1、第一章 緒論1. 什么是智能、智能系統、智能控制？答：“智能”在美國Heritage詞典定義為“獲取和應用知識的能力”。“智能系統”指具有一定智能行為的系統，是模擬和執行人類、動物或生物的某些功能的系統?！爸悄芸刂啤敝冈趥鹘y的控制理論中引入諸如邏輯、推理和啟發式規則等因素，使之具有某種智能性；也是基于認知工程系統和現代計算機的強大功能，對不確定環境中的復雜對象進行的擬人化管理。 2智能控制系統有哪幾種類型，各自的特點是什么？答：智能控制系統的類型：集散控制系統、模糊控制系統、多級遞階控制系統、專家控制系統、人工神經網絡控制系統、學習控制系統等。各自的特點有：集散控制系統：以微處理器為基礎，對生

2、產過程進行集中監視、操作、管理和分散控制的集中分散控制系統。該系統將若干臺微機分散應用于過程控制，全部信息通過通信網絡由上位管理計算機監控，實現最優化控制，整個裝置繼承了常規儀表分散控制和計算機集中控制的優點，克服了常規儀表功能單一，人機聯系差以及單臺微型計算機控制系統危險性高度集中的缺點，既實現了在管理、操作和顯示三方面集中，又實現了在功能、負荷和危險性三方面的分散。人工神經網絡：它是一種模范動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。專家控制系統：是一個智能計算機程序系統，其內部含有

3、大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的經驗方法來處理該領域的高水平難題?？梢哉f是一種模擬人類專家解決領域問題的計算機程序系統。多級遞階控制系統是將組成大系統的各子系統及其控制器按遞階的方式分級排列而形成的層次結構系統。這種結構的特點是：1.上、下級是隸屬關系，上級對下級有協調權，它的決策直接影響下級控制器的動作。2.信息在上下級間垂直方向傳遞，向下的信息有優先權。同級控制器并行工作，也可以有信息交換，但不是命令。3.上級控制決策的功能水平高于下級，解決的問題涉及面更廣，影響更大，時間更長，作用更重要。級別越往上，其決策周期越長，更關心系統的長期目標。4.級別越往

4、上，涉及的問題不確定性越多，越難作出確切的定量描述和決策。學習控制系統：靠自身的學習功能來認識控制對象和外界環境的特性，并相應地改變自身特性以改善控制性能的系統。這種系統具有一定的識別、判斷、記憶和自行調整的能力。3比較智能控制與傳統控制的特點。答：智能控制與傳統控制的比較：它們有密切的關系，而不是相互排斥。常規控制往往包含在智能控制之中，智能控制也利用常規控制的方法來解決“低級”的控制問題，力圖擴充常規控制方法并建立一系列新的理論與方法來解決更具有挑戰性的復雜控制問題。1.傳統的自動控制是建立在確定的模型基礎上的，而智能控制的研究對象則存在模型嚴重的不確定性，即模型未知或知之甚少者模型的結構

5、和參數在很大的范圍內變動，這些問題對基于模型的傳統自動控制來說很難解決。2.傳統的自動控制系統的輸入或輸出設備與人及外界環境的信息交換很不方便，希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置，能夠更加深入而靈活地和系統進行信息交流，同時還要擴大輸出裝置的能力，能夠用文字、圖紙、立體形象、語言等形式輸出信息. 另外，通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況. 為擴大信息通道，就必須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器，即文字、聲音、物體識別裝置。3.傳統的自動控制系統對控制任務的要求要么使輸出量為定值（調節系

6、統），要么使輸出量跟隨期望的運動軌跡（跟隨系統），因此具有控制任務單一性的特點，而智能控制系統的控制任務可比較復雜。4. 傳統的控制理論對線性問題有較成熟的理論，而對高度非線性的控制對象雖然有一些非線性方法可以利用，但不盡人意. 而智能控制為解決這類復雜的非線性問題找到了一個出路，成為解決這類問題行之有效的途徑。5.與傳統自動控制系統相比，智能控制系統具有足夠的關于人的控制策略、被控對象及環境的有關知識以及運用這些知識的能力。6.與傳統自動控制系統相比，智能控制系統能以知識表示的非數學廣義模型和以數學表示的混合控制過程，采用開閉環控制和定性及定量控制結合的多模態控制方式。7.與傳統自動控制系統

