第1页 / 共10页
第2页 / 共10页
第3页 / 共10页
第4页 / 共10页
第5页 / 共10页
第6页 / 共10页
第7页 / 共10页
第8页 / 共10页
智能控制考试试题.doc
武汉理工大学硕士研究生试题
课程名称：智能控制理论与技术
专业 控制科学与工程学号 1049721303699 姓名 郭心悦
一、 简答题（每小题 10 分）
1. 智能控制由哪几部分组成？各自的特点是什么？
答：智能控制由六个部分组成：执行器、传感器、感知信息处理、规划与控
制、认知和通信接口。
(1)执行器是系统的输出，对外界对象发生作用。
(2)传感器产生智能系统的输入，传感器用来监测外部环境和系统本身的状
态。传感器向感知信息处理单元提供输入。
(3)感知信息处理，将传感器得到的原始信息加以处理，并与内部环境模型
产生的期望信息进行比较。
(4)规划和控制是整个系统的核心，它根据给定的任务要求，反馈的信息，
以及经验知识，进行自动搜索，推理决策，动作规划，最终产生具体的控制
作用。
(5)认知主要用来接收和存储信息、知识、经验和数据，并对他们进行分析、
推理作出行动的决策，送至规划和控制部分。
(6)通信接口除建立人机之间的联系外，还建立系统各模块之间的联系。
2. 智能控制是在什么背景下产生的？
答：早期的自动控制基本上是解决简单对象的控制问题，人们追求研制完全
自动运行不用人参与的自治系统。随着控制对象的日益复杂，系统所处的环
境因素、控制性能要求都列入了控制系统设计的考虑范围，已有的自动控制
方法与技术受到了某种程度的挑战，尤其在学习控制研究与机器人控制方
面，矛盾日渐突出，迫切需要为自动控制学科注入新的活力，智能控制正是
在这样的背景下产生。
3. 智能控制和传统控制差异是什么？
答：二者的差异主要体现在以下几个方面：
(1)涉及的范围不同：智能控制的范围包括了传统控制的范围。它有微分/差
分方程描述的系统；有混合系统（离散和连续系统混合、符号和数值系统混
合、数字和模拟系统混合）；
(2)控制的目标不同：智能的目标寻求在巨大的不确定环境中，获得整体的
优化。因此，智能控制要考虑：故障诊断、系统重构、自组织、自学习能力、
多重目标；
(3)系统的结构：控制对象和控制系统的结合。
4. 神经元计算与人工智能传统计算有什么不同？
答：神经元计算不同事传统的计算与人工智能，主要现在如下几个方面：
(1)样本学习：传统专家系统（一种模拟人类专家解决领域问题的计算机程
序系统）的知识是用规则的形式给出的。神经网络与专家系统不同，其规则
是由样本学习形成的。其中学习规则是根据样本输入及期望输出来调整网络
联结权的方法。
(2)分布联想记忆：神经元计算网络的一个重要特征是其储存信息的方式。
神经元计算是分布记忆的，联结权为神经网络的记忆单元，权值体现了网络
知识的当前状态。由一对输入—期望输出样本表示的一条知识分布在网络的
多个记忆单元里，与储存在网络内的其他条知识共享这些记忆单元。
(3)容错特性：传统的计算系统只要损坏少量的记忆单元，就不能正常工作。
神经元计算系统则是能容错的。容错是一些神经元破坏损伤后或联结少许再
变差一点。神经元计算系统之所以能够容错，是因为信息不是储存在一个地
方，而是分布在整个系统的联接内。
(4)综合能力：神经元网络能够学习复杂连续的映射。综合复杂连续函数的
能力类似于生理系统学习协调运动的能力，如学习挥动球拍和击球。
5. 人工神经元网络的拓扑结构主要有哪几种？
