神經(jīng)網(wǎng)絡(luò)與模糊控制考試題及答案

1、模糊控制器由模糊化接口、解模糊接口、知識(shí)庫和模糊推理機(jī)組成-0.5，當(dāng)激活函數(shù)是階躍函數(shù)，則神經(jīng)元的 輸出是13、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式有導(dǎo)師監(jiān)督學(xué)和灌輸式學(xué)習(xí) 4、清晰化化的方法有三種：平均最大隸屬度 法、最大隸屬度取最小/最大值法和中位數(shù)法，加權(quán)平均法5、模糊控制規(guī)則的建立有多種方法，是：基于 制知識(shí)、基于操作人員的實(shí)際控制過程和基于過程的模糊模型，6、神經(jīng)網(wǎng)絡(luò)控制的結(jié)構(gòu)歸結(jié)為神經(jīng)網(wǎng)絡(luò)監(jiān)督控神網(wǎng)自適應(yīng)控制、神網(wǎng)自適應(yīng)評(píng)判控制、神網(wǎng)內(nèi)模控制、神網(wǎng)預(yù)測控制六類7．傅京遜首次提出智能控制的概念，并歸納出的3種類型智能控制系統(tǒng)是、和。 控制系統(tǒng)、無人參與的自主控制系統(tǒng)8、智能控制主要解決傳統(tǒng)控制難以解決的復(fù)雜系統(tǒng)、和。 、復(fù)雜的任務(wù)要求、復(fù)雜的任務(wù)要求9．智能控制系統(tǒng)的主要類型、、和。和 系統(tǒng)，模糊控制系統(tǒng)，學(xué)習(xí)控制系統(tǒng)，集成或者(復(fù)合)混合控制系統(tǒng)； 。設(shè)計(jì)，它們分別是、和。知識(shí)庫的設(shè)計(jì)13．專家系統(tǒng)的核心組成部分為和。知識(shí)庫、推理機(jī) 15．專家系統(tǒng)的推理機(jī)可采用的3種推理方式為15、正向推理、反向推理和雙向推理16．根據(jù)專家控制器在控制系統(tǒng)中的功能，其可分為和。 ?？荚嚒罢０l(fā)揮”的狀況，則用序偶表示法分別表示為 A， ；“未正常發(fā)揮”模糊子集(用行向量表示)B；“未正常發(fā)揮”模糊子集(用行向量表示)B分別為和；而該省兩所重點(diǎn)中學(xué)每年高考考生“正常發(fā)揮”的模糊子集應(yīng)該是(用Zadeh法表12345123453450.870.910.94xxxxx1234519.確定隸屬函數(shù)的方法大致有、和。和19、模糊統(tǒng)計(jì)法主觀經(jīng)驗(yàn)法神經(jīng)網(wǎng)絡(luò)法20、廣義鐘形隸屬函數(shù)S形隸屬函數(shù)梯形隸屬函數(shù)三角形隸屬函數(shù)Z形隸屬函數(shù)基礎(chǔ)的一種智能控制方法。模糊集理論，模糊語言變量，模糊邏輯推理24．模糊控制的數(shù)學(xué)基礎(chǔ)為。24、模糊集合25．模糊控制中，常用的語言變量值用PM,PS,NM,NO等表示,其中PM代表,NO代表。25、正中、負(fù)零量。26、模糊27.在模糊控制中，解模糊的結(jié)果是量。確定量控制器的組成包括知識(shí)庫以及、和。模糊化接口、推理機(jī)、解模糊接口30．模糊控制是建立在基礎(chǔ)之上的，它的發(fā)展可分為三個(gè)階段，分別30、人工經(jīng)驗(yàn)?zāi)：龜?shù)學(xué)發(fā)展和形成階段產(chǎn)生了簡單的模糊控制器高性能模糊控制階段31．模糊集合邏輯運(yùn)算的模糊算子為、和。31、交運(yùn)算算子并運(yùn)算算子平衡算子32．在溫度、成績、暖和、口才和很好中可作為語言變量值的有和33．在水位、壓力、暖和、表演、中年人和比較好中可作為語言變量值的有、和。33、暖和、中年人和比較好35.模糊控制的基本思想是把人類專家對(duì)特定的被控對(duì)象或過程的總結(jié)成一系列以“”形式表示的控制規(guī)則。35、控制策略“IF條件THEN作用”。、和。和41、有導(dǎo)師學(xué)習(xí)無導(dǎo)師學(xué)習(xí)再勵(lì)學(xué)習(xí)42.神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法43.神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程主要由正向傳播和反向傳播兩個(gè)階段組成。44．神經(jīng)網(wǎng)絡(luò)控制是將和相結(jié)合而發(fā)展起來的45.遺傳算法的主要用途是。45、尋優(yōu)(優(yōu)化計(jì)算)46．常用的遺傳算法的染色體編碼方法有二種，它們分別為實(shí)數(shù)編碼和。47、比例選擇算子單點(diǎn)交叉算子變異算子49.遺傳算法中常用的3種遺傳算子(基本操作)為、、和。、交叉和變異二、簡答題：1.試說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(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。(4)遺傳算法(2分)遺傳算法是基于自然選擇和基因遺傳學(xué)原理的搜索算法,是基于進(jìn)化論在計(jì)算機(jī)上模擬生命進(jìn)化論機(jī)制而發(fā)展起來的一門學(xué)科.遺傳算法可用于模糊控制規(guī)則的優(yōu)化及神經(jīng)網(wǎng)絡(luò)參數(shù)及權(quán)值的學(xué)習(xí),在智能控制領(lǐng)域有廣泛的應(yīng)用。