智能控制題庫(kù)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上1. 試說(shuō)明智能控制的的基本特點(diǎn)是什么？（1）學(xué)習(xí)功能（ 1 分）（2）適應(yīng)功能（ 1 分） （3）自組織功能（ 1 分）（4）優(yōu)化能力（ 2 分）2、試簡(jiǎn)述智能控制的幾個(gè)重要分支。專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。3、試說(shuō)明智能控制研究的數(shù)學(xué)工具。智能控制研究的數(shù)學(xué)工具為： （1）符號(hào)推理與數(shù)值計(jì)算的結(jié)合； （2）離散事件與連續(xù)時(shí)間系統(tǒng)得結(jié)合； （3）模糊集理論；（4）神經(jīng)網(wǎng)絡(luò)理論； （5）優(yōu)化理論4. 智能控制系統(tǒng)有哪些類型，各自的特點(diǎn)是什么？（1）專家控制系統(tǒng)（ 1 分）專家系統(tǒng)主要指的是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與

2、經(jīng)驗(yàn)。它具有啟發(fā)性、透明性、靈活性、符號(hào)操作、不一確定性推理等特點(diǎn)。（2）模糊控制系統(tǒng)（ 1 分）在被控制對(duì)象的模糊模型的基礎(chǔ)上，運(yùn)用模糊控制器近似推理手段，實(shí)現(xiàn)系統(tǒng)控制的一種方法模糊模型是用模糊語(yǔ)言和規(guī)則描述的一個(gè)系統(tǒng)的動(dòng)態(tài)特性及性能指標(biāo)。（3）神經(jīng)控制系統(tǒng)（ 1 分）神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的主要特征。5、簡(jiǎn)述 專家控制與專家系統(tǒng)存在的區(qū)別 。專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：（1）專家系統(tǒng)能完成專門(mén)領(lǐng)域的功能，輔助用戶決策；專家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的自動(dòng)決策。專家控制比專家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。（2）專家系統(tǒng)處于離線工作方

3、式，而專家控制要求在線獲取反饋信息，即要求在線工作方式。6、試說(shuō)明智能控制的三元結(jié)構(gòu)，并畫(huà)出展示它們之間關(guān)系的示意圖。把智能控制擴(kuò)展為三元結(jié)構(gòu)，即把人工智能、自動(dòng)控 制 和運(yùn)籌 學(xué)交接如下表示：（2 分）IC=AI ACOROR一運(yùn)籌學(xué)（ Operation research）IC 一智能控制 ( intelligent control);Al 一人工智能 (artificial intelligence);AC 一自動(dòng)控制 (automatic Colltrol);一表示交集 .8. 簡(jiǎn)述智能控制系統(tǒng)較傳統(tǒng)控制的優(yōu)點(diǎn)。在傳統(tǒng)控制的實(shí)際應(yīng)用遇到很多難解決的問(wèn)題，主要表現(xiàn)以下幾點(diǎn)： （1）實(shí)際系

4、統(tǒng)由于存在復(fù)雜性、非線性、時(shí)變性、不確定性和不完全性等，無(wú)法獲得精確的數(shù)學(xué)模型。 (1 分)（2）某些復(fù)雜的和包含不確定性的控制過(guò)程無(wú)法用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述，即無(wú)法解決建模問(wèn)題。 (1 分)（3）針對(duì)實(shí)際系統(tǒng)往往需要進(jìn)行一些比較苛刻的線性化假設(shè)，而這些假設(shè)往往與實(shí)際系統(tǒng)不符合。 (1 分)（4）實(shí)際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對(duì)復(fù)雜的控制任務(wù)，如機(jī)器人控制、 CIMS 、社會(huì)經(jīng)濟(jì)管理系統(tǒng)等復(fù)雜任務(wù)無(wú)能為力。 (1 分)智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合起來(lái)， 其控制方法適應(yīng)對(duì)象的復(fù)雜性和不確定性 ,能夠比較有效的解決上述問(wèn)題 ,具有較大的優(yōu)越性。 ( 1 分)9、智能

