智能控制题目及解答

智能控制题目及解答第一章绪论作业作业内容1. 什么是智能、智能系统、智能控制？2. 智能控制系统有哪几种类型，各自的特点是什么？3. 比较智能控制与传统控制的特点。4. 把智能控制看作是ai( 人工智能 )、or( 运筹学)、ac( 自动控制 )和 it( 信息论)的交集，其根据和内涵是什么?5. 智能控制有哪些应用领域？试举出一个应用实例，并说明其工作原理和控制性能。1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应。智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。2 答：（ 1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。（ 2 ）人 -机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。（ 3 ）无人参与的自组控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法； 传统控制通常捕获精确知识来满足控制指标，而智能控制通常是学习积累非精确知识； 传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要精品资料关注其目的和行为是否达到。但是，智能控制与传统的或常规的控制有密切的关系，互相取长补短，而并非互相排斥。基于智能控制与传统控制在应用领域方面、理论方法上和性能指标等方面的差异，往往将常规控制包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。4 答：人工只能（ai）是一个用来模拟人思维的知识处理系统，具有学习、记忆、信息处理、形式语言、启发推理等功能；自动控制（ac ）描述系统的动力学特性，是一种动态反馈；运筹学（ or ）是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等；信息论（it）信息论是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。早期产生的的二元结构被发现是很大程度上局限于符号主义的人工智能，无助于智能控制的有效的、成功的应用，所以后来又引入了运筹学。考虑到信息论对知识和智能的解释作用、控制论和系统论与信息之间的密切关系、信息论对智能控制的作用等方面的因素之后，蔡自兴教授创新性的提出了四元结构，即在三原结构的基础上增加了信息论作为智能控制的一个重要组成部分。智能控制作为一门交叉的学科，所用到的知识都包含这几门学科的内容，所以说可以把智能控制看成是这几门的交集。5 答：主要应用领域：智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制、社会经济管理系统、交通运输系统、环保及能源系统。实例应用：机器人运动轨迹控制。机器人腿部机构由连杆和连接在其端部的从动滚轮组成。机器人行走是通过后部两条腿的两个连杆带动从动滚轮向后作类似于滑冰动作的后蹬动作实现。此类机器人也称滑冰机器人。机器人的行走方向和轨迹通过同时调整几个从动滚轮的方向角来控制。这是一个多自由度、非线性、强耦合的系统,用常规控制器对单个从动滚轮方向角, 难以实现精确的轨迹控制。针对上述控制对象运动轨迹控制问题, 作者提出了一种基于模糊神经网络自适应控制方法。该方法利用模糊神经网络来辩识机器人的逆动力学模型,并以此模型作为控制器提供给机器人主要的广义驱动力 , 加上常规的pd控制器构成完整的控制系统。当模糊神经网络模型给出的驱动力合适, 系统误差小 , pd控制器的控制作用就很弱; 反之 , pd 控制器起主要作用。 模糊规则的制定是利用 pd控制器提取初始模糊规则,利用专家经验对初始规则进行补充, 最后利用误差的反向传播算法对参数进行在线自适应调整。文献给出的验证结果表明该方法很好的解决了该种机器人的运动轨迹控制问题。这种方法的优点是利用智能控制理论解决运动轨迹控制问题, 利用常规控制方法解决控制系统抗干扰的问题。举例说明模糊性的客观性和主观性。答：模糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量的特点。例如：如果一个人的身高大于等于180cm 算高的， 170-180cm之间的算中等， 低于 170cm 的算矮的 .如果一个人的身高为 179.999cm 那么算高还是中等？理论上从客观的角度说他是中等的，但是179.999 与 180 我们是分辨不出来的，从主观上我们认为他是高的。这就是没有量化的模糊的概念。 