答：网络拓扑结构的不同表现为神经元之间连接方式的不同。根据神经元之
间的连接方式，可将神经网络结构分为层次型结构和互连型结构两大类。
(1)层次型网络结构有 3 种典型的结构形式：单纯层次型网络结构、层内有
互连的层次型网络结构、输出层到输入层有连接的层次型网络结构；
(2)互连型结构可分为三类：全互连型网络、局部互连型网络、稀疏连接型
网络。
6. 设计智能控制系统的主要步骤有哪些；
答：设计步骤主要有以下几个：
(1)确定求解的问题。系统设计的第一步是明确求解的问题和范围，就是说
明确设计目的和要求。
(2)因素分析。对与被描述问题有关的因素进行分析，确定因素的类型：可
控的、不可控的、质的属性。系统的最优化就是对量的可控因素优化确定的
过程。
(3)模型的建立。建立模型就是用适当的（一般是数学的）方式来描述问题
与因素之间的关系，建立模型时一般应忽略次要因素，突出主要因素。建立
模型时，应首先明确下面的几个问题：系统的目标、系统的约束（现在常称
为环境因素）、系统的输入、系统的输出。模型可以是下面方式中的任一种
或它们的组合：物理模型（用来进行模型实验），图解模型（如流程图、工
序图、决策树等），数学模型（用数学的形式来表示，可用来求出最佳解）
和计算机模型（用程序语言表示，可以进行仿真求解）。
(4)决策过程。所谓决策是运用适当的手段求解模型，确定实现系统目标的
系统结构及其运用方法。当所建的是数学模型时，则可运用筹学中的数学规
划法去求解。在求解数学模型时，恰当地选择优化准则是很重要的，优化准
则不同，则所确定的系统的结构和对外表现大不相同。
(5)运用与管理。运用与管理又包括：
①验证：根据实际情况确定决策过程中的各种参数是否符合实际；
②预测：预测系统各变化时对输出的影响；
③系统运行的评价：主要评价系统是否达到预期的目的，评价可从下面几个
方面着手，即可靠性、响应性、稳定性、适应性、可维修性、经济性和对环
境的影响；
④修正：根据评价结果确定是否需要进行修正，一般情况下，系统经过数次
修正后，系统的特性总能得到逐步改善。对于无法改善的系统，则应考虑重
新进行系统设计。
二、 计算题（10 分）
1. 设论域
U
{ ,
, }
u u u u u
1
5
,
,
4
2
3
，且
A
0.2
u
1
0.4
u
2
0.9
u
3
1
u
4
0.5
u
5
B
0.1 0.7
u
u
3
1
1
u
4
0.3
u
5
试求
A B
,
C
A B A
,
（补集）， CB （补集）
答：
BA
2.0
u
1
4.0
u
2
9.0
u
3
1
u
4
5.0
u
5
BA
1.0
u
1
7.0
u
3
1
u
4
3.0
u
5
c
A
c
B
8.0
u
1
9.0
u
1
6.0
u
2
5.01.0
u
u
5
3
1
u
2
3.0
u
3
7.0
u
5
三、设计题（30 分）
神经网络控制系统的结构如图所示，设被控制对象 P 的传递函数为：
( )
G s
s
16.5(0.5
(1.5
s
1)(4
s
s
1)
1)
N1 为神经网络 ，请在 BP 网络和 RBF 网络中选一种，研究并仿真验
证系统的性能。（提交研究分析报告）
答：题中的神经网络控制是一种神经网络自校正的控制方式，该图可作
如下简化：
对于一个单输入单输出反馈线性化系统，有：
y
k
1
(
,
f y y
1
k
k
1
,...,
u
k
1
,...)
