智能控制技術復習題課后答案

、填空題智能控制是一門新興的學科，它具有非常廣泛的應用領域，例TOC\o"1-5"\h\z如、、和。1、交叉學科在機器人控制中的應用在過程控制中的應用飛行器控制傳統(tǒng)控制包括和。2、經典反饋控制現(xiàn)代理論控制—個理想的智能控制系統(tǒng)應具備的基本功能是—、—、—和。3、學習功能適應功能自組織功能優(yōu)化能力智能控制中的三元論指的是：、和。4、運籌學，人工智能，自動控制近年來，進化論、、和等各門學科的發(fā)展給智能控制注入了巨大的活力，并由此產生了各種智能控制方法。5、神經網絡模糊數(shù)學專家系統(tǒng)智能控制方法比傳統(tǒng)的控制方法更能適應對象的、和。6、時變性非線性不確定性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。7、人作為控制器的控制系統(tǒng)、人機結合作為控制器的控制系統(tǒng)、無人參與的自主控制系統(tǒng)智能控制主要解決傳統(tǒng)控制難以解決的復雜系統(tǒng)的控制問題，其研究的對象具備的3個特點為、和。8、不確定性、高度的非線性、復雜的任務要求智能控制系統(tǒng)的主要類型有、、、、和。9、分級遞階控制系統(tǒng)，專家控制系統(tǒng)，神經控制系統(tǒng)，模糊控制系統(tǒng)，學習控制系統(tǒng),集成或者（復合）混合控制系統(tǒng)智能控制的不確定性的模型包括兩類：（1）；⑵。10、（1）模型未知或知之甚少；（2）模型的結構和參數(shù)可能在很大范圍內變化?？刂普摰娜厥牵盒畔?、反饋和控制。建立一個實用的專家系統(tǒng)的步驟包括三個方面的設計，它們分別是、和。知識庫的設計推理機的設計人機接口的設計專家系統(tǒng)的核心組成部分為和。知識庫、推理機專家系統(tǒng)中的知識庫包括了3類知識，它們分別為、、和。判斷性規(guī)則控制性規(guī)則數(shù)據專家系統(tǒng)的推理機可采用的3種推理方式為推理、和推理。15、正向推理、反向推理和雙向推理根據專家控制器在控制系統(tǒng)中的功能，其可分為和。

16、直接型專家控制器、間接型專家控制器普通集合可用函數(shù)表示,模糊集合可用函數(shù)表示。特征、隸屬某省兩所重點中學在（3~比）五年高考中，考生"正常發(fā)揮"的隸屬函數(shù)分別為0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。則在研究該省重點中學高考考生水平發(fā)，若分別用A、B，若分別用A、B表示兩個學?？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）分別為和F常發(fā)揮分別為和F常發(fā)揮”的模糊子集應該是.示）。X={x,x,x,x,x1_2345B€(用Zadeh法表{(x,0.85),(x,0.93),(x,0.89),(x,0.91),(x,0.96)}234512345{(x,0.92),(x,0.96),(x,0.87),(x,0.93),(x,0.94)}123_A€A€[0.15,0.07,0.11,0.09,0.04]，B€[0.08,0.04,0.13,0.07,0.06]0.850.930.870.910.94TOC\o"1-5"\h\z卡+++—xxxxx12345和,和,19、模糊統(tǒng)計法主觀經驗法神經網絡法在模糊控制中應用較多的隸屬函數(shù)有6種，它們分別為高斯型隸屬函數(shù)、、、和。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)在天氣、學問、晴朗、表演和淵博中可作為語言變量值的有和21、晴朗、淵博23.模糊控制是以、、和為基礎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)學基礎為。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、負零在模糊控制中，模糊推理的結果是量。26、模糊在模糊控制中，解模糊的結果是量。確定量基本模糊控制器的組成包括知識庫以及、和。模糊化接口、推理機、解模糊接口在模糊控制中，實時信號需要才能作為模糊規(guī)則的輸入，從而完成模糊推理。29、模糊化模糊控制是建立在基礎之上的，它的發(fā)展可分為三個階段，分別TOC\o"1-5"\h\z為、、和。30、人工經驗模糊數(shù)學發(fā)展和形成階段產生了簡單的模糊控制器高性能模糊控制階段31?模糊集合邏輯運算的模糊算子為、和。31、交運算算子并運算算子平衡算子在溫度、成績、暖和、口才和很好中可作為語言變量值的有和暖和、很好在水位、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、中年人和比較好在水位、寒冷、溫度、表演和偏高中可作為語言變量值的有和。34.寒冷、偏高模糊控制的基本思想是把人類專家對特定的被控對象或過程的總結成一系列以“”形式表示的控制規(guī)則。35、控制策略“IF條件THEN作用”TOC\o"1-5"\h\z神經網絡的發(fā)展歷程經歷了4個階段，分別為、、—和—。36、啟蒙期、低潮期、復興期、新連接機制期神經元由4部分構成，它們分別為、、和突觸。37、細胞體、樹突、軸突根據神經網絡的連接方式，神經網絡的3種形式為：、和。38、前向網絡反饋網絡自組織網絡神經網絡的3個要素為：、和。39、神經元的特性拓撲結構學習規(guī)則目前神經網絡的學習算法有多種，按有無導師分類，可分為、和。41、有導師學習無導師學習再勵學習神經網絡的研究主要分為3個方面的內容，即、和。42.