲线形状、分布对控制性能的影响（理解记忆）：
2.专家控制系统的组成结构？
- 知识库
- 控制算法库
- 实时推理机
- 信息获取与处理
- 动态数据库
3.神经网络的基本特性？
- 非线性的近似能力
- 自适应性和自我组织特性
- 并行处理能力
- 分布式存储与容错机制
- 便于集成化设计与计算仿真
4.前向BP神经网络的基本结构（已知输入、隐藏层、输出层个数画出结构图）？
注：权重更新基本思想、误差反向传播……
五、计算（3*10=30分）
1.模糊集合的运算：
运算方法——
运算性质——
2.模糊计算的关系？
模糊关系的运算过程及其合成运算与变换操作的计算公式
3.遗传算法的基本运算（3种基本算子+手推过程+染色体+个体+种群+……）？