7、相比，智能控制系統具有變結構特點，能總體自尋優，具有自適應、自組織、自學習和自協調能力。8.與傳統自動控制系統相比，智能控制系統有補償及自修復能力和判斷決策能力。4把智能控制看作是AI(人工智能)、OR(運籌學)、AC(自動控制)和IT(信息論)的交集，其根據和內涵是什么?答：智能控制具有明顯的跨學科特點，在最早傅金孫提出的二元論中，智能控制系統被認為是自動控制與人工智能的交互作用，隨著認識的深入，薩瑞迪斯提出運籌學融入智能控制而提出三元結構，蔡自興教授提出將信息論引入智能控制，其依據在于：信息論是解釋知識和智能的一種手段；控制論、信息論和系統論是緊密相連的；信息論已經成為控制智能機器的工具；

8、信息論參與智能控制的全過程并對執行級起到核心作用，因此最終確定了智能控制的四元結構。5智能控制有哪些應用領域？試舉出一個應用實例，并說明其工作原理和控制性能。答：智能控制應用于機器人、汽車、制造業、水下和陸地自助式車輛、家用電器、過程控制、電子商務、醫療診斷、飛行器、印刷、城市鐵路、電力系統等領域。例如焊接機器人其基本工作原理是示教再現，即由用戶導引機器人，一步步按實際任務操作一遍，機器人在導引過程中自動記憶示教的每個動作的位置、姿態、運動參數、焊接參數等，并自動生成一個連續執行全部操作的程序。完成示教后，只需給機器人一個起動命令，機器人將精確地按示教動作，一步步完成全部操作，實際示教與再現。

9、控制性能為：弧焊機器人通常有五個自由度以上，具有六個自由度的弧焊機器人可以保證焊槍的任意空間軌跡和姿態。點至點方式移動速度可達60m/min以上，其軌跡重復精度可達到0.2mm。這種弧焊機器人應具有直線的及環形內插法擺動的功能，共六種擺動方式，以滿足焊接工藝要求，機器人的負荷為5kg。第二章 模糊控制的理論基礎1 舉例說明模糊性的客觀性和主觀性。答：模糊性起源于事物的發展變化性，變化性就是不確定定性；模糊性是客觀世界的普遍現象，世界上許多的事物都具有模糊非電量的特點。例如：年齡分段的問題；如果一個人的年齡大于60歲算老年，45-59歲之間的歲中年，小于44歲的就算青年；如果一個人的年齡是59歲

10、零11個月零28天，那么他是屬于中年還是老年呢？理論上從客觀的角度說他是中年人，但是與60歲只有兩天區別，這區別我們是分辨不出來的。從主觀上我們認為他又是老年人。這就是模糊性的主觀性和客觀性的體現。2 模糊性與隨機性有哪些異同？答：模糊性處于過渡階段的事物的基本特征，是性態的不確定性，類屬的不清晰性，是一種內在的不確定性；而隨機性是在事件是否發生的不確定性中表現出來的不確定性，而事件本身的性態和類屬是確定的，是一種外在的不確定性。相同點是：模糊性是由于事物類屬劃分的不分明而引起的判斷上的不確定性；而隨機性是由于天劍不充分而導致的結果的不確定性。但是他們都共同表現出不確定性。異同點是：模糊性反映

11、的是排中的破缺，而隨機性反映的是因果律的破缺；模糊性現象則需要運用模糊數學，隨機性現象可用概率論的數學方法加以處理。3 比較模糊集合與普通集合的異同。答：模糊集合用隸屬函數作定量描述，普通集合用特征函數來刻劃。兩者相同點：都屬于集合，同時具有集合的基本性質。兩者異同點：模糊集合就是指具有某個模糊還年所描述的屬性的對象的全體，由于概念本身不是很清晰，界限分明的，因而對象對集合的隸屬關系也不是明確的；普通集合是指具有某種屬性的對象的全體，這種屬性所表達的概念應該是清晰的，界限分明的，因而每個對象對于集合的隸屬關系也就是明確的。4.考慮語言變量：“Old”，如果變量定義為：確定“NOT So Old