5、簡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，即要求在線工作說明智能控制的三元結(jié)構(gòu)，并畫出展示它們之間關(guān)系的示意圖。IC=AI∩AC∩OROR一運(yùn)籌學(xué)(Operationresearch)IC一智能控制(intelligentcontrol);Al一人工智能(artificialintelligence);AC一自動(dòng)控制(automaticColltrol);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)簡單的控制問題。(2分)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。8.簡述智能控制系統(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題，主要表現(xiàn)以下幾點(diǎn)：(1)實(shí)際系統(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程無法用傳統(tǒng)的數(shù)學(xué)模型來描述，即無法解決建模問題。(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，其控制方法適應(yīng)對(duì)象的何？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)簡單的控制問題。，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。最大隸屬度法、中心法和加權(quán)平均法。11.簡述將模糊控制規(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。模糊控制的發(fā)展方向有：(1)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)傳感器比較模糊集合與普通集合的異同。不同點(diǎn)：普通集合具有特定的對(duì)象。而模糊集合沒有特定的對(duì)象，允許在符合與不符合中間存在中間過渡狀態(tài)。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16、請(qǐng)畫出模糊控制系統(tǒng)的組成框圖，并結(jié)合該圖說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)被變換為適當(dāng)?shù)恼Z言值或模糊集合的標(biāo)識(shí)(2)知識(shí)庫涉及應(yīng)用領(lǐng)域和控制目標(biāo)的相關(guān)知識(shí),它由數(shù)據(jù)庫和語言(模糊)控制規(guī)則庫組成。數(shù)據(jù)庫為語言控制規(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模糊蘊(yùn)涵和模糊邏輯的推理規(guī)則來獲取,并可實(shí)現(xiàn)擬人決策過程。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)),這一作用是在對(duì)受控過程進(jìn)行控制之前通過量程變換來實(shí)現(xiàn)的~常用模糊條件語句及對(duì)應(yīng)的模糊關(guān)系R的表達(dá)式。(1)設(shè)、分別是論域X、Y上的模糊集合，則模糊條件語句“ifthenABAB句“ifandthen”所決定的二元模糊關(guān)系為：=[]T1(1)并行處理；(2分)(2)信息分布式存儲(chǔ)；(2分)容錯(cuò)性。(1分)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)由輸入信式式中,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)可通過硬件實(shí)現(xiàn)并行處理21．簡述誤差反向傳播學(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)過程分為兩個(gè)階段(1分)：第一階段(正向傳播過程)給出輸入信息通過輸入層經(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．簡述前向(多層)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并畫出結(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)元前向(多層)神經(jīng)網(wǎng)絡(luò)23.簡述專家系統(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，即要求在線工作方特征函數(shù)用來表示某個(gè)元素是否屬于普通集合，而隸屬函數(shù)則用來表示某個(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)25.請(qǐng)畫出直接型專家控制器的結(jié)構(gòu)圖并說明其設(shè)計(jì)思想。人智能的功能。這種類型的控制器任務(wù)和功能相對(duì)簡單，但需要在線、實(shí)時(shí)控制。26.畫出間接型專家控制器的結(jié)構(gòu)圖并說明其設(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)、組織等高層決策的智能控制。