5、控制與傳統(tǒng)控制的主要區(qū)別如何？傳統(tǒng)控制： 經(jīng)典反饋控制和現(xiàn)代理論控制。 它們的主要特征是基于精確的系統(tǒng)數(shù)學(xué)模型的控制。 適于解決線性、時(shí)不變等相對(duì)簡(jiǎn)單的控制問(wèn)題。智能控制：以上問(wèn)題用智能的方法同樣可以解決。智能控制是對(duì)傳統(tǒng)控制理論的發(fā)展，能夠解決傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題，如：對(duì)象的不確定性、高度的非線性和復(fù)雜的任務(wù)要求。傳統(tǒng)控制是智能控制的一個(gè)組成部分，在這個(gè)意義下，兩者可以統(tǒng)一在智能控制的框架下。10在模糊控制器的設(shè)計(jì)中，常用的反模糊化的方法有哪幾種？專心-專注-專業(yè)最大隸屬度法、中心法和加權(quán)平均法。2. 簡(jiǎn)述將模糊控制規(guī)則離線轉(zhuǎn)化為查詢表形式的模糊控制器的設(shè)計(jì)步驟。(1)

6、確定模糊控制器的結(jié)構(gòu) ; (2) 定義輸入、輸出模糊集； (3) 定義輸入、輸出隸屬函數(shù)； (4)建立模糊控制規(guī)則； (5) 建立模糊控制表； (6) 模糊推理； (7) 反模糊化。3. 簡(jiǎn)述模糊控制的發(fā)展方向模糊控制的發(fā)展方向有： （） Fuzzy-PID 復(fù)合控制（ 2）自適應(yīng)模糊控制（ 3）專家模糊控制（ 4）神經(jīng)模糊控制（5）多變量模糊控制13、模糊控制系統(tǒng)一般由幾個(gè)部分組成？1）模糊控制器 2）輸入 /輸出接口裝置 3）廣義對(duì)象 4）傳感器14、比較模糊集合與普通集合的異同。比較模糊集合與普通集合的異同。相同點(diǎn)：都表示一個(gè)集合；不同點(diǎn)： 普通集合具有特定的對(duì)象。 而模糊集合沒(méi)有特定的

7、對(duì)象， 允許在符合與不符合中間存在中間過(guò)渡狀態(tài)。15簡(jiǎn)述模糊集合的概念。設(shè) 為某些對(duì)象的集合 , 稱為論域 , 可以是連續(xù)的或離散的； 論域 到0,1 區(qū)間的任一映射 : 0,1 確定了 的一個(gè)模糊子集 ； 稱為 的隸屬函數(shù)，表示論域 的任意元素 屬于模糊子集 F 的程度。模糊子集 F 的表示方法有幾種，如：向量表示法、 Zadeh 表示法、序偶表示法等。16、請(qǐng)畫(huà)出模糊控制系統(tǒng)的組成框圖，并結(jié)合該圖說(shuō)明模糊控制器的工作原理。模糊控制器的工作原理為 :(1) 模糊化接口 測(cè)量輸入變量 (設(shè)定輸入 )和受控系統(tǒng)的輸出變量 ,并把它們映射到一個(gè)合適的響應(yīng)論域的量程 ,然后,精確的輸入數(shù)據(jù)被變換為適

8、當(dāng)?shù)恼Z(yǔ)言值或模糊集合的標(biāo)識(shí)符。本單元可視為模糊集合的標(biāo)記。(2) 知識(shí)庫(kù) 涉及應(yīng)用領(lǐng)域和控制目標(biāo)的相關(guān)知識(shí) ,它由數(shù)據(jù)庫(kù)和語(yǔ)言 (模糊 )控制規(guī)則庫(kù)組成。數(shù)據(jù)庫(kù)為語(yǔ)言控制規(guī)則的論域離散化和隸屬函數(shù)提供必要的定義。語(yǔ)言控制規(guī)則標(biāo)記控制目標(biāo)和領(lǐng)域?qū)＜业目刂撇呗浴?3) 推理機(jī) 是模糊控制系統(tǒng)的核心。 以模糊概念為基礎(chǔ) ,模糊控制信息可通過(guò)模糊蘊(yùn)涵和模糊邏輯的推理規(guī)則來(lái)獲取,并可實(shí)現(xiàn)擬人決策過(guò)程。根據(jù)模糊輸入和模糊控制規(guī)則 ,模糊推理求解模糊關(guān)系方程 ,獲得模糊輸出。(4) 模糊判決接口 起到模糊控制的推斷作用 ,并產(chǎn)生一個(gè)精確的或非模糊的控制作用。 此精確控制作用必須進(jìn)行逆定標(biāo)(輸出定標(biāo) ),這一