12、”，“Very Old”，“MORE Or LESS Old”的隸屬函數。解：5.已知存在模糊向量A和模糊矩陣R如下：計算。6.令論域，給定語言變量“Small”=1/1+0.7/2+0.3/3+0.1/4和模糊關系R=“Almost相等”定義如下：利用max-min復合運算，試計算：。解： 7.已知模糊關系矩陣：計算R的二至四次冪。解： 8.設有論域，二維模糊條件語句為“若A且B則C”，其中已知 由關系合成推理法，求得推理結論。解：令R表示模糊關系，則.將按行展開寫成列向量為所以，.又因為，將按行展開寫成行向量，為，則 即9. 已知語言變量x，y，z。 X的論域為1,2,3，定義有兩個語言值

13、： “大”0, 0.5, 1；“小”=1, 0.5, 0。 Y的論域為10,20,30,40,50，語言值為： “高”=0, 0, 0, 0.5, 1；“中”=0, 0.5, 1, 0.5, 0; “低”=1, 0.5, 0, 0, 0。 Z的論域為0.1,0.2,0.3，語言值為：“長”=0, 0.5, 1；“短”=1, 0.5, 0 則：1）試求規則： 如果 x 是 “大” 并且 y 是“高” 那么 z是“長”； 否則，如果 x 是“小” 并且 y 是 “中” 那么 z是“短”。 所蘊涵的x，y，z之間的模糊關系R。 2）假設在某時刻，x是“略小”=0.7, 0.25, 0，y是“略高”=

14、0, 0, 0.3, 0.7, 1 試根據R分別通過Zadeh法和Mamdani法模糊推理求出此時輸出z的語言取值。第三章 模糊控制1.模糊控制器有哪幾部分組成？各完成什么功能？1:答：模糊控制器由四個部分組成，這四個功能模塊是模糊化、知識庫、模糊推理和去模糊化。(1)模糊化：為實現模糊控制而將精確的輸入量進行模糊化處理，是將精確量轉化為模糊量的過程。模糊化模塊在不同的階段有不同的作用：a、確定符合模糊控制器要求的輸入量和輸出量。b、對輸入輸出變量進行尺度變換，使之落于各自的論域范圍內。c、對已經論域變換的輸入量進行模糊化處理，包括模糊分割和隸屬函數的確定。(2)知識庫：知識庫通常由數據庫和規

15、則庫組成，包含了具體應用領域的知識和要求。其中，數據庫主要包含輸入輸出變量的初度變換因子、輸入輸出空間的模糊分割以及模糊變量的模糊取值及相應的隸屬度函數選擇和形狀等方面的內容。規則庫包含了用模糊語言描述專家的經驗知識，來表示一系列控制規則。它們反映了控制專家的經驗和知識。(3)模糊推理：是一種近似推理，根據模糊控制規則庫和當前系統狀態推斷出應施加的控制量的過程，由推理機完成。(4)去模糊化：由于控制器輸出到具體地執行機構的信號必須是清晰的精確量。因此，需要一個與輸入模糊化相反的過程，即把模糊推理結果轉變成清晰量，它實現從輸出論域上輸出模糊空間到輸出精確空間的映射。2.模糊控制器設計的步驟怎樣？

16、2：答：模糊控制器設計的步驟如下：(1)：輸入變量和輸出變量的確定。(2)：輸入輸出變量的論域和模糊分割，以及包括量化因子和比例因子在內的控制參數的選擇。(3)：輸入變量的模糊化和輸出變量的清晰化。(4)：模糊控制規則的設計以及模糊推理模型的選擇。(5)：模糊控制程序的編制。3.清晰化的方法有哪些？3：答：清晰化的方法一般有四種：(1)：最大隸屬度法：這種方法將模糊推理得到的結論中最大隸屬度值最對應的元素作為控制器輸出的精確值，如果有多個最大點，則取其平均值。(2)：加權平均法：這種方法是指以各條規則的前件和輸入的模糊集按一定法則確定的值為權值，并對后件代表值加權平均計算輸出的清晰值的方法。(