神經元模型、神經網絡結構、神經網絡學習算法神經網絡的學習過程主要由正向傳播和反向傳播兩個階段組成。44.神經網絡控制是將和相結合而發(fā)展起來的智能控制方法。神經網絡，控制理論遺傳算法的主要用途是。45、尋優(yōu)（優(yōu)化計算）TOC\o"1-5"\h\z常用的遺傳算法的染色體編碼方法有二種，它們分別為實數(shù)編碼和。46、二進制編碼遺傳算法的3種基本遺傳算子、和。47、比例選擇算子單點交叉算子變異算子遺傳算法中，適配度大的個體有被復制到下一代。更多機會遺傳算法中常用的3種遺傳算子（基本操作）為、、和。49、復制、交叉和變異第一章1、什么是智能控制？試比較智能控制和經典控制、現(xiàn)代控制的異同。答：(1)在無人干預的情況下能自主地驅動智能機器實現(xiàn)控制目標的自動控制技術。不同點：經典控制理論以反饋理論為基礎，是一種單回路線性控制理論。主要研究單輸入-單輸出、線性定常系統(tǒng)的分析和設計。在現(xiàn)代控制理論中，對控制系統(tǒng)的分析和設計主要是通過對系統(tǒng)的狀態(tài)變量的描述來進行的，基本的方法是時間域方法?，F(xiàn)代控制理論比經典控制理論所能處理的控制問題要廣泛得多，智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關系,不是相互排斥的.常規(guī)控制往往包含在智能控制之中,智能控制也利用常規(guī)控制的方法來解決“低級”的控制問題,力圖擴充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復雜控制問題.2、智能控制系統(tǒng)具有哪些特點？答：(1)能對復雜系統(tǒng)進行有效全面的全局控制，并有較強的容錯能力具有以知識表示的非數(shù)學廣義模型和以數(shù)學模型表示的混合控制過程；能對獲取的信息進行實時處理并給出控制決策；(4)具有自學習、自適應、自組織的能力。3、智能控制主要研究那些內容？各自的特點是？答：主要集中在專家控制技術、模糊控制技術、神經網絡控制技術和遺傳算法等。專家控制系統(tǒng)(1分)專家系統(tǒng)主要指的是一個智能計算機程序系統(tǒng)，其內部含有大量的某個領域專家水平的知識與經驗。它具有啟發(fā)性、透明性、靈活性、符號操作、不一確定性推理等特點。模糊控制系統(tǒng)(1分)在被控制對象的模糊模型的基礎上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標。神經控制系統(tǒng)(1分)神經網絡具有某些智能和仿人控制功能。學習算法是神經網絡的主要特征。(4)遺傳算法(2分)遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法,是基于進化論在計算機上模擬生命進化論機制而發(fā)展起來的一門學科.遺傳算法可用于模糊控制規(guī)則的優(yōu)化及神經網絡參數(shù)及權值的學習,在智能控制領域有廣泛的應用。4、試說明智能控制研究的數(shù)學工具。智能控制研究的數(shù)學工具為：(1)符號推理與數(shù)值計算的結合；(2)離散事件與連續(xù)時間系統(tǒng)得結合；(3)模糊集理論；(4)神經網絡理論；(5)優(yōu)化理論第二章1、何謂專家系統(tǒng)?它有哪些基本特征？答：所謂專家系統(tǒng)就是利用存儲在計算機內的某一特定領域內人類專家的知識，來解決過去需要人類專家才能解決的現(xiàn)實問題的計算機系統(tǒng)。專家系統(tǒng)的基本特征?(1)具有專家水平的專門知識；-專家系統(tǒng)中的知識按其在問題求解中的作用可分為三個層次，即數(shù)據級、知識庫級和控制級。(2)專家系統(tǒng)使用符號推理；(3)專家系統(tǒng)能夠解決問題領域內的各種問題；(4)復雜度與難度，專家系統(tǒng)擁有很專門的領域知識；(5)具有解釋功能，專家系統(tǒng)具有解釋機制；(6)具有獲取知識的能力；(7)知識與推理機構相互獨立。專家系統(tǒng)一般把推理機構與知識分開，使其獨立，使系統(tǒng)具有良好的可擴充性和維護性。2、簡述專家系統(tǒng)設計的基本結構。答：基本知識描述一系統(tǒng)體系結構一工具選擇----知識表示方法----推理方式----對話模型.P204、什么是專家控制系統(tǒng)？專家控制系統(tǒng)分為哪幾類？答：專家控制是指將人工智能領域的專家系統(tǒng)理論和技術與控制理論方法和技術相結合，仿效專家智能，實現(xiàn)對較為復雜問題的控制。基于專家控制原理所設計的系統(tǒng)稱為專家控制系統(tǒng)(ECS)。分類：1).一般控制理論知識和經驗知識相結合2).模糊邏輯與專家控制相結合3).神經網絡與專家控制相結合5、專家控制系統(tǒng)的任務是什么？答：專家控制系統(tǒng)的任務是：(1).能提供一個熟練工或專家對受控對象操作所能達到的性能指標；(2).監(jiān)督對象和控制器的運行情況；(3).檢測系統(tǒng)元件可能發(fā)生的故障或失誤；.對特殊情況，要選擇合適的控制算法以適應系統(tǒng)參數(shù)的變化。6、比較專家系統(tǒng)和專家控制系統(tǒng)的區(qū)別和聯(lián)系。答：專家控制系統(tǒng)是將人工智能領域的專家系統(tǒng)理論和技術與控制理論方法和技術相結合，仿效專家智能，實現(xiàn)對較為復雜問題的控制。專家系統(tǒng)是一種基于知識的、智能的計算機程序。區(qū)別：專家控制系統(tǒng)必須把控制系統(tǒng)看作是一個基于知識的系統(tǒng)，而作為系統(tǒng)核心部件的控制器則要體現(xiàn)和知識推理的機制和結構。