智能控制打印

3）基于模糊逻辑的智能控制——模糊控制 4）基于神经网络的智能控制——神经控制 5）基于规则的仿人智能控制 6）基于模式识别的智能控制 7）多模变结构智能控制 8）学习控制和自学习控制

9）基于可拓逻辑的智能控制——可拓控制 10）基于混沌理论的智能控制——混沌控制 2．比较智能控制与传统控制的特点？

1）传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力 智能控制在处理复杂性、不确定性方面能力高

2）传统控制是基于被控对象精确模型的控制方式，可谓“模型论” 智能控制是智能决策论，相对于“模型论”可称为“控制论”

3）传统的控制为了控制必须建模，而利用不精确的模型又采用摸个固定控制算法，使整个的控制系统置于模型框架下，缺乏灵活性，缺乏应变性，因此很难胜任对复杂系统的控制。 智能控制的可信是控制决策，次用灵活机动的决策方式迫使控制朝着期望的目标逼近。 4）传统控制适用于解决线性、时不变等相对简单的的控制问题

智能控制是对传统控制理论的发展，传统控制室智能控制的一个组成部分，是智能控制的低级阶段。

3．神经网络应具备的四个基本属性是什么？

1）并行分布式处理2）非线性处理3）自学习功能4）可通过硬件实现并行处理 4．神经网络学习方法有哪些？

1）联想式学习——Hebb规则 2）误差传播式学习——Delta学习规则 3）概率式学习 4）竞争式学习

5．模糊控制系统一般由几个部分组成？

1）模糊控制器 2）输入/输出接口装置 3）广义对象 4）传感器 6．模糊控制器设计包括几项内容？

1）确定模糊控制器的输入变量和输出变量(即控制量) 2）设计模糊控制器的控制规则

3）确立模糊化和非模糊化（又称清晰化）的方法

4）选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数（如量化因子、比例因子）

5）编制模糊控制算法的应用程序 6）合理选择模糊控制算法的采样时间 四、计算题（每小题8分，共24分） 1．设论域

U{u1,u2,u3,u4,u5}

A

0.20.40.60.810.40.610.60.4Bu1u2u3u4u5，u1u2u3u4u5

C求AB，AB，A（补集）。

0.40.610解：AB=u.811u2u3u4u5

0.2AB0.40.60.60.4=u1u2u3u4u5 0.80.60.40AC=u1u.22u3u4 2．设模糊矩阵

0.40.50.3Q0.80.610.60.80.20.80.4R0.70.50.70.20.8 0.60.4

求QR

0.40.50.30.80.610.60.0.20.80.48解：QR=0.70.20.80.70.50.60.4

(0.40.6)(0.50.7)(0.30.6)(0.80.6)(0.60.7)(10.6)(0.20.6)(0.80.7)(0.40.6) =(0.70.6)(0.20.7)(0.80.6)0.40.50.30.40.50.30.60.60.60.80.50.40.20.70.40.20.50.4 =0.60.20.60.70.20.4

0.50.50.60.80.70.5 =

0.60.7



(0.40.8)(0.50.5)(0.30.4)(0.80.8)(0.60.5)(10.4)(0.20.8)(0.80.5)(0.40.4)(0.70.8)(0.20.5)(0.80.4)