9、作用是在對(duì)受控過(guò)程進(jìn)行控制之前通過(guò)量程變換來(lái)實(shí)現(xiàn)的17試寫(xiě)出 3 種常用模糊條件語(yǔ)句及對(duì)應(yīng)的模糊關(guān)系 R的表達(dá)式。（1）設(shè) A、 B分別是論域 、上的模糊集合， 則模糊條件語(yǔ)句“ if Athen B” 所決定的 二元模糊關(guān)系為： R A B A E A B（2）設(shè) A、B和 C分別是論域 、和 上的模糊集合， 則模糊條件語(yǔ)句“ if Athen BelseC ” 所決定的二元模糊關(guān)系為： R A B A CA B（3） 設(shè)A 、B 和C 分別是論域 、 和 上的模糊集合， 則模糊條件語(yǔ)句 “if A and B thenC T1”所決定的二元模糊關(guān)系為： R A B C18人工神經(jīng)網(wǎng)絡(luò)有哪些

10、主要的結(jié)構(gòu)特征？（1）并行處理；（2 分）（2）信息分布式存儲(chǔ)；（2 分）容錯(cuò)性。（1 分）19簡(jiǎn)述神經(jīng)元模型并畫(huà)出結(jié)構(gòu)圖。和神經(jīng)生理學(xué)類似 , 人工神經(jīng)網(wǎng)絡(luò)的的基本處理單元稱為神經(jīng)元， 每個(gè)神經(jīng)元模型模擬一個(gè)生物神經(jīng)元 , 如圖所示：神經(jīng)元模型該神經(jīng)元單元由多個(gè)輸入 ,i=1, 2, ., n 和一個(gè)輸出 y 組成。中間狀態(tài)由輸入信號(hào)加權(quán)和表示 , 其輸出為 :式中, 為神經(jīng)元單元的閾值 ), 為連接權(quán)系數(shù) ( 對(duì)于激發(fā)狀態(tài) , 取正值 , 對(duì)于抑制狀態(tài) , 取負(fù)值 ) ,n為輸入信號(hào)數(shù)目 , 為神經(jīng)元輸出 ,t 為時(shí)間 ,f( ) 為輸出變換函數(shù) , 有時(shí)叫做激發(fā)或激勵(lì)函數(shù) , 往往采用

11、0 和 1 二值函數(shù)、 S 形函數(shù)和高斯函數(shù)等。20、神經(jīng)網(wǎng)絡(luò)應(yīng)具備的四個(gè)基本屬性是什么？1）并行分布式處理 2）非線性處理 3）自學(xué)習(xí)功能 4）可通過(guò)硬件實(shí)現(xiàn)并行處理21簡(jiǎn)述誤差反向傳播學(xué)習(xí)算法的主要思想誤差反傳算法的主要思想是把學(xué)習(xí)過(guò)程分為兩個(gè)階段（ 1 分）：第一階段（正向傳播過(guò)程）給出輸入信息通過(guò)輸入層經(jīng)隱含層逐層處理并計(jì)算每個(gè)單元的實(shí)際輸出值（ 2 分）；第二階段（反向過(guò)程） ，若在輸出層未能得到期望輸出值，則逐層遞歸的計(jì)算實(shí)際輸出與期望輸出之差值（誤差）以便根據(jù)此差值調(diào)節(jié)權(quán)值。22簡(jiǎn)述前向 (多層)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并畫(huà)出結(jié)構(gòu)圖。前向( 多層) 神經(jīng)網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu) , 由一些同層

12、神經(jīng)元間不存在互連的層組成。從輸入層至輸出層的信號(hào)通過(guò)單向連接流通；神經(jīng)元從一層連接至下一層 , 不存在同層神經(jīng)元間的連接 , 如圖所示。前向 ( 多層) 神經(jīng)網(wǎng)絡(luò)具有形式，如：多層感知器、 BP網(wǎng)絡(luò)、 RBF網(wǎng)絡(luò)等。前向( 多層) 神經(jīng)網(wǎng)絡(luò)4. 簡(jiǎn)述專家系統(tǒng)與專家控制的區(qū)別。專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：（1）專家系統(tǒng)能完成專門(mén)領(lǐng)域的功能，輔助用戶決策；專家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的自動(dòng)決策。專家控制比專家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作方式。24試比較特征函數(shù)和隸屬函數(shù)。特征函數(shù)用來(lái)表示