與專家系統(tǒng)相似，整個控制問題領域的知識庫和一個體現(xiàn)知識決策的推理機構構成了專家控制系統(tǒng)的主體。7、什么是知識？知識具有哪些特征？答：1).知識的基本概念知識反映了客觀世界中事物某一方面的屬性以及事物之間的相互聯(lián)系，不同事物或相同事物之間的不同關系形成了不同的知識。這里涉及到三個不同層次的概念：數(shù)據、信息和知識。數(shù)據是客觀世界中搜集的原始素材，它是信息的載體和表示。人們根據一定的目的按照一定的形式對數(shù)據進行加工與處理，就形成了有關的信息。信息是數(shù)據在特定場合下的具體含義，或者說信息是數(shù)據的語義。知識是將有關的信息進一步關聯(lián)在一起，形成了更高層次含義的一種信息結構，信息與關聯(lián)是構成知識的兩個基本要素。2).知識的特性相對正確性；不確定性；可表示性；關聯(lián)性。8、簡述知識獲取的概念和分類方法。答：4).知識獲取的概念知識獲取就是把用于求解專門領域問題的知識從擁有這些知識的知識源中抽取出來，并轉換為一特定的計算機表示。知識源包括專家、教科書、數(shù)據庫及人本身的經驗。計算機表示有狀態(tài)空間表示法、謂詞邏輯表示法、與//或圖表示法、語義網絡表示、產生式表示法、框架表示法等。5).知識獲取的分類按照基于知識的系統(tǒng)本身在知識獲取中的作用來分類，知識獲取方法可分為主動型知識獲取和被動型知識獲取兩類。(2)按基于知識的系統(tǒng)獲取知識的工作方式分類，可分為非自動型知識獲取和自動型知識獲取兩種。(3)按知識獲取的策略分類，可分為會談式、案例分析式、機械照搬式、教學式、演繹式、歸納式、類比式、猜想驗證式、反饋修正式、聯(lián)想式和條件反射式等。9、什么是知識表示？知識表示方式有哪些?答：知識表示就是知識的符號化和形式化的過程，方式：狀態(tài)空間表達法、謂詞邏輯表示法、與\或圖表達法、語義網絡表示法、產生式表示法、框架式表示法、腳本表示法、特征表表示法、過程表示法10、用語義網絡表達下列知識：(略)11、知識推理方法有哪幾種？每一種知推理方式有何特點？答：假如推理所依據的知識都帶有一個置信度，則從前提到結論的過程中就存在一個置信度轉移的問題?；诖艘饬x，可將推理模式劃分為如下方式：1).基于百分百置信度的演繹推理2).歸納推理3).不確定性推理4).定性推理5).非單調推理特點：1).基于百分百置信度的演繹推理如果把領域知識表示成必然的因果關系，則按邏輯關系進行推理所得的結論是肯定的。一般來說，如果前提的置信度為A,則通過演繹推理得出的結論也具有置信度A。演繹推理又可以分為正向演繹推理、反向演繹推理、正向與反向相結合的聯(lián)合演繹推理(也稱雙向推理)3種形式。其中，正向演繹推理是一種條件驅動的推理方式；反向演繹推理是一種結論驅動的推理方式；若將兩種演繹推理方式相結合，可發(fā)揮它們的各自優(yōu)點而克服其局限性，這就形成了雙向聯(lián)合的演繹推理。.歸納推理歸納推理又稱主觀不充分置信推理，它能從一個具有一定置信度的前提推出一個比前提的置信度低的結論。常用的歸納推理方法有簡單枚舉法和類比法，簡單枚舉法是通過某類事物觀察到其子類，在子類中發(fā)現(xiàn)某屬性，在沒有發(fā)現(xiàn)相反事例的情況下，就可推導出此類事物都具有這種屬性的結論。類比推理法以相似原理為基礎，即當兩個或多個事物在許多屬性上都相同的條件下，可推出它們具有相同的屬性。.不確定性推理不確定性推理也稱不精確推理，它是針對不確定的事實，根據不充分的證據和不完全的知識進行推理的方式。常見的不確定推理方法有確定因子法，以概率為基礎的主觀Bayes方法，基于Dempster-shafer證據理論的推理方法，模糊子集法等。.定性推理定性推理是從物理系統(tǒng)的結構描述出發(fā)，推導出行為描述，預測物理系統(tǒng)的行為并給出因果關系的解釋。定性推理是采用系統(tǒng)部件間的局部傳播規(guī)則來解釋系統(tǒng)行為的，即認為部件狀態(tài)的變化只與直接相鄰的部件有關。定性推理是以定性物理知識模型為基礎的。

5）.非單調推理非單調推理是指由于新知識的加入而使某些原有的知識變?yōu)榧俚耐评?，非單調推理的處理過程比單調推理的處理過程復雜和困難得多。非單調推理較適合于賴以進行推理的證據不夠、知識不完全等情況，對于一個不斷變化的對象，反映其基本特性的知識庫中的知識和數(shù)據庫中的數(shù)據也在發(fā)生變化，這就需要非單調推理。4、簡述專家系統(tǒng)的定義和構成（1）定義：所謂專家系統(tǒng)就是利用存儲在計算機內的某一特定領域內人類專家的知識，來解決過去需要人類專家才能解決的現(xiàn)實問題的計算機系統(tǒng)。（2）構造：［人機接口數(shù)搖庫知識祭聰桶構領域專掃擁識工程師［人機接口數(shù)搖庫知識祭聰桶構1［人機接口^2-4專家系統(tǒng)基本結拘示意圈5、專家系統(tǒng)的功能與作用答：（1）功能1）存儲問題求解所需的知識；2）存儲具體問題求解的初始數(shù)據和推理過程中涉及到的各種信息，如中間結果、目標、子目標以及假設等；3）根據當前輸入的數(shù)據，利用已有知識，按照一定的推理策略，去解決當前問題，并能控制和協(xié)調整個系統(tǒng)；4）能夠對推理過程、結論或系統(tǒng)自身行為做出必要的解釋；5）提供知識獲取，機器學習以及知識庫的修改、擴充和完善等維護手段；6）提供一種用戶接口，便于用戶使用，又便于分析和理解用戶的各種要求和請求。強調指出，存放知識和運用知識進行問題求解是專家系統(tǒng)的兩個最基本功能.（2）專家系統(tǒng)的作用1）專家系統(tǒng)作為人工智能的應用領域，它使人工智能從實驗室走向了現(xiàn)實世界，成為檢驗人工智能基本理論和技術的重要實驗場地。