17、3)：面積等分法：把輸出的模糊集合所對應的隸屬函數與橫坐標之間圍成的面子分成兩部分，那么該方法得到的精確值應滿足使該兩部分的面積相等。(4)：由于Tsukamoto模型和Takagi-Sugeno模型輸出本身就是清晰量，則不需要去模糊化。4.已知某一爐溫控制系統，要求溫度保持在600度恒定。針對該控制系統有一下控制經驗：（1）若爐溫低于600度，則升壓；低得越多升壓就越高。（2）若爐溫高于600度，則降壓；高得越多降壓就越低。（2）若爐溫等于600度，則保持不變。設計模糊控制器為一維控制器，輸入語言變量為誤差，輸出為控制電壓。輸入、輸出變量的量化等級為7級，取5個模糊集。設計隸屬度函數誤差變化

18、劃分表、控制電壓變化劃分表和模糊控制規則表。解： 定義理想溫度點的溫度為,實際測量溫度為，溫度差為。以為輸入、輸出變量的量化等級均為7級， 5個模糊集，則誤差變化劃分表為：隸屬度變化等級-3-2-10123模糊集PB000000.51PS000010.50ZE000.510.500NS00.510000NB10.500000控制電壓變化劃分表為：隸屬度變化等級-3-2-10123模糊集PB000000.51PS000010.50ZE000.510.500NS00.510000NB10.500000根據一上兩表設計一下模糊規則：若負大，則正大；若負小，則正??；若為0，則為0；若正小，則負??；若正

19、大，則負大。模糊控制規則表為：若（if）NLeNSe0ePSePLE則（then）NLuNSU0uPSuPLu5、已知被控對象為G（s)=rac110s+1e-0.5s。假設系統給定為階躍值r=30，采樣時間為0.5s，系統初始值r(0)=0，試分別設計： （1）常規的PID控制器； （2）常規的模糊控制器； （3）模糊PID控制器。分別對上述3種控制器進行Matlab仿真，并比較控制效果。解：（1）常規的PID控制器的設計：a) 常規的PID控制器的設計原理圖：b)在matlab中simulink仿真圖如下：第四章 神經網絡基礎1、生物神經元模型的結構功能是什么？答：生物神經元結構：（1）、

20、細胞體：由細胞核、細胞質和細胞膜等組成。（2）、樹突：胞體上短而多分枝的突起。相當于神經元的輸入端，接受傳入的神經沖動。（3）、軸突：胞體上最長枝的突起，也稱神經纖維。端部有很多神經末稍傳出神經沖動。（4）、突觸：神經元間的連接接口，每個神經元約有1萬10萬個突觸。神經元通過其軸突的神經末稍，經突觸與另一神經元的樹突聯接，實現信息的傳遞。由于突觸的信息傳遞特性是可變的，形成了神經元間聯接的柔性，稱為結構的可塑性。（5）、細胞膜電位：神經細胞在受到電的、化學的、機械的刺激后，能產生興奮，此時，細胞內外有電位差，稱膜電位。電位膜內為正，膜外為負。生物神經元功能：（1）、興奮與抑制當傳入神經元的沖動

21、，經整合，使細胞膜電位升高，超過動作電位的閾值時，為興奮狀態，產生神經沖動，由軸突經神經末稍傳出。當傳入神經元的沖動，經整合，使細胞膜電位降低，低于閾值時，為抑制狀態，不產生神經沖動。（2）、學習與遺忘由于神經元結構的可塑性，突觸的傳遞作用可增強與減弱，因此，神經元有學習與遺忘的功能。2、人工神經元模型的特點是什么？答：人工神經元模型的特點：（1）、神經元及其聯接；（2）、神經元間的聯接強度決定信號傳遞的強弱；（3）、神經元間的聯接強度是可以隨訓練改變的；（4）、信號是可以起刺激作用的，也可以起抑制作用；（5）、一個神經元接受的信號的累積效果決定該神經元的狀態；（6）、每個神經元可以有一個“閾

22、值”。3、人工神經網絡的特點是什么？如何分類？答：人工神經網絡的特點：（1）、非線性（2）、分布處理（3）、學習并行和自適應（4）、數據融合（5）、適用于多變量系統（6）、便于硬件實現人工神經網絡的分類：根據神經網絡的連接方式，神經網絡可分為三種形式：（1）、前向網絡：神經元分層排列，組成輸入層、隱含層和輸出層。每一層的神經元只接受前一層神經元的輸入。輸入模式經過各層順次的變換后，由輸出層輸出。在各神經元間不存在反饋。感知器和誤差反向傳播網絡采用前向網絡形式。（2）、反饋網絡：該網絡結構在輸出層到輸入層存在反饋，即每一個輸入節點都有可能接受來自外部的輸入和來自輸出神經元的反饋。這種神經網絡是一