(
,
g y y
k
k
1
,...,
u
k
1
,...)
u
k
若 1f 和 g 已知，所以对于上式有如下控制律：
u
k
( )
f
1
( )
g
d
g
1
k
( )
如图使用 1N 和 g 两个 RBF 或者 BP 网络来进行在线辨识，就得到 1f 和
g 的拟合值 1Nf 和 Ng ，就可以实现如下的自校正控制传递函数：
u
k
Nf
1
Ng
( )
( )
d
1
k
( )
Ng
该题被控制对象 P 的传递函数为：
( )
G s
s
16.5(0.5
(1.5
s
1)(4
s
s
1)
1)
在matlab中，输入命令，将连续系统转化为离散控制系统。计算得到z变换后的离散对象
为：
( )
y k
3.0084 (
y k
1) 3.0168 (
y k
可得：
1( ) 3.0084 (
f
y k
1) 3.0168 (
y k
g
( )
0.2828 10
3
2) 0.2828 10
2) 0.0155 10
3
(
u k
1) 0.0155 10
3
(
u k
2)
3
(
u k
2)
取对象输出为网络的输入，设高斯基函数 jh ，网络的径向基向量为
[
,
h h
1
2
,...,
h 我们这里取神经元的个数为 7，则 7m ，神经网络的结构
]T
m
为 1-7-1，设 jb 为基宽参数， jc 为中心矢量，则：
h
j
exp(
2
c
)
( )
y k
2
2
b
j
网络权向量为：
w w w w
7
...
[
,
1
2
]T
v
[
,
v v
1
2
...
v
7
]T
两个 RBF 网络辨识的结果为：
( )
Nf k
h w h w
1
1
2
...
h w
7
7
2
( )
Ng k
h v
1 1
h v
2 2
...
h v
7 7
辨识后，对象的输出为：
my
( )
k
[ (
Nf y k
1);
w k
( )]
[ (
Ng y k
1); ( )] (
v k u k
1)
神经网络调整的性能指标即均方误差为：
( )
E k
1
2
( ( )
y k
y k
m
( ))
2
然后采用梯度下降法进行权值调整：
( )
w k
j
( )
E k
( )
w k
j
( ( )
y k
y
m
( ))
( )
k h k
j
( )
v k
j
( )
E k
( )
v k
j
( ( )
y k
y
m
( ))
( )
k h k
j
最后我们用系统的输出来跟踪系统的输入来看该线性系统的性能，我
们给该系统的输入信号为正弦信号：r(k)=1.0*sin(2*pi*k*ts);
部分M文件参考程序如下：
%Self-Correct control based RBF Identification
clear all;
close all;
xite1=0.15;
xite2=0.50;
alfa=0.05;
w=0.5*ones(6,1);
v=0.5*ones(6,1);
cij=0.50*ones(1,6);
bj=5*ones(6,1);
h=zeros(6,1);
w_1=w;w_2=w_1;
v_1=v;v_2=v_1;
u_1=0;y_1=0;
ts=0.001;
for k=1:1:5000
time(k)=k*ts;
r(k)=1.0*sin(2*pi*k*ts);
%Practical Plant;
g(k)=0.8*sin(y_1);
f(k)=15;
y(k)=g(k)+f(k)*u_1;
for j=1:1:6
end
h(j)=exp(-norm(y(k)-cij(:,j))^2/(2*bj(j)*bj(j)));
Ng(k)=w'*h;
Nf(k)=v'*h;
ym(k)=Ng(k)+Nf(k)*u_1;
e(k)=y(k)-ym(k);
d_w=0*w;
for j=1:1:6
d_w(j)=xite1*e(k)*h(j);
end
w=w_1+d_w+alfa*(w_1-w_2);
d_v=0*v;
for j=1:1:6
d_v(j)=xite2*e(k)*h(j)*u_1;
end
v=v_1+d_v+alfa*(v_1-v_2);
u(k)=-Ng(k)/Nf(k)+r(k)/Nf(k);
u_1=u(k);
y_1=y(k);
w_2=w_1;
w_1=w;
v_2=v_1;
v_1=v;
end
figure(1);
plot(time,r,'r',time,y,'b');
xlabel('Time(second)');ylabel('Position tracking');
figure(2);
plot(time,g,'r',time,Ng,'b');
xlabel('Time(second)');ylabel('g and Ng');
figure(3);
plot(time,f,'r',time,Nf,'b');
xlabel('Time(second)');ylabel('f and Nf');
在matlab中运行仿真，可得到对正弦信号的跟踪结果如图2所示。
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