模糊性与随机性有哪些异同？答：同：模糊性由于事物类属划分的不分明而引起的判断上的不确定性；随机性是由于条件不充分而导致的结果的不确定性。所以，它们都表示不确定性。异：随机性反映了因果律的破缺；模糊性所反映的是排中律的破缺。随机性现象可用概率论的数学方法加以处理，模糊性现象则需要运用模糊数学。比较模糊集合与普通集合的异同。答：异：（1 ）普通集合是指具有某种属性的对象的全体。这种属性所表达的概念应该是清晰的， 界限分明的。因此每个对象对于集合的隶属关系也是明确的，非此即彼。模糊集合就是指具有 某个模糊概念所描述的属性的对象的全体。由于概念本身不是清晰的、界限分明的，因而对象 对集合的隶属关系也不是明确的、非此即彼的。（ 2）普通集合的表示法有列举法、描述法、图示法、自然语言。模糊集合表示法有zadeh表示法、向量表示法、序偶表示法。同：都属于集合，同时具备集合的基本性质。第二章模糊控制的理论基础作 业 1作业内容1. 举例说明模糊性的客观性和主观性。2. 模糊性与随机性有哪些异同？3. 比较模糊集合与普通集合的异同。4-5.见本空间分类资源习题-第二章第4、5 题。1 答:模糊性的主观性反映在模糊隶属函数的确定性，依靠主观认识和认为经验，客观反映在虽然在方法的使用过程中有主观性，但得到的对事物的认知结果，反映了事物的本质，是对事物的客观认识。例如：对温度的界定，按经典集合的定义，人感到适宜的温度是15 到 25 摄 氏度，低于 15 摄氏度定义为冷， 并且 14 摄氏度和0 摄氏度都定义为冷，显然冷的程度是不同的， 高于 25 摄氏度定义为热。因此采用这种离散型严格的不能明显的划分，模糊性的划分不仅容易被大众接受和区别，也更接近事实，反映了温度连续性的客观事实。2 答：模糊性是从主观性上反应事物发展的可能性，客观性是从客观上反应事物发生的可能性。随机性是由于事物的因果关系不确定而造成的，由概率统计加以研究，是概率分析、设计的范畴，表现的是语言的不确定性。模糊性在本质上没什么明确的含义，在量上没有什么明确界限，这种边界的模糊不是由于人的主观认识达不到客观实际而造成的，而是事物的客观属性，是事物的差异之间存在中间过渡过程而造成的。在描述方法上，模糊性采用隶属函数划分，揭示事物的客观可能性分析。模糊实验常常与心理等主观因素联系在一起，而随机性采用概率函数来划分，采用对随机现象的统计观察，求出平均比例分布，且随机实验可以客观进行。00x504解：not so old (x)1(x50 / 5)212050x1000x50very old ( x)1(x50 / 5)02250x1000x50more or less old ( x)1(x50 / 5)21450x1005解：a r(0.70.5)(0.10.6)(0.40) (0.70.8)(0.10.4)(0.40.3) (0.70.1)(0.10)(0.40.6) (0.70.2)(0.10.1)(0.40.3)0.5 0.7 0.4 0.3第二章模糊控制的理论基础作 业 2作业内容6令论域u1234 ，给定语言变量“small ”=1/1+0.7/2+0.3/3+0.1/4和模糊关系 r= “almost 相等”定义如下：r利用 max-min复合运算，试计算：r( y)(x是small )( almost相等）3 答：普通集合是经典集合或者称为清晰集合，具有清晰的边界。模糊集合不具有清晰的界限。普通集合也就是一个元素不属于一个集合是突变或非此即彼的，属于就是属于，不属于就是不属于。而模糊集合中引入了隶属度的概念，元素只在一定程度上属于集合，有时候这种表示方法更接近实际，更便于研究问题，更为人所接受。10.60.100.610.60.10.10.610.600.10.617 已知模糊关系矩阵：10.80.8100.40.100.20.9r00.10.20.400.9100100.500.51计算 r 的二至四次幂。8 设有论域 x x1 ,x2 ,x3 ,y y1 ,y2 ,y3,z z1 ,z2 ，二维模糊条件语句为“若a 且 b 则 c，”其中a0.5x1b0.1y10.4cz110.1 ,x2x310.6 ,y2y31,cz2a bf ( z )f ( x )f (y)a*1x1已知b*0.1y10.5x20.5y20.1 ,x31,y3a*f ( x )b *f (y)*由关系合成推理法，求得推理结论c。6 解：r（ y）(10.70.30.1)10.60.100.610.60.10.10.610.600.10.61( 11 )( 0. 70. 6 )( 0. 30. 1 )t( 0. 10 )( 10. 6 )( 0.7( 10. 1)( 0.71 )( 0. 30. 6 )( 0. 10. 1 )10. 