加快了人工智能和計算機研究的步伐；2）專家系統(tǒng)作為一種實用工具，為人類專家寶貴知識的保存、傳播、使用和評價提供了一種有效手段；3）專家系統(tǒng)可以延伸人類專家的能力。專家系統(tǒng)解決問題時不受環(huán)境的影響，不受時間和空間的限制；4）專家系統(tǒng)能匯集問題領域多個專家的知識與經驗。因為專家系統(tǒng)要求領域內不同專家采用統(tǒng)一的知識描述形式，這樣便于區(qū)別來自不同專家知識的優(yōu)劣，克服個別專家的局限性，揚長避短，互相合作解決問題。6、專家系統(tǒng)的基本特征答：具有專家水平的專門知識；專家系統(tǒng)使用符號推理；專家系統(tǒng)能夠解決問題領域內的各種問題；復雜度與難度，專家系統(tǒng)擁有很專門的領域知識；具有解釋功能，專家系統(tǒng)具有解釋機制；具有獲取知識的能力；知識與推理機構相互獨立。專家系統(tǒng)一般把推理機構與知識分開，使其獨立，使系統(tǒng)具有良好的可擴充性和維護性7、專家系統(tǒng)的分類答：(1)按照專家系統(tǒng)的應用領域來分類，可分為醫(yī)療專家系統(tǒng)、勘探專家系統(tǒng)、石油專家系統(tǒng)、數(shù)學專家系統(tǒng)、物理專家系統(tǒng)、化學專家系統(tǒng)、氣象專家系統(tǒng)、生物專家系統(tǒng)、工業(yè)專家系統(tǒng)、法律專家系統(tǒng)和教育專家系統(tǒng)等。(2)按照知識表示技術分類，可分為基于邏輯的、基于規(guī)則的、基于語義網的專家系統(tǒng)和基于框架的專家系統(tǒng)等；按照推理控制策略分類，可分為正向推理、反向推理專家系統(tǒng)和雙向混合推理等；按照所采用的不精確推理技術分類，可分為確定理論推理技術、主觀Bayes推理技術、可能性理論推理技術專家系統(tǒng)和D/S證據理論推理技術專家系統(tǒng)等；按照專家系統(tǒng)的結構分類，可分為單專家系統(tǒng)和群專家系統(tǒng)，而群專家系統(tǒng)按其組織方式又可分為主從式、層次式、同僚式、廣播式以及招標式等。8、專家控制系統(tǒng)的定義答：專家控制是指將人工智能領域的專家系統(tǒng)理論和技術與控制理論方法和技術相結合，仿效專家智能，實現(xiàn)對較為復雜問題的控制?；趯＜铱刂圃硭O計的系統(tǒng)稱為專家控制系統(tǒng)(ECS)。9、專家控制系統(tǒng)的任務答:1).能提供一個熟練工或專家對受控對象操作所能達到的性能指標；(2).監(jiān)督對象和控制器的運行情況；(3).檢測系統(tǒng)元件可能發(fā)生的故障或失誤；(4).對特殊情況，要選擇合適的控制算法以適應系統(tǒng)參數(shù)的變化。10、專家控制系統(tǒng)的分類答：1).一般控制理論知識和經驗知識相結合；這種控制方法是以應用專家知識、知識模型、知識庫、知識推理、控制決策和控制策略等技術為基礎的，知識模型與常規(guī)數(shù)學模型相結合，知識信息處理技術與控制技術的結合，模擬人的智能行為等。2).模糊邏輯與專家控制相結合；將模糊集和模糊推理引入專家控制系統(tǒng)中，就產生了基于模糊規(guī)則的專家控制系統(tǒng)，也稱模糊專家控制系統(tǒng)(FFC)。.神經網絡與專家控制相結合。可發(fā)揮專家系統(tǒng)“高層”推理的優(yōu)勢和神經網絡“低層”處理長處。11、專家控制系統(tǒng)的基本結構第四章1、模糊控制有哪些特點答：無需知道被控對象的數(shù)學模型、模糊控制是一種反映人類智慧思維的智能控制、易被人們接受、構造容易、魯棒性好等。2、簡要說明模糊控制系統(tǒng)的工作原理答：模糊控制系統(tǒng)是由模糊控制器、被控對象、檢測和反饋部件組成的自動化系統(tǒng)。據人們以往的經驗設計一個模糊控制器，將測量值與給定值相比較，劃分等級，控制量等級范圍要與之相匹配，建立起控制規(guī)則，最后得出理想輸出結果?；颍赫埉嫵瞿：刂葡到y(tǒng)的組成框圖，并結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：⑴模糊化接口測量輸入變量（設定輸入）和受控系統(tǒng)的輸出變量，并把它們映射到一個合適的響應論域的量程，然后，精確的輸入數(shù)據被變換為適當?shù)恼Z言值或模糊集合的標識符。本單元可視為模糊集合的標記。（2）知識庫涉及應用領域和控制目標的相關知識，它由數(shù)據庫和語言（模糊）控制規(guī)則庫組成。數(shù)據庫為語言控制規(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)則標記控制目標和領域專家的控制策略。（3）推理機是模糊控制系統(tǒng)的核心。以模糊概念為基礎，模糊控制信息可通過模糊蘊涵和模糊邏輯的推理規(guī)則來獲取，并可實現(xiàn)擬人決策過程。根據模糊輸入和模糊控制規(guī)則，模糊推理求解模糊關系方程，獲得模糊輸出。（4）模糊判決接口起到模糊控制的推斷作用，并產生一個精確的或非模糊的控制作用。此精確控制作用必須進行逆定標（輸出定標），這一作用是在對受控過程進行控制之前通過量程變換來實現(xiàn)的3、如何建立模糊規(guī)則？答：模糊控制器規(guī)則是基于專家知識或操作者長期積累的經驗，是模仿人的直覺推理的一種語言形式。模糊規(guī)則通常表述為“if……then……”等形式，設模糊控制器的輸入變量為偏差e和偏差變化率ec，模糊控制器的輸出變量為u,其相應語言變量分別為E、EC、U。規(guī)則庫是為模糊推理提供規(guī)則。4、簡述模糊控制器的的設計步驟。