第一章：
1、传统控制方法包括 经典控制 和 现代控制 ，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决 线性 、 时不变性 武夷菌素等相对简单的控制。 钢板切割2、智能控制的研究对象具备以下的一些特点： 不确定性的模型 、 高度的非线性 、 复杂的任务要求 。
3、IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)
4、 AC：描述系统的动力学特征，是一种动态反馈。 AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。 5、智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。
7、智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能
8、智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。
9、智能控制的应用领域，例如 智能机器人控制 、 计算机集成制造系统 、 工业过程控制 、 航空航天控制 和 交通运输系统 等。
第二章：
10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。
11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成）
12、专家系统的建立：1，知识库2，推理机3，知识的表示4，专家系统开发语言5，专家系统建立步骤。
13、专家控制：是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
14、专家控制的基本结构：
15、专家控制与专家系统的区别：1，专家控制能完成专门领域的功能，辅助用户决策；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有着更高的要求2，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。
16、按专家控制在控制系统中的作用和功能，可将专家控制器分为以下两种类型：1，直
接型专家控制器2，间接型专家控制器《优化，适应，协调，组织》
17、专家控制的关键技术：1，知识的表达方式2，从传感器中识别和获取定量的控制信号3，将定性知识转化为定量的控制信号4，控制知识和控制规则的获取。
18、专家控制的特点： 灵活性 、适应性 和 鲁棒性 。
第四章：
19、模糊控制是以 模糊集理论 加工pcb板、模糊语言变量 和 模糊逻辑推理 为基础的一种智能控制方法。，它从行为上模仿人的模糊推理和决策过程。
20、模糊控制理论具有一些明显的特点：1，模糊控制不需要被控对象的数学模型2，模糊控制是一种反映人类智慧的智能控制方法3，模糊控制易于被人们接受4，构造容易5，鲁棒性和适应性好。
21、模糊控制器的组成：
22、模糊逻辑中有哪些运算？(列出5种)为什么模糊输出向量要进行解模糊计算？
1相等 2包含 3并运算 4交运算 5补运算
因为所获得的推理结果是一个模糊矢量，不能直接用来作为控制量，还必须进行一次转换，求得清晰的控制量输出，即为解模糊计算。
23、Zadeh近似推理方法包含 正向推理 和 逆向推理 两类。
24、模糊控制器的设计步骤：1，确定模糊控制器的结构2，定义输入输出模糊集3，定义隶属函数4，建立模糊控制规则5，建立模糊控制表6，模糊推理7，反模糊化
25、模糊控制系统可划分为 单变量模糊控制 和 多变量模糊控制 。
第六章：
26、神经网络的发展经历了4个阶段：启蒙期 、 低潮期 、复兴期 和 新连接机制时期 。
27、神经元由四部分构成： 细胞体 、 树突 、 轴突 、 突触 。
28、从生物控制论的观点来看，神经元具有以下功能和特性：兴奋与抑制、学习与遗忘和结构可塑性。
29、神经网络的分类：1，前向网络2，反馈网络3，自组织网络
30、神经网络特征：1，能逼近任意非线性函数2，信息的并行分布式处理与存储3，可以多输入，多输出4，便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现5，能进行学习，以适应幻境的变化。
31、神经网络三要素： 神经元的特性、 神经元之间相互连接的拓扑结构 、 为适应幻境而改善性能的学习规则 。
32、神经网络的研究领域：1，机遇神经网络的系统辨识2，神经网络控制器3，神经网络与其他算法相结合4，优化算法
第七章：
33、BP神经网络是一种单向传播的多层前向网络。
34、BP网络特点：1，BP网络是一种多层网络，包括输入层、隐层和输出层2，层与层之间采用全互连方式，同一层神经元之间不连接3，权值通过&学习算法进行调节4，神甲激发函数为S函数5，学习算法由正向转播和反向传播组成6，层与层的连接是单向的，信息的传播是双向的。