70. 60. 30. 6 )( 0. 31)( 0. 10. 6 )( 10 )( 0. 70. 1 )( 0. 30. 6 )( 0. 11 )7 解： r2rr10.800.10.210.800.10.20.810.400.90.810.400.900.410000.41000.10010.50.10010.50.20.900.510.20.900.5110.80.40.20.80.810.40.50.90.40.4100.40.20.5010.50.80.90.40.513210.80.40.50.80.810.40.50.90.40.410.40.40.50.50.410.50.80.90.40.5110.80.40.50.80.810.40.50.90.40.410.40.40.50.50.410.50.80.90.40.51rrrr4r2r28 解：令 r 表示模糊关系，则rabc .0.5rab1tt10.110.60.10.50.10.510.50.60.10.50.510.11110.60.110.60.10.10.110.10.60.10.10.11将 rt 按行展开写成列向量为0.10.50.50.110.60.10.10.1 t0.10.10.40.110.10.10.50.50.40.510.40.50.50.50.40.510.40.50.10.10.40.110.10.1t所以， rr1c10.4110.4110.41.0.60.60.40.610.40.60.10.10.40.110.10.10.10.10.40.110.10.10.10.10.40.110.10.110.10.51又因为 cabr，ab0.50.10.510.10.50.5，0.10.10.10.1将 ab 按行展开写成行向量，为0.10.510.10.50.50.10.10.1 ，则cabr0. 40. 5即c0.40.5z1z2第二章模糊控制的理论基础作 业 3作业内容已知语言变量x，y，z。x 的论域为 1,2,3 ，定义有两个语言值： “大”0, 0.5, 1 ；“小”=1, 0.5, 0 。y 的论域为 10,20,30,40,50 ，语言值为：“高”=0, 0, 0, 0.5, 1 ；“中”=0, 0.5, 1, 0.5, 0;“低”=1, 0.5, 0, 0, 0 。z 的论域为 0.1,0.2,0.3 ，语言值为：“长”=0, 0.5, 1 ；“短”=1, 0.5, 0则： 1）试求规则：如果x 是“大”并且y是“高”那么z 是“长”；否则，如果x是“小”并且y 是“中”那么z 是“短”。所蕴涵的x，y， z 之间的模糊关系r。2）假设在某时刻， x 是“略小”=0.7, 0.25, 0 ，y 是“略高 ”=0, 0, 0.3,0.7, 1试根据 r 分别通过 zadeh 法和 mamdani法模糊推理求出此时输出z的语言取值。解：1 ）设“如果x 是大并且y 是高，那么z 是长”， x,y,z 之间的模糊关系为r1 ；“如果x 是小并且y 是中，那么z 是短”， x,y,z 之间的模糊关系为r2 。所以： r= （ x 是大y 是高）z 是长（x 是小y 是中）z 是短 = r1 r2000000x 是大y 是高 =0.50000.510000.50.510000.510000000000000000000000000000r1 =（ x 是大y 是高）z 是长=000.51 =0000.500.50.50.500.50.50000000000000.500.50.5100.51同理，100.510.50x 是小y 是中 =0.500.510.5000.50.50.5000000000000.50.50.50110.500.50.50.50000000000.50.50.50r2 =（ x 是小y 是中）z 是短 =0.510.50 =0,。50.500.50.50.50.5000.50.5000000000000000.50.5000.510000000000000.50.500.50.5000010.5010.500000.50.500.50.500000000000000000000000.50.500.50.50r= r1 r2 =000 0.50.50=0.50.5000.50.50.50.500.50.50.500.50.500.50.500.50.500000000000000000000000000000.50.500.50.500.50.500.5100.5100.51zadeh 法 ：z1max x 大x略小 max y略高y高 z 长 00.250.25z 2max x 小x 略 小 maxy略高y中 z短 0.50.50zz1z 2 0.50.50.25mamdani法：000000x 大y高0.50000.510000.50.510000.51高长r1( x 大y) tz000000000.50.5000t0 .5100.5100000000000000t0000000000.50.50000.50.5000000000.50.50000.51100.510.50x 小y中0.500.510.5000.50.50.50000000第四章神经网络基础作业作业内容1. 