答：（1）確定模糊控制器的結構;⑵定義輸入、輸出模糊集；（3）定義輸入、輸出隸屬函數(shù)；⑷建立模糊控制規(guī)則；⑸建立模糊控制表；⑹模糊推理；⑺反模糊化。5、在模糊控制器的設計中，常用的反模糊化的方法有哪幾種？最大隸屬度法、中心法和加權平均法。6、簡述模糊控制的發(fā)展方向模糊控制的發(fā)展方向有：（1）Fuzzy-PID復合控制（2）自適應模糊控制（3）專家模糊控制（4）神經模糊控制（5）多變量模糊控制7、模糊控制系統(tǒng)一般由幾個部分組成？1）模糊控制器2）輸入/輸出接口裝置3）廣義對象4）傳感器8、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：都表示一個集合；不同點：普通集合具有特定的對象。而模糊集合沒有特定的對象，允許在符合與不符合中間存在中間過渡狀態(tài)。9、簡述模糊集合的概念。設為某些對象的集合，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。10、試寫出3種常用模糊條件語句及對應的模糊關系R的表達式。設A、B分別是論域X、Y上的模糊集合，則模糊條件語句“ifAthenB”所決定的二兀模糊關系為：R=[A€B]€[A€e]A，B(1分)*~設A、B和°分別是論域X、Y和Z上的模糊集合，則模糊條件語句“ifAthenelse”所決定的二兀模糊關系為:(2分)*~設A、B和°分別是論域X、Y和Z上的模糊集合，則模糊條件語句“ifAandBthen°”所決定的二元模糊關系為：R=LA€B11€CAyr3TT第五早1、簡述人工神經元模型的基本原理u<iy

u<iy

ii(5-1)=工WX-<(5-1)ijjij=1=f(u)i式中，uf=12…,m)為神經元i的內部狀態(tài)；J為閾值；x.為輸入信號；wij表示輸入與神經元連接的權值；s.表示外部輸入的控制信號；f(?)表示神經元輸入與輸出的對應關系，又稱激活函數(shù)，用于模擬生物神經元的非線性傳遞特性。2、人工神經網絡的常用學習方法有哪些？試推到出Q學習規(guī)則。答：有教師學習、無教師學習、再勵學習；Q學習規(guī)則:?假設下列誤差準則函數(shù)

?式中，〃代表期望的輸出(教師信號)，y=/(WX)為網絡的實際輸出，W是權值ppP向量?Xp為輸入模式：Xp=(x1,x2,...,xn)r，訓練樣本數(shù)p=1,2,M。?問題是如何調整權值W,使準則函數(shù)最小。可用梯度下降法來求解，基本思想是延著E的負梯度方向不斷修正W值，直到E達到最小，這種方法的數(shù)學表達式AWQE?其中p,1AWQE?其中p,12(d€y)2

p(5€8)(5€9)(5€10)?用e表示wx，則有pp?W的修正規(guī)則為3Ep機3Ep機AWQE30QEQy=pp=ppXHYPERLINK\h\z?最終可得到：qc八q①1、q（k）一q（k一1）…（k），—…（k）sgnJJw（k）（5—61）jjz（k）—z（k—1）jHYPERLINK\h\z0.40.71「10.70.310.60.40.2"大"=一++—"小=-++"較小"=—+++一3451231234已知：規(guī)則若x小，則y大問題：當x=較小時,y=?（采用Mamdani推理法）（5分）…000.40.71，0.7€€000.40.7答000.30.30.3€00000€€?00000_…000.40.71,000.40.70.7140200.30.30.3=[000.40.71]00000000006.設論域X=Y={1,2,3,4,5}，以下為X、Y上的模糊集合TOC\o"1-5"\h\zA="低"=-+06+04123="較低"=1+°!+020.1123nmnm臺」mB="高"=+一45~~~設A=“低”則B=“咼”已知A=“較低”問B如何?11答R=(AxB)€(AxE)10.60.400[0000.81]€0000.810000.60.60000.40.400000000000000.80.40.40.40.60.60.60.60.611111111。R10.60.611B=A117、對于一個系統(tǒng)[11111]…00000，0.40.40.40.40.4€€€0.60.60.60.60.6€11111€€?1111100.40.611當輸入A時,輸出為B，否則為C,且有:10.50.1++uuu1230.70.60.3—++vvv1230.60.70.9++vvv123A二B二C二0.31已知當前輸入A'二++u05。求輸出D。（5分）答R=（AxB）AxCI丿D=[0.5…0.70.60.3,<000、<0.70.60.3'0.50.50.30.50.50.5—0.50.50.50.10.10.1、0.60.70.9丿0.60.70.9丿0.50.5]321'b2'b3^和Z=Sj且8.設模糊集合A、B和C的論域分別為：X=€1'b2'b3^和Z=Sj且A，05+丄+巴B，01+丄+06C，04+丄a1a2a3,b1b2b3,c1c2。試確定”IFAandBthenC”所決定+b1b2b3時的輸出C1A1，10+01B1，01+05+丄的模糊關系+b1b2b3時的輸出C1?0.5…'0.10.50.5?0.5…'0.10.50.5、答AxB,1[0.110.6]，0.11.00.60.1、0.10.10.1丿400.10.40.40.10.4R，(AxB)t1[0.二［八］0.50.50.110.1?1…‘0.10.51]A1xB1,￡)[0.10.51]，0000.10.10.1丿0.40.6C1=((A1xB1)t2R,[0.40.5]0.10.10.10.10.10.1"9.已知A，】9.已知A，】+0：x1x2+05+丄,C,0.2y2y3'1、、+—；r。