2009-智能控制试卷A-答案

2009级  智能控制  课程试题 A

题号	一	二	三	四	五	六	七	总分
分数

（智能控制课程实行成绩综合评定。平时作业10分，实验10分，设计10分，期末考试70分。本试卷卷面成绩70分）

合分人：                     复查人：                   

 

一、填空题（每空 1  分，共 30分）	分数	评卷人

1．The main types of intelligent control systems are_____ fuzzy control     ____ , 

   Neural network     ,    _expert control  and ___Hierarchical Intelligent control__.

2.分级递阶智能控制主要有三个控制级组成，按智能控制的高低分为  组织级    、

     协调级        和         执行级               。

3. Genetic operations of     selection   ,   crossover    , and     mutation     

are used to produce one generation from the next.

4. Fuzzy control system design essentially amounts to (1)  choosing the fuzzy controller inputs and outputs  , (2)    choosing the preprocessing that is needed for the

 controller inputs and possibly postprocessing that is needed for the output               

   , and (3)    designing each of the four components of the fuzzy controller         .

5. There are basically two ways that the genetic algorithm can be used in the area of fuzzy systems: They can be used for    the off-line design of fuzzy systems       and    in their on-line tuning         . 

6.神经网络的学习方式可以分成   有教师学习   和     无教师学习    。

7．智能控制和传统控制是密不可分的，而不是    相互分离       的。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，传统控制在某种程度上可以认为是智能控制发展中的  低级阶段     ，智能控制是对传统控制理论的  发展       。

8.解（去）模糊的两大类方法是__ Implied fuzzy sets ____和__ the overall Implied fuzzy set ____。

9.专家控制系统应该具有如下特点：   在线控制的实时性      、   控制的灵活性和应用的通用性   和      优良的控制性能与自学习能力          。

10. 按照专家控制器在整个过程控制中的作用形式可分为直接式专家控制器        和     间接式专家控制器    两类。

11.BP学习算法实际包含了两类信号不同方向的传播过程，一类是施加输入信号由输入层经隐层到输出层，产生输出响应的“   输入模式正向传播     ”过程；另一类是希望输出与实际输出之间的误差信号由输出层返回隐层和输入层，反向逐层修正连接权值和神经元输出阈值的“    误差逆传播            ”过程。

二、简答题：（每题 2 分，共 10 分）	分数	评卷人

1．What is a Takagi-Sugeno (T-S ) fuzzy system?

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

如果，其中是实数，那么函数模糊系统就称为“Takagi-Sugeno模糊系统”（简称T-S模糊系统）。T-S模糊系统按下面公式进行解模糊， 

                              （2-4-1）

其中定义为

2．Please specify some set-theoretic and logical operations on fuzzy sets（at least four kinds）..

Fuzzy Subset, 

    Fuzzy Complement, 

Fuzzy Intersection(AND), 

                      

Fuzzy Union(OR), 

                  

3．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。

4．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。

5．一般的专家控制系统有哪些并发运行的子过程？有哪些信箱进行通讯？

一般的专家控制系统有知识基系统、数值算法库和人－机接口三个并发运行的子过程。（1分）

三个运行子过程之间的通信是通过五个信箱进行的，这五个信箱即出口信箱（Outbox）、入口信箱（In box）、应答信箱（Answer box）、解释信箱（Result box）和定时器信箱（Timer box）。（1分）

三、作图题（6 分）	分数	评卷人

1. Please draw the membership functions which were defined by the following descriptions: (6 points)

（a）Someone may be able to argue that we are absolutely certain that any value of e(t) near  is still “poslarge” and only when you get sufficiently far from  do we lose our confidence that it is “poslarge”；

（b）For other applications you may not readily accept values far away from as being “poslarge”；

（c）We represent that we believe that as e(t) moves to the left of we are very quick to reduce our confidence that it is “possmall”, but if we move to the right of our confidence that e(t) is “possmall” diminishes at a slower rate.

四、作图题：6分	分数	评卷人

试画出一个4-6 RBF网络的结构图，说明节点函数和学习过程。

径向基函数有3种形式：（1）多二次函数，；（2）逆多二次函数，；（3）高斯函数，。在RBF网络中，高斯函数由于具有表达形式简单、解析性和光滑性好、任意阶次可微等优点而成为最常用的径向基函数。

五、作图题：6分	分数	评卷人

试画出一个2-5-3 BP网络的结构图，写出相关节点函数。并说明BP网络的优缺点。

隐含层中的神经元一般均采用S型函数作为激励函数，输出层神经元可以根据实际情况选择线性激励函数，则整个网络的输出可以取任意值；输出层神经元如果同样选择S型函数作为激励函数，则整个网络的输出就限定在一个较小的范围内。

                            （a）Sigmoid函数,（b）S型正切函数,

线性激励函数

BP网络的缺陷（要求至少答出3点）：（1）由于BP算法实质上是非线性优化问题的梯度算法，不可避免的存在收敛问题，主要是容易陷入局部极小值，不能保证收敛到全局最小点。

（2）学习收敛速度太慢，且收敛速度与网络的权值和阈值的初始值有关，需要反复测试以确保达到最优解。

（3）网络的结构设计尚无理论性的指导，包含隐含层数和隐层节点数以及激励函数、训练算法等的选取均根据经验设计，只能通过实验计算获得。对网络造成较大的冗余性，这无形中增加了研究工作量和编程计算量。

（4）BP网络训练结束后网络权值和阈值确定，当加入新的记忆模式时，网络权值的训练将打破已有的连接权值重新学习，学习和记忆具有不稳定性。

（5）如何选取合适的训练样本解决网络的泛化能力问题，即解决网络能正确处理未学习过的输入。

六、计算题：12分	分数	评卷人

The membership functions of the inputs and output of a fuzzy controller were shown in Fig . 1. Table 1 represents abstract knowledge that the expert has about how to control the plant When

，,

We use center of gravity (COG) defuzzification, product for premise and implication. Please calculate the output of the fuzzy controller at the current time .

TABLE 1 Rule Table for the plant

“force”

u		“change-in-error”
		-2	-1	0	1	2
“error” e	-2	2	2	2	1	0
	-1	2	2	1	0
	0	2	1	0	-1	-2
	1	1	0	-1	-2	-2
	2	0	-1	-2	-2	-2

For the e(t) input we see,and that all the other membership functions are off.

For the  input we see, and that all the other membership functions are off. 

Using Table 1,we find that the rules that are on the following:

1. If error is zero and change-in-error is zero then force is zero.

2. If error is zero and change-in-error is possmall then force is negsmall.

3. If error is negsmall and change-in-error is zero then force is possmall.

4. If error is negsmall and change-in-error is possmall then force is zero.

Using center of gravity (COG) defuzzification, product for premise and implication. 

, , , (2)

 (2)