生物神经元模型的结构功能是什么？2. 人工神经元模型的特点是什么？3. 人工神经网络的特点是什么？如何分类？4. 有哪几种常用的神经网络学习算法？1 答：生物神经元由细胞体、树突和轴突组成。其中，细胞体是神经元的主体，担当着信息处理的角色；树突主要作用是接受神经元的输入信息；轴突的主要作用是信息的输出，把细胞体处理的信息从轴突起点传递到轴突末梢，轴突末梢与另一个神经元的树突或细胞体形成一种突触结构，实现神经元之间的信息传递。2 答： 1）非线性2） 分布处理3） 学习并行和自适应4） 数据融合5） 适用于多变量系统6） 便于硬件实现3 答：特点：（ 1）能逼近任意非线性函数；（2） ）信息的并行分布式处理与存储；（3） ）可以多输入、多输出；（4） ）便于用超大规模集成电路（visi ）或光学集成电路系统实现，或用现有的计算机技术实现；（5） ）能进行学习，以适应环境的变化。分类：根据网络连接结构分：前馈型网络、反馈型网络和自组织网络；根据知识获取方式分：监督学习型、无监督学习型和再励学习型；根据连接权对网络输出的影响：可以把前馈网络分成全局性网络和局部性网络。4 答：目前神经网络的学习算法有多种，按有无导师分类，可分为有教师学习（supervised learning ）、无教师学习（unsupervised learning）和再励学习（reinforcement learning）等几大类。有导师的学习（监督学习）：在学习过程中，网络根据实际输出与期望输出的比较，进行联接权系的调整，将期望输出称导师信号是评价学习的标准。无导师的学习（无监督、或称自组织）：无导师信号提供给网络，网络能根据其特有的结构和学习规则，进行联系权系的调整，此时，网络的学习评价标准隐含于其内部。再励学习（强化学习） ：把学习看为试探评价过程，学习机选择一动作作用于环境，环境的状态改变，并产生再励信号 re 反馈至学习机，学习机依据再励信号与环境当前状态，再选择下一动作作用于环境，选择的原则是是受到激励的可能性增加。其中，最基本的神经网络学习算法：1 ） widrow-hoff学习规则2) hebb学习规则第五章典型神经网络作业作业内容1 、bp 算法的特点是什么？增大权值是否能够使bp 学习变慢？2 、为什么说 bp 网络是全局逼近的， 而 rbf 网络是局部逼近的？它们各有突出特点是什么？3 、何为神经网络的泛化能力？影响泛化能力的因素有哪些？1 、bp 算法的特点是什么？增大权值能否使 bp 学习变慢？答： bp 模型可以实现多层网络学习的设想， 它的学习是典型的有导师学习， 基本思想是梯度下降法，以期网络的实际输出与期望输出的误差均方值最小。 bp 算方有正向传播和反向传播组成， 具有很好的逼近能力和泛化能力。增大权值不一定使 bp 学习变慢，因为它还与输出层相连的权值的调整量有关。2 、为什么说bp 网络是全局逼近的，而 rbf 网络是局部逼近的？他们各自的突出特点是什么？ 答： bp 网络的活化函数是s 函数，其值在输入空间中无限大的范围内为非零值，因而是全局逼近的神经网络；rbf 网络的活化函数是高斯基函数，其值在输入空间中有限范围是非零值，所以是局部逼近的神经网络。bp 网络特点：（ 1）是一种多层网络，包括输入层、隐含层和输出层；（ 2）层与层之间采用全互联方式，同一层神经元之间不连接；（ 3）权值通过delta 学习算法进行调节；（ 4）活化函数为s 函数；（ 5）学习算法由正向算法和反向算法组成；（ 6）层与层之间的连接是单向的，信息的传播是双向的。rbf 网络特点：（ 1）活化函数为高斯基函数，其值在输入空间有限范围内为非零值，因而是局部逼近神经网络；（ 2） rbf 网络隐层节点的中心及基宽度参数的确定是一个困难的问题；（ 3） rbf 网络具有唯一最佳逼近特性，且无局部极小。3 、何为神经网络泛化能力？影响泛化能力的因素有哪些？ 答：泛化能力：用较少的样本进行训练，使网络能在给定区域内达到要求的精度。影响泛化能力的因素：1、样本；2 、结构；3 、初始权值；4 、训练样本集；5 、需测试集、第五章典型神经网络作 业 2作业内容已知一个非线性函数y=12( x12)sin(2 x2) ，试用三层bp 网络逼近输出 y，画出网络的结构，写出网络各层节点的表达式以及各层节点输出值的范围。