試確定"IFz1z2AandBthenC”所決定的模糊關系R的模糊關系R，以及輸入為A1=08+01,B1，眾+卑+篤時的輸出C1。x1x2y1y2y30.10.510.10.50.50.10.1R，(AxB)l[0.21]，0.20.10.510.10.50.50.10.1R，(AxB)l[0.21]，0.20.50.210.10.10.50.5C1=((A1xB1)l)tR，[0.20.2]A€05+丄+01B€01+丄+06C€04+丄10.已知a1a2a3,b1b2b3,c1c2。試確定”IFAandBthenA1€10A1€10+05+01C"所決定的模糊關系R,以及輸入為a1a2a3B1€01+1+0.6b2b1b3時的輸出C1。R€(AXBA[R€(AXBA[0Q]€0.40.40.10.50.50.10.410.40.60.10.10.10.10.10.1]]，0.5「?0.10.50.5、答AxB€1[0.110.6]€0.11.00.60.10.10.10.1丿0.5]C1=((A1xB1/R€[0.50.5]11.設x表示轉速，y表示控制電壓。轉速和控制電壓的論域分別為X={100,200,00,400,500},Y={1,2,3,4,5}已知在X、Y上的模糊子集為A二“轉速高”二0/100+0/200+0/300+0.5/400+1/500B=“控制電壓高”0/1+0/2+0/3+0.5/4+1/5XXY上的模糊關系為“若轉速高，則控制電壓高；否則控制電壓不很高”?，F(xiàn)在轉速不很高,控制電壓如何？(7分)答1)C€"控制電壓不很高丄"控制電壓很高,€1/1+1/2+1/3+0.75/4+0/5A€"轉速不很高"€1/100+1/200+1/300+0.75/400+0/50013)與模糊控制規(guī)則“若轉速高，則控制電壓高；否則控制電壓不很高?！睂哪：P系矩陣為R~€(AxB)€(AxC)?1110.750、1110.750R€1110.7500.50.50.50.50.5<0000.51丿AAA(4)B=A。R=1110.750.5]1112.假設遺傳算法的染色體編碼方法為：用長度為10位的二進制編碼串來分別表示兩個決

策變量x1,x2,再將分別表示x1,x2的兩個10位長的二進制編碼串連接在一起，組成一個20位長的二進制編碼串，其中前10位表示x1，后10位表示x2。另外，—2.048<x<2.048(i,1,2)，則對個體x:00001101111101110001，請通過解碼確定x1和x2的實際值為多少(i(i，1,2)x，4.096x—2.048i1023y，55,y，88112x，—1.82&x，1.47612已知：0.4，試x413、設論域u={x,x,x,x}，A，B已知：0.4，試x4TOC\o"1-5"\h\zHYPERLINK\h\z00.510.50.500HYPERLINK\l"bookmark256"十一.十一-+—+-3-2-10123(6)計算模糊關系R=(NBeXPBu)+(NSeXPSu)+(ZEeXZEu)+(PSeXNSu)+(PBeXNBu)ZEeXZEu=(0,0,0.5,1,0.5,0,0)X(0,0,0.5,1,0.5,0,0)分別計算出矩陣NBeXPBu,NSeXPSu,ZEeXZEu,PSeXNSu,PBeXNBu查詢表：e—3—2—10123u3210—1—2—3實際控制時，將測量到的誤差量化后，從查詢表中得到控制量再乘以比例因子Kn,即作為控制的實際輸出。2、設在論域e（誤差）={-4,-2,0,2,4},和控制電壓u=[0,2,4,6,8]上定義的模糊子集的隸屬度函數(shù)如下圖。已知模糊控制規(guī)則：規(guī)則1：如果e誤差為ZE,則u為ZE；規(guī)則2：如果e誤差為PS，則u為NS。試用瑪達尼推理法計算當輸入誤差e=0.6時，輸出電壓片？（精確化計算采用重心法）解：

.M.a.M.a3、如圖為多層前向傳播神經網絡結構。設期望輸入[xl,x2]=[1,3],期望輸出為[ydl,yd2]=[0.9,0.3]，網絡權系數(shù)初值如圖上，試用BP算法訓練此網絡。并詳細寫出第一次11+e-xf(x),11+e-x迭代學習的計算結果。學習步長n=i，取神經網絡激勵函為同理計算神經元Vg的H的、H3（k）心⑼二V憐兒（°）十冬=〈05〉X0+0.6X0+0=0叫〔町=工叫/』（（）｝十施=（0.2）X0+0.6X0+0=0j=i耳、旳的狀態(tài)保持不變?同建可計算岀其他狀態(tài)之間的轉移關系y1y2y3=011是一今網銘的穗定狀態(tài)，任盍一個初始狀態(tài)最終都將達到雌態(tài).例：設論域U={u1,U2,U3,u4,u5}中的兩個模糊子集為”0.60.510.40.3uuuuu12345門0.50.60.30.40.7B=++++uuuuu例：設論域U={u1,U2,U3,u4,u5}中的兩個模糊子集為”0.60.510.40.3uuuuu12345門0.50.60.30.40.7B=++++uuuuu交為0.6a0.50.5a0.61a0.3anb二+€+uuu1230.50.50.30.40.3=€+++0.4a0.40.3a0.7+uu450.6,0.50.5,0.6€uu-21,0.3€u30.4,0.4€€