35、BP网络的逼近：BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输入层，每层神经元（节点）的状态只影响下一层神经元的状态。如果在输出层不能的到期望的输出，则转至反向传播，将误差信号（理想输出与实际输出之差）按连接通路反向计算，有梯度下降法调整各层神经元的权值，使误差信号减小。
36、BP网络的优缺点：优点：1只要有足够多的隐层和隐层节点，BP网络可以逼近任意的非线性映射关系；2 BP网络的学习算法属于全局逼近算法，具有较强的泛化能力；3 BP网络输入输出之间的关联信息分布地储存在网络的连接权中，个别神经元的损坏只对输入输出关系有较小的影响，因而BP网络具有较好的容错性。缺点：1待寻优的参数多，收敛速度慢；2 目标函数存在多个极值点，按梯度下降方法进行学习，很容易陷入局部极小值；
3 难以确定隐层及隐层节点的数目。目前，如何根据特定的问题来确定具体的网络结构尚无很好的方法，仍需根据经验来试凑。
37、RBF神经网络的特点：由于BP网络是全局逼近网络，每一次样本学习都要重新调整网络的所有权值，收敛速度慢，易于陷入局部极小，很难满足控制系统的高度实时性要求。RBF网络是一种3层前向网络，有输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，而且RBF网络是局部逼近的神经网络，因而采用RBF网络课大大加快学习速度并避免局部极小问题，适合于实时控制的要求。采用RBF网络构成神经网络控制方案，可有效提高系统的精，鲁棒性和自适应性。
38、RBF神经网络与BP网络的区别：实用不同的作用函数。BP网络中隐层实用的是Sigmoid函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络而RBF网络中的作业函数是高斯基函数，其值在输入空间中有限范围内为非零值，因而RBF网络是局部逼近的神经网络。
第九、第十章：
39、磷化液配方神经网络控制的结构:1，神经网络监督控制2，神经网络直接逆控制3，神经网络自适应控制4，神经网络内膜控制5，神经网络预测控制6，神经网络自适应评判控制7，神经网络混合控制
40、函数优化 遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例。
41、基因遗传算法的运行参数有 体大小 、 遗传算法的终止进化代数 、 交叉概率 、 变异概率 压缩空气喷嘴 4个。
42、神经网络控制是将 神经网络 与 控制理论 相结合而发展起来的智能控制方法。
43、遗传算法的概念、基本操作、特点、应用、构成要素？
答：概念：遗传算法简称GA，是1962年由美国Michigan大学Holland教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。
基本操作包括复制，交叉，变异。
特点：1）遗传算法是对参数的编码进行操作，而非对参数本身，这就是使得在优化计算过
程中可以借鉴生物学中染体和基因等概念，模仿自然界中生物的遗传和进化等机理。2）遗传算法同时使用多个搜索点的搜索信息。3）遗传算法直接以目标函数作为搜索信息4）遗传算法使用概率搜索技术5) 遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索6）遗传算法对于待寻优的函数基本无限制，它既不要求函数连续，也不要求函数可微7）遗传算法具有并行计算的特点，因而可通过大规模并行计算来提高计算速度，适合大规模复杂问题的优化。
遗传算法的应用：1、函数优化（主要的）2、机器学习3、组合优化4、生产调度问题5、自动控制6、机器人7、图像处理8、人工生命9、遗传编程
遗传算法的构成要素
（1）染体编码方法：基本遗传算法使用固定长度的二进制符号来表示体中的个体。
（2）个体适应度评价：基本遗传算法与个体适应度评价成正比的概率来决定当前体中每个个体遗传到下一代体中的概率多少。
电极扁钢（3）遗传算子（选择、交叉、变异）：遗传算法使用选择运算来实现对体中的个体进行
优胜劣汰操作：适应度高的个体被遗传到下一代体中的概率大；适应度低的个体，被遗传到下一代体中的概率小。
（4）基本遗传算法的运行参数：M ： 种规模、T ： 遗传运算的终止进化代数、Pc ： 交叉概率、Pm ： 变异概率、
二、简答：
1、比较智能控制与传统控制的区别。
答：传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决、线性、时不变性等相对简单的控制。智能控制是控制理论发展的高级阶段，其核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。它主要用来解决那些传统控制方法难以解决的复杂系统的控制问题。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议