23、種反饋動力學系統，它需要工作一段時間才能達到穩定。（3）、自組織網絡：當神經網絡在接受外界輸入時，網絡將會分成不同的區域，不同區域具有不同的響應特征，即不同的神經元以最佳方式響應不同性質的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。這種映射是通過無監督的自適應過程完成的，所以也稱為自組織特征圖。4、有哪幾種常用的神經網絡學習算法？常用的神經網絡學習算法：（1）、有教師學習：在學習過程中，網絡根據實際輸出與期望輸出的比較，進行聯接權系的調整，將期望輸出稱導師信號是評價學習的標準。（2）、無教師學習：無導師信號提供給網絡，網絡能根據其特有的結構和學習規則，進行聯接權系的調

24、整，此時網絡學習評價的標準隱含于其內部。（3）、再勵學習:把學習看為試探評價過程，學習及選擇一動作作用于環境，環境的狀態改變，并產生再勵信號反饋至學習機，學習機依據再勵信號與環境當前的狀態，再選擇下一動作作用于環境，選擇的原則是使受到獎勵的可能性增大。（4）、Hebb學習規則（5）、Delta學習規則第五章 典型神經網絡1、BP算法的特點是什么？增大權值是否能夠使BP學習變慢？答：誤差反向傳播的BP算法簡稱BP算法，是有導師的學習，其基本思想是梯度下降法。它采用梯度搜索技術，以使網絡的實際輸出值與期望輸出值的誤差均方值為最小。學習的過程由正向傳播和反向傳播組成，在正向過程中，輸入信息由輸入層經

25、隱層逐層處理，并傳向輸出層，每層神經元的狀態只影響下一層神經元的狀態，如果在輸出層不能得到期望的輸出，則轉至反向傳播，將誤差信號按連接通路反向計算，由梯度下降法來調整各層神經元的權值，使誤差信號減小。主要優點：（1）非線性映射能力：無需事先了解描述這種映射關系的數學方程，只要提供足夠多的樣本模式對BP網絡進行詳細訓練，它便能完成由n維輸入空間到m輸出空間的非線性映射。（2）泛化能力：當向網絡輸入訓練時未曾見過的非樣本數據時，網絡也能完成由輸入空間向輸出空間的正確映射，這種能力稱為多層前饋網絡的泛化能力。（3）容錯能力：輸入樣本中帶有較大的誤差，甚至個別錯誤對網絡的輸入輸出規律影響很小。標準的B

26、P算法內在的缺陷：（1）易形成局部極小而得不到全局最優；（2）訓練次數多使得學習效率低，收斂速度慢；（3）隱節點的選取缺乏理論指導；（4）訓練時學習新樣本有遺忘舊樣本的趨勢。增大權值不一定能夠使BP學習變慢，由BP權值修正的原理可知，權值調整公式可匯總如下：2、為什么說BP網絡是全局逼近的，而RBF網絡是局部逼近的？它們各有突出的特點是什么？BP網絡的活化函數為S函數，其值在輸入空間中無限大的范圍內為非零值，因而是全局逼近的神經網絡。其突出特點如下：1、是一種多層網絡化，包括輸入層、隱含層和輸出層；2、層與層之間采用全互聯方式，同一層神經元不連接；3、權值通過delta 學習算法進行調節；4、

27、神經元活化（激發）函數為S函數；5、學習算法由正向算法和反向算法組成；6、層與層之間的連接時單向的，信息的傳播史雙向的。RBF網絡的活化函數為高斯基函數，其值在輸入空間中有限范圍內為非零值，并且RBF神經網絡的神經元具有局部逼近的神經網絡。其輸出特點如下：1、RBF徑向基函數是局部的，學習速度快；2、已證明RBF網絡具有唯一最佳逼近的特性，且無局部最??；3、在函數創建過程中可以自動增加隱含層的神經元個數，直到滿足均方差要求為止無需單獨的代碼來訓練函數，網絡的創建過程就是訓練過程。4、RBF網絡用于非線性系統辨識與控制中，雖具有唯一最佳逼近特性，且無局部最小的優點，避免去確定隱層和隱層點數，網絡