u40.3,0.7u50.60.610.40.7++++uuuuu12345模糊集運算的基本定律：設U為論域，ABC為U中的任意模糊子集，則有1）冪等律AQA=A,aua=a2）結合律^n（Bnc）=（AnB）nGAU(BUC)=(AUBUC；3)交換律AQB=BQA,AUB=BUA7、設論域X=[U1,U2,U3,U4,U5],Y=[V1,V2,V3,V4,V5],定義：人=輕=1/u1+0.&u2+0.6/u3+0.4/u4+0.2/u5,8=重=0.2/v1+0.4/v2+0.6/v3+0.&v4+1/v5確定模糊語言規(guī)則：ifX是輕，則Y是不很重，所決定的模糊關系矩陣R,并計算出當X為很輕，很重條件下的模糊集合y專家系統(tǒng)簡述建造專家系統(tǒng)的步驟與設計技巧。用結構圖描述專家系統(tǒng)的基本結構。解：1?⑴建造專家系統(tǒng)的步驟：設計初始知識庫，包括問題知識化、知識概念化、概念形式化、形式規(guī)則化、規(guī)則合法化；原型機的開發(fā)與試驗；知識庫的改進與歸納。⑵專家系統(tǒng)的設計技巧：設計系統(tǒng)時，首先集中精力研究一小部分假設，以及隨之的觀測或觀察；挑選那些最有利于區(qū)別各個假設的觀測。在決定規(guī)則時，首先從確認或區(qū)分各種假設所需數(shù)量最少的觀測組合開始；把不具有很強的預測或區(qū)別能力的觀測組合起來；建立中間假設；以各種事例來試驗所涉及的系統(tǒng)。

2.專家系統(tǒng)結構框圖：2.模糊控制被控對象為水箱，水箱通過調節(jié)閥可向內抽水和向外抽水。試設計一個模糊數(shù)據庫過程接口人機接口推理機2.專家系統(tǒng)結構框圖：2.模糊控制被控對象為水箱，水箱通過調節(jié)閥可向內抽水和向外抽水。試設計一個模糊數(shù)據庫過程接口人機接口推理機控制器，通過調節(jié)閥門將水位穩(wěn)定在固定點附近。假設理想的水位高度為h,0實際測得的水位高度為h，選擇液位差為e=Ah€h-h，將當前水位對于穩(wěn)定值0得偏差e作為觀測值。試求模糊矩陣R。解：首先，將輸入量和輸出量模糊化。將偏差e分成5個模糊集：負大（NB）,負?。∟S）,零（Z0）,正小（PS）,正大（PB）。將偏差e的變化分成7個等級：-3，-2，-1,0,1,2,3，從而得到水位的變化模糊表：水位的變化模糊表隸屬度變化等級-3-2-10123模糊集PB000000.51PS000010.50ZO000.510.500NS00.510000NB10.500000控制量u作為調節(jié)閥門開度的變化。將其分為5個模糊集：負大（NB）,負?。∟S）,零（ZO）,正?。≒S），正大（PB）。將u的變化分成9個等級：-4,-3，-2，-1,0，1，2，3,4,得到控制量模糊劃分表：控制量模糊劃分表隸屬度變化等級-4-3-2-101234模糊集PB00000000.51PS000000.510.50ZO0000.510.5000NS00.510.500000NB10.50000000

其次，規(guī)則模糊化?？梢詫懗杀砀竦男问綖椋耗：刂埔?guī)則表IFNBeNSeZOePSePBeTHENNBuNSuZOuPSuPBu然后根據模糊規(guī)則，可以求模糊矩陣：R€(NBeXNBu),(NSexNSu),(ZOexZOu),(PSexPSu),(PBexPBu)NBexNBuT…1.00.50000000_0.50.50.500000000xh.00.50000000?€0000000000000000000000000000000000000000000000000同理可得到其他矩陣，經過五個矩陣求并集，可以得到：…1.00.5000000_0.50.50.50.5000000.50.50.50.5000R€0001.00.50000000.50.51.00.5000000.50.50.50.50000000.51.03.BP神經網絡一個三層網絡，如下圖所示。輸入層和輸出層的激活函數(shù)均為線性函數(shù)力、（s）€s,f、（sLs,而隱含層的激活函數(shù)f、（s）=0.1s。第一個輸入神經元（o）（2）（1）和各個隱含層神經元的連接權均為1,即w（i）=1,j€1,2,3,4,而第二個輸入神經元j1與各隱層神經元的連接權均為2,即w（i）€2,j=1,2,3,4,第一個輸出層神經元和各j2隱含層單元的連接權均為1，w（隱含層單元的連接權均為1，w（1）=1,i€1,2,3,4,第二個輸出層神經元和各隱含層1i單元連接權均為2,即w<1)€2,i€1,2,3,4,當輸入2i（x（°）,x（°）12期望輸出(d,d)=(1,2),學習率為0.1輸入層不考慮閥值。12問：(1)當(i,i)=(1,1)時，網絡的實際輸出是多少？12(2)誤差反向傳播時，傳播到包括輸入、隱含和輸出各層的誤差分別是多少？解：向前計算(隱含層輸出)x(1)，fw(1)x(o)+w(1)x(0)丿1(l)111122，f(1?1+2?1)，f(3)，0.3丿(1)伽同理可得：x(1)，0.3,x(1)，0.3,x(1)，0.3234x(2)，fS(2)x(1)+w(2)x(1)+w(2)x(1)+W(2)X(1)輸出層輸出：1/(2)111122133144，f(1x0.3+1?0.3+1?0.3+1?0.3)，1.2(2)同理：x(2)=2.42反向計算：輸出層的誤差…(2)，C-x(2))f'(s(2))=(1-1.2)x1，-0.2111(2)1同理：…(2)=-0.42隱含層誤差：…(1)=f:、C))》…(2)w(2)=0.1x(-0.2x1-0.4x2)=-0.11(1)1kk1k，1…(1)=…(1)=…(1)=-0.1234輸出層誤差：----1“----1“,(o)=f?Co))工，(1)w(1)1(o)1kk1k=1=1x[1x(—0.1)+1X(—0.1)+1X(—0.1)+1X(-0.1)<=—0.4,(o)=—0.824.Hopfield網絡一個只有四個雙極性神經元的離散型Hopfield網絡,樣本⑴組：X(1)=[1111]T,X(2)=[—1—1—1—1]T樣本⑵組：X(3)=[11—1—1]T,X(4)=[1—11—1]T⑴試求W;(2)檢驗演變過程是否收斂解：(1)樣本⑴組：w=》(X(k)X(k)T—I)=X(1)X(1)T+w=》(X(k)X(k)T—I