(4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。
3、答:递阶智能机器的一般结构是由三个控制层级,即组织级、协调级和执行级构成的。 这三个控制层级的功能和结构如下: (1) 组织级
组织级代表控制系统的主导思想,并由人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图1所示。
图1 组织级的结构框图
(2) 协调级
协调级是上(组织)级和下(执行)级之间的接口,承上启下,并由人工智能和运筹学共同作用。协调级由一定数量的具有固定结构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯由分配器来完成,而分配器的可变结构是由组织器控制的。 (3) 执行级
执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可由熵来表示,因而统一了智能机器的功用。 4、答:图2给出了一种工业专家控制系统的结构框图。
图2 工业专家控制器简化结构图
该工业专家控制系统的工作原理和各组成部分的作用为:
(1) 知识库(KB):KB存放工业过程控制的领域知识,由经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。
(2) 控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。
(3) 推理机构(IE):其复杂由于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。
(4) 特征识别与信息处理(FR＆IP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。
5、答:模糊控制系统的基本结构如图3所示。其中,模糊控制器由模糊化接口、知识库、推理机和模糊判决接口四个基本单元组成。它们的作用说明如下。
图3 模糊控制系统的基本结构
该工业专家控制系统的工作原理和各组成部分的作用为:
(1) 模糊化接口 测量输入变量(设定输入)和受控系统的输出变量,并把它们映射到一个合
适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。
(2) 知识库 涉及应用领域和控制目标的相关知识,它由数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。
(3) 推理机 是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。
(4) 模糊判决接口 起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标(输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的。
6、答:人工神经网络的结构基本上分为两类,即递归(反馈)网络和前馈网络。 (1) 递归网络
在递归网络中,多个神经元互连以组织一个互连神经网络,如图4所示。有些神经元的输出被反馈至同层或前层神经元。因此,信号能够从正向和反向流通。Hopfield网络,Elmman网络和Jordan网络是递归网络有代表性的例子。递归网络又叫做反馈网络。
图4 递归(反馈)网络 图5 前馈(多层)网络
图4中,表示节点的状态,为节点的输入(初始)值,为收敛后的输出值,i=1,2,...,n。 (2) 前馈网络
前馈网络具有递阶分层结构,由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通;神经元从一层连接至下一层,不存在同层神经元间的连接,如图5所示。图中,实线指明实际信号流通而虚线表示反向传播。前馈网络的例子有多层感知器(MLP)、学习矢量量化(LVQ)网络、小脑模型联接控制(CMAC)网络和数据处理方法(GMDH)网络等。
7、答:学习控制的定义的数学描述为:
在有限时间域[0, T]内,给出受控对象的期望响应,寻求某个给定输入,使得
的响应,在某种意义上获得改善;其中,k为搜索次数,t∈[0,T]。称该搜索过程为学习控制过程。当k→∞时,→,该学习控制过程是收敛的。 根据上述定义,可把学习控制的机理概括如下:
(１) 寻找并求得动态控制系统输入与输出间的比较简单的关系。
(２) 执行每个由前一步控制过程的学习结果更新了的控制过程。 (３) 改善每个控制过程,使其性能优于前一个过程。