28、可以根據具體問題自適應的調整，因此適應性更好。3、何為神經網絡的泛化能力？影響泛化能力的因素有哪些？答：泛化能力（綜合能力、概括能力）：用較少的樣本進行訓練，是網絡能在給定的區域內達到要求的精度。所以沒有泛化能力的網絡沒有使用價值。影響泛化能力的因素：1、樣本；2、結構；3、初始權值4、訓練樣本集；5、需測試集。4. 已知一個非線性函數，試用三層BP網絡逼近輸出y，畫出網絡的結構，寫出網絡各層節點的表達式以及各層節點輸出值的范圍。解：非線性函數畫出三層BP網絡的結構圖由輸入得到兩個隱節點、一個輸出層節點的輸出，輸入層不考慮閾值兩個隱節點、一個輸出層節點輸出為活化函數選擇S型函數如教材例6.1，

29、取第一個輸入、輸出神經元與各隱含神經元的連接權均為1，第二個輸入、輸出神經元與各隱含層單元的連接權為2.則由上式可得第六章 高級神經網絡1.PID控制器的一般形式為，也可寫成等價形式，其中，為PID控制器三個參數的線性表示。這一形式可以看成以為輸入，為權系數的神經網絡結構，試推導出自適應神經網絡PID控制器參數調整的學習算法。解：自適應神經網絡PID控制器結構如下圖所示：由圖可知：控制器由兩部分組成，分別為常規PID控制和神經網絡。其中，常規PID直接對被控對象進行閉環控制，并且其控制參數kp、ki、kd為在線調整方式；神經網絡根據系統的運動狀態，調節PID控制器的參數，使輸出層神經元的輸出對

30、應于PID控制器的三個可調參數。學習算法如下：首先確定神經網絡的結構，即確定輸入節點數和隱含層節點數，并給出各層加權系數的初值w1和w2，并選定學習速率和慣性系數，令k=1；采樣得到r(k)和y(k),計算當前時刻誤差r(k)-y(k)；計算各神經網絡的輸入和輸出，其輸出層的輸出即為PID控制器的三個控制參數kp、ki、kd并計算PID控制器的輸出進行神經網絡學習，在線調整加權系數，實現PID控制參數的自適應調整；令k=k1,進行上述步驟。網絡各層輸入輸出算法：第八章 專家控制1.什么叫產生式系統？它由哪些部分組成？試舉例略加說明。答：如果滿足某個條件，那么就應當采取某些行動，滿足這種生產式規

31、則的專家系統成為產生式系統。產生式系統主要由總數據庫，產生式規則和推理機構組成。舉例：醫療產生式系統。2.專家系統有哪些部分構成？各部分的作用如何？專家系統它具體有哪些特點和優點？答：知識庫：知識庫是知識的存儲器，用于存儲領域專家的經驗性知識以及有關的事實、一般常識等。知識庫中的知識來源于知識獲取機構，同時它又為推理提供求解問題所需的知識。推理機：推理機時專家系統的思維機構，實際上是求解問題的計算機軟件系統，綜合推理機的運行可以有不同的控制策略。數據庫：它是用于存放推理的初始證據、中間結果以及最終結果等的工作存儲器。解釋接口：它把用戶輸入的信息轉換成系統內規范化的表現形式，然后交給相應的模塊去

32、處理，把系統輸出的信息轉換成用戶易于理解的外部形式顯示給用戶，回答提出的問題。知識獲取：知識獲取是指通過人工方法或機器學習的方法，將某個領域內的事實性知識和領域專家所特有的經驗性知識轉化成計算機程序的過程。對知識庫的修改和擴充也是在系統的調試和驗證中進行，是一件困難的工作。專家系統的特點：具有專家水平的專門知識，能進行有效的推理，專家系統的透明性和靈活性，具有一定的復雜性與難度。3.在專家系統中，推理機制，控制策略和搜索方法是如何定義的，它們之間存在什么樣的關系？答：推理機制是根據一定的原則從已有的事實推出結論的過程，這個原則就是推理的核心。專家系統的自動推理是知識推理。而知識推理是在計算機或