13、某個(gè)元素是否屬于普通集合，而隸屬函數(shù)則用來(lái)表示某個(gè)元素屬于模糊集合的程度，特征函數(shù)的取值 0 ，1 ，而隸屬函數(shù)的取值 0，1，特征函數(shù)可以看作特殊的隸屬函數(shù)5. 請(qǐng)畫(huà)出直接型專家控制器的結(jié)構(gòu)圖并說(shuō)明其設(shè)計(jì)思想。圖略 直接型專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過(guò)程。具有模擬操作工人智能的功能。這種類型的控制器任務(wù)和功能相對(duì)簡(jiǎn)單，但需要在線、實(shí)時(shí)控制。6. 畫(huà)出間接型專家控制器的結(jié)構(gòu)圖并說(shuō)明其設(shè)計(jì)思想。圖略 設(shè)計(jì)思想：間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對(duì)生產(chǎn)過(guò)程或被控對(duì)象進(jìn)行間接控制的智能控制系統(tǒng)。具有模擬（或延伸，擴(kuò)展）控制工程師智能的功能。該控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織

14、等高層決策的智能控制。7. 簡(jiǎn)述專家系統(tǒng)的基本構(gòu)成。知識(shí)庫(kù)和推理機(jī)，8. 簡(jiǎn)述直接型專家控制器的主要設(shè)計(jì)內(nèi)容。直接型專家控制器的主要設(shè)計(jì)內(nèi)容： 建立知識(shí)庫(kù)； 控制知識(shí)的獲取； 選擇合適的推理方法。9. 根據(jù)高層決策功能的性質(zhì)，簡(jiǎn)述間接型專家控制器的分類。按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型： 優(yōu)化型專家控制器 ； 適應(yīng)型專家控制器 ； 協(xié)調(diào)型專家控制器 ； 組織型專家控制器 。10. 試述何為有導(dǎo)師學(xué)習(xí)？何為為無(wú)導(dǎo)師學(xué)習(xí)？有導(dǎo)師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是糾錯(cuò)規(guī)則。在學(xué)習(xí)訓(xùn)練過(guò)程中需要不斷給網(wǎng)絡(luò)成對(duì)提供一個(gè)輸入模式和一個(gè)期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號(hào)

15、” 。將神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出同期望輸出進(jìn)行比較，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不符時(shí)，根據(jù)差錯(cuò)的方向和大小按一定的規(guī)則調(diào)整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更接近期望結(jié)果。無(wú)導(dǎo)師學(xué)習(xí)也稱為無(wú)監(jiān)督學(xué)習(xí)，學(xué)習(xí)過(guò)程中，需要不斷給網(wǎng)絡(luò)提供動(dòng)態(tài)輸入信息，網(wǎng)絡(luò)能根據(jù)特有的內(nèi)部結(jié)構(gòu)和學(xué)習(xí)規(guī)則，在輸入信息流中發(fā)現(xiàn)任何可能存在的模式和規(guī)律，同時(shí)能根據(jù)網(wǎng)絡(luò)的功能和輸入信息調(diào)整權(quán)值，這個(gè)過(guò)程稱為網(wǎng)絡(luò)的自組織，其結(jié)果是使網(wǎng)絡(luò)能對(duì)屬于同一類的模式進(jìn)行自動(dòng)分類。31簡(jiǎn)述間接型專家控制器的概念及其分類。間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對(duì)生產(chǎn)過(guò)程或被控對(duì)象進(jìn)行間接控制的智能控制系統(tǒng)。具有模擬（或延伸，擴(kuò)展）控制工程師智能的功能。該