27.簡述專家系統(tǒng)的基本構(gòu)成。知識(shí)庫和推理機(jī)，具體略。28.簡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：①建立知識(shí)庫；②控制知識(shí)的獲?。虎圻x擇合適29.根據(jù)高層決策功能的性質(zhì)，簡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：①優(yōu)化型專家控制器；②適應(yīng)型專家控制器；③協(xié)調(diào)型專家控制器；④組織型專家控制器。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)”。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。無導(dǎo)師學(xué)習(xí)也稱為無監(jiān)督學(xué)習(xí)，學(xué)習(xí)過程中，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：①優(yōu)化型專家控制器(1分)；②適應(yīng)型專家控制器(132.簡述基本遺傳算法的構(gòu)成要素。(1)染色體編碼方法，基本遺傳算法使用固定長度的二進(jìn)制來表示群體中的個(gè)體，其等位基因是由二值符號(hào)集{0，1}所組成的，其中個(gè)體的基因值可用均勻分布的隨機(jī)值來生成。(2)個(gè)體適應(yīng)度評(píng)價(jià)，基本遺傳算法與個(gè)體適應(yīng)度成正比的概率來決定當(dāng)前群體中每個(gè)個(gè)體遺傳到下一代群體的概率多少。為正確計(jì)算這個(gè)概率必須先確定出由目標(biāo)函數(shù)值J(x)(3)遺傳算子，即選擇運(yùn)算、交叉運(yùn)算和變異運(yùn)算的基本遺傳算子；(4)基本遺傳算法的運(yùn)行參數(shù)，即M、G、P和P等參數(shù)。cm33.簡述遺傳算法的應(yīng)用領(lǐng)域。遺傳算法的應(yīng)用領(lǐng)域：(1)函數(shù)優(yōu)化；(2)組合優(yōu)化；(3)生產(chǎn)調(diào)度問題；(4)自動(dòng)控制；(5)機(jī)器人；(6)圖像處理；(7)人工生命(8)遺傳編程(9)機(jī)器學(xué)習(xí)。34.簡述基本遺傳算法的特點(diǎn)。35.簡述基本遺傳算法的應(yīng)用步驟。(1)確定決策變量及各種約束條件,即確定出個(gè)體的表現(xiàn)型X和問題的解空(3)確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型X及遺傳算Jx適(5)設(shè)計(jì)遺傳算子，即確定選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算子的具(6)確定遺傳算法的有關(guān)運(yùn)行參數(shù)，即M、G、P和P等參數(shù)；cm(7)確定解碼方法，即確定出由個(gè)體表現(xiàn)型X到個(gè)體基因型x的對(duì)應(yīng)關(guān)系或36．簡述神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程。(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)(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．簡述神經(jīng)網(wǎng)絡(luò)具備的特征。)(2)信息的并行分布式處理與存儲(chǔ)；(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(5)能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。(1分)P(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)別小的影響，因而BP網(wǎng)絡(luò)具有較好的容錯(cuò)性。(1)待尋優(yōu)的參數(shù)較多，收斂速度較慢；(3)難以確定隱層和隱層節(jié)點(diǎn)的數(shù)目。RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程和BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程類似，二者的主要區(qū)別在于各使用范圍內(nèi)為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡(luò)(2分)；而RBF神經(jīng)網(wǎng)絡(luò)的作用函數(shù)是分)，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。(1分)41、模糊控制與傳統(tǒng)控制的不同之處：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參數(shù)(如量化因子、比例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)間三、作圖題1.分別畫出以下應(yīng)用場合下適當(dāng)?shù)碾`屬函數(shù)：442244(a)(b)(c)22366正小2正大3100]區(qū)間上A(x)=1。