33、者智能機器中，在知識表達的基礎上，進行機器思維，求解問題，實現知識推理的智能操作過程。在專家系統中，可以依據專家所具有的知識的特點來選擇知識表示的方法，而只是推理技術同知識方法有密切的關系。控制策略求解問題的策略，是推理的控制策略。而控制策略包括推理方向、推理路線、沖突消解策略等，按推理進行的路線與方向，推理可分正向推理、反向推理、混合推理。搜索方法：推理機時用于對知識庫中的知識進行推理來得到結論的思維機構。三者關系：推理機制，控制策略（推理機構）和搜索方法三者都屬于推理范疇，是一個整體。只是執行順序不同而已。4.設計專家控制器時應考慮哪些特點？專家控制系統的一般結構模型為何？答：設計控制器的

34、一般原則：多樣化的模型描述，在線處理的靈活性，靈活性的控制策略，決策機構的遞階性，推理與決策的實時性。專家控制系統的一般結構模型：5.專家控制系統的特點是什么？它和一般的專家系統相同與區別在哪里？答：專家控制系統具有全方面的專家系統結構、完善的知識處理功能和實時控制的可靠性能。這種系統采用黑板等結構，知識庫龐大，推理機復雜。它包括有知識獲取子系統和學習子系統，人機接口要求較高。專家式控制器，多為工業專家控制器，是專家控制系統的簡化形式，針對具體的控制對象或過程，著重于啟發式控制知識的開發，具有實時算法和邏輯功能。專家控制系統與一般的專家控制系統的區別：（1）通常的專家系統只完成專門領域問題的咨

35、詢功能，它的推理結果一般用于輔助用戶的決策；而專家控制則要求能對控制動作進行獨立的、自動的決策，它的功能一定要具有連續的可靠性和較強的抗干擾性。（2）通常的專家系統一般處于離線工作方式，而專家控制則要求在線地獲取動態反饋信息，因而是一種動態系統，它應具有使用的靈活性和實時性，即能聯機完成控制。6.直接專家控制系統和間接專家控制各有什么特點，從保證系統的穩定性來看有哪種方法更困難些？答：直接專家控制系統的特點：直接專家控制系統中，專家控制系統直接起控制器作用，專家控制器在控制系統中所處的位置與常規控制器完全相同，所不同的是其內部組成和工作原理，專家控制器采用PID常規的控制算法，基于知識庫和推理

36、機得到相應的控制輸出。間接專家控制系統的特點：其基本的控制作用由算法來完成，專家系統通過對使用算法的調用以及對各種算法參數的整定和修正，間接的控制作用。間接專家控制的系統結構因具體應用的不同會表現出更大的多樣性，同時是PID參數的整定專家，這種專家控制的特點是專家系統間接的對控制信號起作用。直接專家控制系統更困難一些：根據現場過程響應情況和環境條件，利用知識庫中的專家經驗規則，決定什么時候使用什么參數啟動什么算法，它也可以是一個調參專家。根據知識庫中的專家規則，調整PID參數及增益，所以從保證系統穩定性來看直接專家控制器方法更困難一些。7.試比較專家控制系統和模糊控制系統在工作原理、推理機制、

37、知識和規則表示方法的異同。答：1.工作原理：（1）專家控制系統：專家系統的工作過程是根據知識庫中的知識和用戶提供的事實推理，不斷地由已知的前提推出未知的結論，并把這些未知的結論納入工作存儲空間，作為已知的新事物繼續推理，從而把求解的問題由未知狀態轉換為已知狀態。（2）模糊控制系統：模糊控制是模仿人的思維方式和人的控制經驗來實現的一種控制，把模糊集合的理論應用于控制就可以把人的經驗形式化，在控制過程中實現模糊推理與決策。2.推理機制：（1）專家控制系統的推理機制是用于對知識庫中的知識進行推理來得到結論的思維機構。專家系統的自動推理是知識推理。而知識推理是在計算機或智能機器中，在知識表達的基礎上，進行機器思維，求解問題，實現知識推理的智能操作過程。（2）模糊控制系統：模糊推理作為近似推理的一個分支，是模糊控制的理論基礎。在實際應用中，它以數值計算而不是以符號推演為特征，它并不注重如像經典邏輯那樣的基于公理的形式推演或基于賦值的語義運算，而是通過模糊推理的算法，由推理的前提計算出結論。3.知識（1）專家控制系統：專家控制將系統視為基于知識的系統，控制系統的知識表示如下：（a）受控過程的知識：先驗知識，動態知識。（b）控制、