16、控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制 (1分)。按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型： 優(yōu)化型專家控制器 (1 分)； 適應(yīng)型專家控制器 (1 分)； 協(xié)調(diào)型專家控制器 (1 分)； 組織型專家控制器 (1 分)。36簡(jiǎn)述神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程。神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程經(jīng)過(guò) 4 個(gè)階段。（1 ）啟蒙期（ 1890-1969 年）( 1 分)（2 ）低潮期（ 1969-1982）( 1 分)（3） 復(fù)興期（ 1982-1986）( 2 分)1982 年，物理學(xué)家 Hoppield 提出了 Hoppield 神經(jīng)網(wǎng)絡(luò)模型，該模型通過(guò)引入能量函數(shù)，實(shí)現(xiàn)了問(wèn)題優(yōu)化求解，1

17、984 年他用此模型成功地解決了旅行商路徑優(yōu)化問(wèn)題 (TSP)。在 1986 年，在 Rumelhart 和 McCelland 等提出了一種著名的多層神經(jīng)網(wǎng)絡(luò)模型，即 BP 網(wǎng)絡(luò)。該網(wǎng)絡(luò)是迄今為止應(yīng)用最普遍的神經(jīng)網(wǎng)絡(luò)。（4） 新連接機(jī)制時(shí)期（ 1986-現(xiàn)在） ( 1 分)神經(jīng)網(wǎng)絡(luò)從理論走向應(yīng)用領(lǐng)域。37簡(jiǎn)述神經(jīng)網(wǎng)絡(luò)具備的特征。（1）能逼近任意非線性函數(shù)； ( 1 分)（2）信息的并行分布式處理與存儲(chǔ)； ( 1 分)(3) 可以多輸入、多輸出； ( 1 分)（4）便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或用現(xiàn)有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)； ( 1 分)（5）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。 ( 1

18、 分)38簡(jiǎn)述 BP 基本算法的優(yōu)缺點(diǎn)。BP網(wǎng)絡(luò)的優(yōu)點(diǎn)為：（1）只要有足夠多的隱層和隱層， BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系； (2) BP 網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強(qiáng)的泛化能力；（3）BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地存儲(chǔ)在網(wǎng)絡(luò)的連接權(quán)中，個(gè)別神經(jīng)元的損壞對(duì)輸入輸出關(guān)系有較小的影響，因而 BP網(wǎng)絡(luò)具有較好的容錯(cuò)性。BP 網(wǎng)絡(luò)的主要缺點(diǎn)為：（1）待尋優(yōu)的參數(shù)較多，收斂速度較慢；(2) 目標(biāo)函數(shù)函數(shù)存在多個(gè)極值點(diǎn)，按梯度下降法進(jìn)行學(xué)習(xí)，很容易陷入局部極小值；（3）難以確定隱層和隱層節(jié)點(diǎn)的數(shù)目。5. 簡(jiǎn)述 RBF神經(jīng)網(wǎng)絡(luò)和 BP神經(jīng)網(wǎng)絡(luò)的主要區(qū)別。RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程和 B

19、P神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程類似，二者的主要區(qū)別在于各使用不同的作用函數(shù)。 BP神經(jīng)網(wǎng)絡(luò)中隱層使用的 Sigmoid 是函數(shù)，其值在輸入空間中無(wú)限大的范圍內(nèi)為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡(luò)（分）；而 RBF 神經(jīng)網(wǎng)絡(luò)的作用函數(shù)是高斯函數(shù)，其值在輸入空間中有限的范圍內(nèi)為非零值，因而是一種局部逼近的神經(jīng)網(wǎng)絡(luò)（分） ，采用 RBF神經(jīng)網(wǎng)絡(luò)可大大加快學(xué)習(xí)的速度，適合于實(shí)時(shí)控制的要求。 （分）40簡(jiǎn)述 BP神經(jīng)網(wǎng)絡(luò)中， BP算法的基本思想。誤差反向傳播的學(xué)習(xí)算法簡(jiǎn)稱 BP算法，其基本思想是按梯度下降法進(jìn)行學(xué)習(xí)。 它采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值與期望的輸出值的誤差均方值為最小。41、模糊控制與傳

