2014智能控制试卷B答案.doc

《2014智能控制试卷B答案.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2011级智能控制课程试题B题号一二三四五六七总分分数合分人：复查人：一、填空题（每空1分，共26分）分数评卷人1．智能控制是自动控制发展的一个新阶段，是人工智能、控制论、系统论和信息论等多种学科的综合与集成，是当前的一个研究热点。2．Thefuzzificationblockconvertsthecrispinputstofuzzysets,theinferencemechanismusesthefuzzyrulesintherule-basetoproducefuzzyconclusions,therule-baseholdstheknowledgeabouthowto

2、bestcontroltheprocessintheformoflinguisticrules,andthedefuzzificationblockconvertsthesefuzzyconclusionsintothecrispoutputs.3．Ifafuzzysystemhasthreeinputsandsingleoutput,wehavefivemembershipfunctionsoneachuniverseofdiscourse,thenthereare5^3possiblerules.4．Wequantifythemeaningofthelinguistic

3、valuesusing"membershipfunctions."5．Anumberofdefuzzificationstrategiesexist,,eachprovidesameanstochooseasingleoutputbasedoneithertheimpliedfuzzysetsortheoverallimpliedfuzzyset6．神经网络的学习方式分成按照有无导师指导可以分成有教师学习和无教师学习。7．典型的多层前馈网络有:多层感知器（MLP）误差反向传播网络（BP）径向基函数神经网络（RBF）8．BP网络的学习算法的改进有：引入动量项、变尺度法和变步长

4、法。9．专家控制器通常包含知识库（KB）、推理机（IE）、控制规则集（CRS）和信息获取与处理等部分。10．专家控制系统把人类操作者、工程师和领域专家的经验知识与控制算法相结合，知识模型与数学模型相结合，符号推理与数值运算相结合，知识信息处理技术与控制技术相结合11．蚁群算法吸收了蚂蚁群体行为的典型特征：能觉察小范围区域内状况、能释放自己的信息素、信息素数量随时间减少。二、简答题：（共36分）分数评卷人1．简述智能控制的特点。（1）智能控制系统有较强的学习能力；（2）智能控制系统有具有决策判断能力；（3）智能控制系统有较强容错能力；（4）具有较强的鲁棒性。2．WhatisU

5、niversesofDiscourseand“effective”UniversesofDiscourse?普通（“精确”）集合和分别称为和的“论域”（换句话说就是范围）。在实际应用中，最常见的论域是简单的实数集合、某一区间或者实数的某一子集。注意有时为了方便，定义“有效”论域，和对于输入论域是隶属函数开始饱和的端点，对于输出论域则是外侧输出不再变化的端点。有效论域的“宽度”为。3．Whatisa"functionalfuzzysystem"?对于函数模糊系统，采用单一模糊化，第i条MISO形式的规则为其中“”仅表示函数的自变量，不是输出隶属函数的中心。4．Whatis"c

6、enterofgravity"(COG)defuzzificationmethod?用每个蕴含模糊集合的面积中心和面积来计算精确输出，即其中R是规则数，是第i条规则的与蕴含模糊集合相关的的隶属函数面积的中心，表示曲线下的面积。5Whyshouldthegeneticalgorithmperformcrossover?Basically,thecrossoveroperationperturbstheparametersneargoodpositionstotrytofindbettersolutionstotheoptimizationproblem.Ittendstohe

7、lpperformalocalizedsearcharoundthemorefitindividuals.6．简述神经网络的特点。（1）神经网络可以充分逼近任意复杂的非线性函数。（2）神经网络具有分布式信息存贮特点，有很强的鲁棒性和容错性。（3）神经网络具有巨量信息并行处理和大规模平行计算能力。（4）神经网络具有自组织、自学习功能，是自适应组织系统。7简要说明RBF和BP网络的区别。1）对于RBF和BP网络，从理论上可以证明，只要隐层神经元的数量足够多，都可以以任意精度逼近任何单值连续函数。两者的主要区别在于非线性