(1)寫出A的隸屬度函數(shù)的解析表達(dá)式(2)畫出A的隸屬度函數(shù)曲線答A(x)=0.0125x0x80180<x100(2分)圖略(2分)4.設(shè)實(shí)數(shù)論域X上的模糊集A“大約是5”采用高斯型隸屬函數(shù)表示，其中參數(shù)12(1)寫出A的隸屬度函數(shù)的解析表達(dá)式(2分)(2)畫出A的隸屬度函數(shù)曲線(2分)答(1)A(x)=e-(x-5)2(2分)(2)圖略(2分)(1)寫出A的隸屬度函數(shù)的解析表達(dá)式(2)畫出A的隸屬度函數(shù)曲線答A(x)=〈|x-333共x共6(2分)圖略(2分)(4分)p"4"2xppix=ui量化等量化等級(jí)語言變量值PBPSONSNB000．51000O0．50．520．50．501010．50000O010030000試給出以上論域中各元素對(duì)各語言變量值所確定的模糊子集的隸屬函數(shù)曲線。 ingminimumopertorproductopertor“zero”“zero”“possmall”-2“neglarge”“poslarge”“negsmall”e(t),(rad.)---424-2“neglarge”-1“negsmall”0“zero”“possmall”2“poslarge”-4-884de(t),(rad.)dt“possmall”“possmall”“zero”-2“neglarge”2“poslarge”“negsmall”u(t),(Nu(t),(N)“zero”“zero”“zero”-44-88-10“zero”-44-4“possmall”“negsamll”-20-108-20-1084dt9.一個(gè)模糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如下圖所示。試通過作圖法分別推理每條規(guī)則的操作表示蘊(yùn)含(usingproductopertor)(4分)乘積操作表示蘊(yùn)含(usingproductopertor)(4分)“negsmall”“negsmall”“zero”“neglarge”“poslarge”“possmall”e(t),(rad.)--___2_________4_______________4_________2______________0“zero”“possmall”2“poslarge”“zero”“zero”“zero”4488-10“zero”“possmall”“negsamll”-20-108-20-1084dt 最小化操作表示蘊(yùn)含(usingminimumopertor)；(5分)pertor“negsmall”“negsmall”“zero”“neglarge”“poslarge”“possmall”e(t),(rad.)2442244“possmall”2“poslarge”“zero”648648dt-2“neglarge”-1“negsmall”0“zero”“possmall”2“poslarge”12345uuuuu12345uuuu1345uuuuu345uuuuuuuu1235uuuu52.設(shè)有下列兩個(gè)模糊關(guān)系:L0.70.6」3.設(shè)有下列兩個(gè)模糊關(guān)系:4.已知子女與父母的相似關(guān)系模糊矩陣為父母|0.6」父母與祖父母的相似關(guān)系模糊矩陣為：父S母|「0.70.5]答RS=3451231234答123112344511 答=()U(E)「1]「0]「0000.81]「00000]=「01011011111]1uuu23123123|1)|1)0.310.50.310.5uuu1230)(0.7 (0.60)(0.7 (0.6|0.9)|||=0.3)0.9)|0.510.10.110.60.410.510.10.110.60.41a1a2a3,b1b2b3,c1c2。試確定”IFAandBthenC”所決0.10.40.40.10.40.40.10.10.1RABT[0.41]=[]T0.10.50.50.110.60.10.10.1(0.10 (0.10(0.10 (0.10|||||0||||00.210.21x1x2y1y2y3z1z20.80.10.50.200.80.10.50.20x1x2y1y2y3|||||||||10.510.10.110.6,c10.510.10.110.6,c1c2。試確定”IFAandBthen0.50.10.110.610.已知a1a2a3,b1b2b3a2a3,b1b2b3時(shí)的輸出0.5)|C”所決定的模糊關(guān)系R，以及輸入為a1「0.5](0.10.50.10.40.40.10.40.4R=(A收B)L[0.41]=[]T0.10.50.50.110.60.10.10.1X={100，200，300，400，500}，Y={1，2，3，4，5}13)與模糊控制規(guī)則“若轉(zhuǎn)速高，則控制電壓高；否則控制電壓不很高?！睂?duì)應(yīng)11~R10111011100001112.假設(shè)遺傳算法的染色體編碼方法為：用長度為10位的二進(jìn)制編碼串來分別表示兩個(gè)決i，則對(duì)個(gè)體i，則對(duì)個(gè)體答x4.096yi2.048(i1,2)i10232xxxxxxxxx123412341xxx234xxxx4答124答0xxxx12340.100.30.2x0.20.100.30.2x0.20.8xxx34210.334210.30.411xxxx1234xxxx1234