20、統(tǒng)控制的不同之處：傳統(tǒng)控制方法均是建立在被控對(duì)象精確數(shù)學(xué)模型基礎(chǔ)上的，然而，隨著系統(tǒng)復(fù)雜程度的提高，將難以建立系統(tǒng)的精確數(shù)學(xué)模型；模糊控制是以模糊集理論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)，從行為上模仿人的模糊推理和決策過(guò)程的一種智能控制方法。該控制方法適應(yīng)對(duì)象的復(fù)雜性和不確定性，不需要依賴對(duì)象的精確數(shù)學(xué)模型可實(shí)現(xiàn)復(fù)雜系統(tǒng)的控制。42、模糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？1（本題 5 分）模糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？1）確定模糊控制器的輸入變量和輸出變量 ( 即控制量 )2）設(shè)計(jì)模糊控制器的控制規(guī)則3）確立模糊化和非模糊化（又稱清晰化）的方法4）選擇模糊控制器的輸入變量及輸出變量的論域并確定模糊控制器的

21、參數(shù)（如量化因子、比例因子）5）編制模糊控制算法的應(yīng)用程序6）合理選擇模糊控制算法的采樣時(shí)間6. 分別畫(huà)出以下應(yīng)用場(chǎng)合下適當(dāng)?shù)碾`屬函數(shù)：（a）我們絕對(duì)相信 附近的 e(t)是“正小”，只有當(dāng) e(t)足夠遠(yuǎn)離時(shí)，我們才失去 e(t)是“正小”的信心； （4 分）4 4（b）我們相信 附近的 e(t)是“正大” ，而對(duì)于遠(yuǎn)離的 e(t)我們很快失去 e(t)是“正大”的信心； （4 分）2 2（c）隨著 e(t)從 向左移動(dòng)，我們很快失去 e(t)是“正小”的信心，而隨著 e(t)從 向右移動(dòng)，我們較慢失去 e(t)4 4是“正小”的信心。 （4 分）1(a) (b) (c)7. 分別畫(huà)出以下應(yīng)

22、用場(chǎng)合下適當(dāng)?shù)碾`屬函數(shù)：（a）我們絕對(duì)相信 附近的 e(t)是“正小”，只有當(dāng) e(t)足夠遠(yuǎn)離時(shí)，我們才失去 e(t)是“正小”的信心； （4 分）2 2（b）我們相信 附近的 e(t)是“正大” ，而對(duì)于遠(yuǎn)離的 e(t)我們很快失去 e(t)是“正大”的信心； （4 分）3 3（c）隨著 e(t)從 向左移動(dòng)，我們很快失去 e(t)是“正小”的信心，而隨著 e(t)從 向右移動(dòng)，我們較慢失去 e(t)6 6是“正小”的信心。 （4 分）正大11. 正小9.0.5 0.5e t , rad . e t , rad. 326. 畫(huà)出以下兩種情況的隸屬函數(shù)圖：（a）畫(huà)出精確集合 A x x 的隸

23、屬函數(shù)圖； （4 分）4 2（b）寫(xiě)出單點(diǎn)模糊（ singleton fuzzification ）隸屬函數(shù)的數(shù)學(xué)表達(dá)形式，并畫(huà)出隸屬函數(shù)圖。 （4 分）（c）畫(huà)出精確集合 A x x 的隸屬函數(shù)圖； （4 分）8 21.00.54 2xu ui1 x u i8.?Aifuz x0 otherwise12.x 8 210. 某模糊控制系統(tǒng)的輸入語(yǔ)言變量 E 和輸出語(yǔ)言變量 U 的語(yǔ)言值均為： NB、NS、O、PS、PB，E 的論域?yàn)?X3，2，1，0，1，2，3，U 的論域?yàn)?Y3， 2， 1，0，1，2，3。設(shè)語(yǔ)言變量 E 和 U 的賦值表為：量化等級(jí) 3 2 1 0 1 2 3語(yǔ)言變量值PB 0 0 0 O 0 05 1PS 0 0 0 1 1 05 0O O O 05 1 05 0 0NS 0 05 1 l 0 0 0NB 1 05 0 0 0 0 0試給出以上論域中各元素對(duì)各語(yǔ)言變量值所確定的模糊子集的隸屬函數(shù)曲線。0.6 一個(gè)模糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如下圖所示。試通過(guò)作圖法分別推理每條規(guī)則的輸出隸屬度函數(shù)：（a）規(guī)則 1：If error is zero and chang-in-error is zero Then force (u)is zero 。 使用最小化操作表示蘊(yùn)含 （using pro