xjwij xii1（采用 s 传递函数）xf (x )jj1e x jxw xljljj选择线性函数则有yxl ，选择s 函数则有yf (xl )11e xl11xj范围：(,21e( x1 x2 ) )x55l(, 21e ( x1 x2 ) )第六章高级神经网络作业作业内容pid 控制器的一般形式为u(k)=kpe(k)+ki j=0ke(j)+kde(k)-e(k-1) 可写成等价形式u(k)=k1u1(k)+k2u2(k)+k3u3(k)其 中 ， u1(k)=e(k) ，amathu2(k)= j=0ke(k)endmath ，amathu3(k)= e(k)=e(k)-e(k-1)endmath， amathk1endmath、amathk2endmath和 amathk3endmath为 pid 控 制 器 amathkpendmath 、amathkiendmath和 amathkdendmath三个参数的线性表示。这一形式可 以看成以amathu1(k)endmath、amathu2(k)endmath和amathu3(k)endmath为输入， amathk1endmath、amathk2endmath和amathk3endmath为权系数的神经网络结构，试推导出自适应神经网络pid 控制器参数调整的学习算法。第八章专家控制 _作业作业内容1. 什么叫产生式系统？它由哪些部分组成？试举例略加说明。2. 专家系统有哪些部分构成？各部分的作用如何？专家系统它具有哪些特点与优点？3. 在专家系统中，推理机制，控制策略和搜索方法是如何定义的，它们之间存在什么样的关系？4. 设计专家控制器时应考虑哪些特点？专家控制系统的一般结构模型为何？5. 专家控制系统的特点是什么？它和一般的专家系统相同和区别在哪里？6. 直接专家控制系统和间接专家控制系统各自有什么特点，从保证系统的稳定性来看哪种方法更困难些？7. 试比较专家控制系统和模糊控制系统在工作原理、推理机制、知识和规则表示方法的异同。1 什么叫产生式系统？它由哪些部分组成？试举例略加说明。答：如果满足某个条件，那么就应当采取某些行动，满足这种产生式规则的专家系统成为产生式系统。产生式系统主要是由总数据库、产生式规则和推理机构组成。举例：医疗产生时系统2 专家系统有哪些部分构成？各部分的作用如何？专家系统它具有哪些特点与优点？ 答：专家系统组成：知识库：知识库是知识的存储器，用于存储领域专家的经验性知识以及有关的事实、一般常识等。知识库中的知识来源于知识获取机构，同时它又为推理机提供求解问题所需的知识。推理机：推理机是专家系统的“思维 ”机构，实际上是求解问题的计算机软件系统。综合推理机的运行可以有不同的控制策略。数据库（全局数据库）：又称为“黑板 ”或“数据库 ”。它是用于存放推理的初始证据、中间结果以及最终结果等的工作存储器（working memory）。解释接口：又称人-机界面，它把用户输人的信息转换成系统内规范化的表示形式，然后交给相应模块去处理，把系统输出的信息转换成用户易于理解的外部表示形式显示给用户，回答 用户提出的 “为什么？ ”结“论是如何得出的？”等问题。知识获取：知识获取是指通过人工方法或机器学习的方法，将某个领域内的事实性知识和领域专家所特有的经验性知识转化为计算机程序的过程。对知识库的修改和扩充也是在系统的调试和验证中进行的，是一件很困难的工作。知识获取被认为是专家系统中的一个“瓶颈 ”问题。专家系统特点：具有专家水平的专门知识能进行有效的推理专家系统的透明性和灵活性具有一定的复杂性与难度3 在专家系统中，推理机制，控制策略和搜索方法是如何定义的，它们之间存在什么样的关系？答：推理机制是据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统的自动推理是知识推理。而知识推理是在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。在专家系统中，可以依据专家所具有的知识的特点来选择知识表示的方法，而只是推理技术同知识方法有密切关系。控制策略求解问题的策略，即推理的控制策略。而控制策略包括推理方向、推理路线、冲突消解策略、理的效果与效率等，按推理进行的路线与方向，推理可分正向推理、反向推理、混合推理。搜索方法：推理机是用于对知识库中的知识进行推理来得到结论的“思维”机构。推理机制，控制策略（推理机构）和搜索方法三者都属于推理范畴，是一个整体。只是执行顺序不同而已。4 设计专家控制器时应考虑哪些特点？专家控制系统的一般结构模型为何？ 答：专家控制器的设计原则：（ 1）多样化的模型描述。