智能控制題庫(kù)知識(shí)講解

1、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(zhuān)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(lèi)型，各自的特點(diǎn)是什么？（1）專(zhuān)家控制系統(tǒng)（1分）專(zhuān)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

2、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(zhuān)家控制與專(zhuān)家系統(tǒng)存在的區(qū)別。專(zhuān)家控制引入了專(zhuān)家系統(tǒng)的思想，但與專(zhuān)家系統(tǒng)存在區(qū)別：（1）專(zhuān)家系統(tǒng)能完成專(zhuān)門(mén)領(lǐng)域的功能，輔助用戶決策；專(zhuān)家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的自動(dòng)決策。專(zhuān)家控制比專(zhuān)家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。（2）專(zhuān)家系統(tǒng)處于離線工作方式，而專(zhuān)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

3、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)控下表示：（2分）ic=ai paca orOR運(yùn)籌學(xué)（Operation research）IC 一智能控制（intelligent control）;Al 人工智能（artificial intelligence）;AC 一自動(dòng)控制（automatic Colltrol）;n 一表不交集.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)

4、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

5、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？最大隸屬度法、中心法和加權(quán)平均法11 .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）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； （

6、7） 反模糊化。12 .簡(jiǎn)述模糊控制的發(fā)展方向模糊控制的發(fā)展方向有：（1 ） Fuzzy-PID復(fù)合控制（2）自適應(yīng)模糊控制（3）專(zhuān)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)P為某些對(duì)象的集合，稱為論域，可以是連續(xù)的或離散的； 論域口到0,1區(qū)間的任一映射 : U - 0,1

7、確定 了;7的一個(gè)模糊子集尸；”尸稱為N的隸屬函數(shù)，表示論域 U的任意元素笈屬于模糊子集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（模米 ）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)

8、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?。?）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、巨分別是論域X、Y上的模糊集合，則模糊條件語(yǔ)句“if A then ”所決定的_二兀模糊關(guān)系為

9、：RA ABAE（2）設(shè)A、百和©分別是論域X、Y和Z上的模糊集合，則模糊條件語(yǔ)句“if A then B else一 .一、 一. 一C所決定的二兀,K糊關(guān)系為：RA A B A C（3）設(shè)A、g和6分別是論域X、Y和Z上的模糊集合，則模糊條件語(yǔ)句“if A andmthen6”所決定的二元模糊關(guān)系為：R A T1 G18 .人工神經(jīng)網(wǎng)絡(luò)有哪些主要的結(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(lèi)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：該神經(jīng)元單元由多個(gè)

10、輸入 餐,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：N!匕。）=八£七£飛一弓）Z-1式中，弓為神經(jīng)元單元的閾值），”不為連接權(quán)系數(shù)（對(duì)于激發(fā)狀態(tài)，嗎？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，尸，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。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）

11、：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)23 .簡(jiǎn)述專(zhuān)家系統(tǒng)與專(zhuān)家控制的區(qū)別。專(zhuān)家控制引入了

12、專(zhuān)家系統(tǒng)的思想，但與專(zhuān)家系統(tǒng)存在區(qū)別：(1)專(zhuān)家系統(tǒng)能完成專(zhuān)門(mén)領(lǐng)域的功能，輔助用戶決策；專(zhuān)家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的自動(dòng)決策。專(zhuān)家控制比專(zhuān) 家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。(2)專(zhuān)家系統(tǒng)處于離線工作方式，而專(zhuān)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)25 .請(qǐng)畫(huà)出直接型專(zhuān)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(zhuān)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

13、能的功能。這種類(lèi)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。26 .畫(huà)出間接型專(zhuān)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(zhuān)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)、組織等高層 決策的智能控制。27 .簡(jiǎn)述專(zhuān)家系統(tǒng)的基本構(gòu)成。知識(shí)庫(kù)和推理機(jī)，28 .簡(jiǎn)述直接型專(zhuān)家控制器的主要設(shè)計(jì)內(nèi)容。直接型專(zhuān)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。29 .根據(jù)高層決策功能的性質(zhì)，簡(jiǎn)述間接型專(zhuān)家控制器的分類(lèi)。按照高層決策功能的性質(zhì)，間接

14、型專(zhuān)家控制器可分為以下幾種類(lèi)型：優(yōu)化型專(zhuān)家控制器 ；適應(yīng)型專(zhuān)家控制器 ；協(xié)調(diào)型專(zhuān)家控制器 ；組織型專(zhuān)家控制器 。30 .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)”。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

15、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(lèi)的模式進(jìn)行自動(dòng)分類(lèi)。31 .簡(jiǎn)述間接型專(zhuān)家控制器的概念及其分類(lèi)。間接型專(zhuān)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(zhuān)家控制器可分為以下幾種類(lèi)型： 優(yōu)化型專(zhuān)家控制器（1分）； 適應(yīng)型專(zhuān)家控制器（1分）； 協(xié)調(diào)型專(zhuān)家控制器（1分）； 組織型專(zhuān)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

16、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，1984 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

17、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 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

18、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。39 .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 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程類(lèi)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)（2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

19、逼近的神經(jīng)網(wǎng)絡(luò)（2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）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

20、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 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1 .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 I附近的e(t)是“正小”，只有當(dāng)e足夠遠(yuǎn)離時(shí)，我們才失去e是“正小”的信心；(b)我們相信 或附近的e是“正大”，而對(duì)于遠(yuǎn)離

21、萬(wàn)的e(t)我們很快失去e是“正大”的信心；(4分)分)e(t)(a)我們絕對(duì)相信附近的e(t)是“正小”，只有當(dāng)2e足夠遠(yuǎn)離一時(shí)，我們才失去2e是“正小”的信心;分)(b)我們相信附近的e是“正大”，而對(duì)于遠(yuǎn)離 3的e(t)我們很快失去3e是“正大”的信心；(4分)(c)隨著e從一向左移動(dòng)，我們很快失去6e是“正小”的信心，而隨著e從一向右移動(dòng)，我們較慢失去6e(t)(c)隨著e從I向左移動(dòng)，我們很快失去 e是“正小”的信心，而隨著e從z向右移動(dòng)，我們較慢失去是“正小”的信心。(4分)6.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 4的隸屬函數(shù)圖；(4分)(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| /8 x %的隸屬函數(shù)圖；(4分)量化等級(jí) 語(yǔ)后艾量值-3210123PB000O00. 51PS000110. 50OOO0. 510. 500NS00. 51l000NB10. 500000E和輸出語(yǔ)言變量3, 2, 1, 0, 1, 2, 3, U的論域?yàn)閅 = 3, 2