（ 2）在线处理的灵巧性。（ 3）灵活性的控制策略。（ 4）决策机构的递阶性。（ 5）推理与决策的实时性。专家控制系统的一般结构模型：5 专家控制系统的特点是什么？它和一般的专家系统相同和区别在哪里？答：专家控制系统具有全面的专家系统结构、完善的知识处理功能和实时控制的可靠性能。这种系统采用黑板等结构，知识库庞大，推理机复杂。它包括有知识获取子系统和学习子系统， 人-机接口要求较高。专家式控制器，多为工业专家控制器，是专家控制系统的简化形式，针对具体的控制对象或过程，着重于启发式控制知识的开发，具有实时算法和逻辑功能。设计较小的知识库、简单的推理机制，可以省去复杂的人-机接口。由于其结构较为简单，又能满足工业过程控制的要求。专家控制与一般的专家系统的区别：（ 1 ）通常的专家系统只完成专门领域问题的咨询功能，它的推理结果一般用于辅助用户的决策；而专家控制则要求能对控制动作进行独立的、自动的决策，它的功能一定要具有连续的可靠性和较强的抗扰性。（ 2 ）通常的专家系统一般处于离线工作方式，而专家控制则要求在线地获取动态反馈信息， 因而是一种动态系统，它应具有使用的灵活性和实时性，即能联机完成控制。6 直接专家控制系统和间接专家控制系统各自有什么特点，从保证系统的稳定性来看哪种方法更困难些？答：当基于知识的控制器直接影响被控对象时，叫做直接专家控制。直接专家控制系统中，专家系统直接起控制器的作用。专家控制器在控制系统中所处位置与常规控制器完全相同，所不同的是其内部组成和工作机理。常规控制器基于pid 等常规的控制算法，而专家控制器采用类似的专家系统的结构和原理，基于知识库和推理机得到相应的控制输出。当基于知识的控制器仅仅间接影响控制系统时(如：监督控制系统， 调节一关键结构参数等)， 称作间接专家控制系统。其基本的控制作用由算法来完成，专家系统通过对使用算法的调用以及对各种算法参数的整定和修正，其间接地控制作用。间接专家控制的系统结构因具体应用的不同会表现出更大的多样性，同样是pid 参数的整定专家。这种专家控制的最大特点是专家系统间接地对控制信号起作用。专家系统可以用来协调所有算法。根据现场过程响应情况和环境条件，利用知识库中的专家经验规则，决定什么时候使用什么参数启动什么算法。它也可以是一个调参专家。根据知识库中的专家规则，调整pid 参数及增益等。所以从保证系统的稳定性来看直接专家控制器方法更困难些。7 试比较专家控制系统和模糊控制系统在工作原理、推理机制、 知识和规则表示方法的异同。答：工作原理：（ 1）专家控制系统：专家系统的工作过程是根据知识库中的知识和用户提供的事实推理， 不断地由已知的前提推出未知的结论，并把这些未知的结论纳入工作存储空间，作为已知的新事实继续推理，从而把求解的问题由未知状态转换为已知状态。可见，专家系统的工作过程是专家工作过程的一种机器模拟。（ 2）模糊控制系统：模糊控制是模仿人的思维方式和人的控制经验来实现的一种控制。把模糊集合的理论应用于控制就可以把人的经验形式化，在控制过程中实现模糊推理与决策。推理机制：（ 1 ）专家系统的推理机是用于对知识库中的知识进行推理来得到结论的“ 思维 ”机构。专家系统的自动推理是知识推理。而知识推理是在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。专家系统推理机包括三种推理方式：（ 1 ）正向推理（2）反向推理（ 3）双向推理（ 2 ）模糊控制系统：模糊推理作为近似推理的一个分支,是模糊控制的理论基础。在实际应用中 ,它以数值计算而不是以符号推演为特征, 它并不注重如像经典逻辑那样的基于公理的形式推演或基于赋值的语义运算,而是通过模糊推理的算法,由推理的前提计算出(而不是推演出)结论。知识：（ 1 ）专家控制系统：专家控制将系统视为基于知识的系统，控制系统的知识表示如下：(a) 受控过程的知识 先验知识：包括问题的类型及开环特性；动态知识：包括中间状态及特性变化。（ b）控制、辨识、诊断知识 定量知识：各种算法；定性知识：各种经验、逻辑、直观判断。按照专家系统知识库的结构，有关知识可以分类组织，形成数据库和规则库，从而构成专家控制系统的知识源。在专家系统中，可以依据专家所具有的知识的特点来选择知识表示的方法。（ 2 ）模糊控制系统: 知识库包括数据库和规则库, 模糊控制器设计的关键在于如何有效地建立知识库。数据库的定性设计包括：量化等级的选择；量化方法 （线性量化或非线性量化）；量化因子 （比例因子）；模糊子集的隶属度函数。规则库：用一系列模糊条件描述的模糊控制规则就构成模糊控制规则库。规则表示：（ 1）专家控制系统：专家控制的规则库一般采用产生式规则表示： “if 控制局势（事实和数据）then操作结论”由多条产生式