)=X(1)X(1)T+X(2)X(2)T—2Ik=11]+—1—11]—20002000200000022220----1“----1“----1“----1“樣本⑵組：—?1”'、12>1)=f(—2)=—1—1w=工(X(k)X(k)T一I—?1”'、12>1)=f(—2)=—1—1TT-2000--000—2_111—1—1]+—11—11—1]—020000—20—1100200—2—22—1—10002—2000⑵用樣本⑵測試，采用X⑶=X(0)=[11一1—1]T，次序為：1‘2‘3‘4‘1①X⑴=f(工wx(0))=f((02211iii=1同理，X(1)€1,X(1)€-1,X(1)€-1〔-〔-耳、12、)€f(一6)€-1—1<-1丿②X(2)€f疋wx(1))€f(60222iii€1同理，X⑵€-1,X⑴€-134由此可見，演變過程收斂到X⑵上去了，故吸引子:5?試簡述BP網絡，Hopfield網絡和徑向基函數(shù)網絡各自的特點。答：(1)BP網絡：BP網絡是一種多層網絡，包括輸入層、隱層和輸出層；層與層之間采用全互連方式，同層神經元之間不連接；權值通過學習算法調節(jié)；神經元激發(fā)函數(shù)為S函數(shù)；學習算法由正向傳播和反向傳播組成；層與層之間連接是單向的，信息的傳播是雙向的。是全局逼近網絡。Hopfield網絡是由非線性元件構成的全連接型單層反饋系統(tǒng)，網絡中每個神經元都將自己的輸出通過連接權送所有其他神經元，同時又接受其他神經元的傳遞過來的信息，他是一個反饋性網絡，本身具有穩(wěn)定狀態(tài)，當網絡穩(wěn)定時，能量函數(shù)最小。徑向基函數(shù)的學習過程和BP網絡的學習過程類似，兩者的主要區(qū)別在于各自使用不同的激活函數(shù)。BP網絡中隱層采用S函數(shù)，其值在輸入空間中無限大的范圍內為非零值，因而是一種全局逼近的神經網絡；徑向基函數(shù)的激活函數(shù)是高斯函數(shù)，其輸入在有限范圍內是非零值，因而是局部逼近網絡。一、選擇題1、蔡自興教授提出智能控制系統(tǒng)的四元結構，認為智能控制是人工智能、控制理論、系統(tǒng)理論和運籌學四種學科的交叉。2、專家是指在某一專業(yè)領域內其專業(yè)知識與解決問題的能力達到很高水平的學者。3、專家系統(tǒng)中的知識按其在問題求解中的作用可分為三個層次，即數(shù)據級、知識庫級和控制級。4、不確定性知識的表示有三種:概率、確定性因子和模糊集合。5、Hebb學習規(guī)則是一種無教師的學習方法，它只根據神經元連接間的激活水平改變衛(wèi)值，因此這種方法又稱為相關學習和并聯(lián)學習。6、交叉運算是兩個相互配對的染色體按某種方式相互交換其部分基因，從而形成兩個新的個體。二、判斷題1、IEEE控制系統(tǒng)協(xié)會把智能控制歸納為：智能控制系統(tǒng)必須具有模擬人類學習和自適應的能力。（T）2、不精確推理得出的結論可能是不確定的，但會有一個確定性因子，當確定性因子超過某個域值時，結論便不成立。（F）3、一般的專家系統(tǒng)由知識庫、推理機、解釋機制和知識獲取系統(tǒng)等組成。（T）4、人機接口是專家系統(tǒng)與領域專家、知識工程師、一般用戶間進行交互的界面，由一組程序及相應的硬件組成，用于完成知識獲取工作。（F）5、Hopfield神經網絡是反饋神經網絡中最簡單且應用廣泛的模型，它具有聯(lián)想記憶的功能。（F）6、知識是將有關的信息進一步關聯(lián)在一起，形成了更高層次含義的一種信息結構，信息與關聯(lián)是構成知識的兩個基本要素。（T）7、建造知識庫涉及知識庫建造的兩項主要技術是知識獲取和知識存放。（F）8、模糊控制系統(tǒng)往往把被控量的偏差（一維）、偏差變化（二維）以及偏差的變化率（三維）作為模糊控制器的輸入。（T）9、RBF網絡的學習過程與BP網絡的學習過程是類似的，兩者的主要區(qū)別在于使用了相同的激勵函數(shù)。（F）10、應用遺傳算法求解問題時，在編碼方案、適應度函數(shù)及遺傳算子確定后，算法將利用進化過程中獲得的信息自信組織搜索。（T）三、簡答題分別說明專家系統(tǒng)與專家控制系統(tǒng)？答：專家系統(tǒng)就是利用存儲在計算機內的某一特定領域內人類專家的知識，來解決過去需要人類專家才能解決的現(xiàn)實問題的計算機系統(tǒng)。專家控制是將人工智能領域的專家系統(tǒng)理論和技術與控制理論方法和技術相結合，仿效專家智能，實現(xiàn)對較為復雜問題的控制。基于專家控制原理所設計的系統(tǒng)稱為專家控制系統(tǒng)。人工神經網絡中兩種典型的結構模型是什么？它們進行學習時具有哪些特點？答：兩種典型的結構模型是前饋神經網絡和反饋神經網絡。前饋神經網絡有感知器和BP網絡等；主要采用€學習規(guī)則，這是有教師學習方法。反饋神經網絡有Hopfield神經網絡、Boltzmann機網絡等；主要采用Hebb學習規(guī)則，概率式學習算法。應用遺傳算法計算時，設計編碼的策略與編碼評估準則（即編碼原則）是什么？答：設計編碼策略：（1）完備性（2）健全性（3）非冗余性編碼評估準則，即編碼原則：（1）有意義基因塊編碼規(guī)則（2）最小字符集編碼原則。四、設某恒溫室的溫度模糊控制器，控制室溫為某個設定值：（1）試給出該模糊控制器的結構圖；（2）說明模糊控制器設計的主要內容。解：（1）該模糊控制器為兩輸入信號，為二維模糊控制器結構，該溫度模糊控制器的結構圖如下：模糊規(guī)則庫

x—a,(x)二e—(b)2作為其隸屬函數(shù)。3.建立模糊控制規(guī)則表：—、X1X27^NBZEPBPBPSZENBZEPSZENSNBPBZENS4.求模糊控制器輸出溫度模糊控制器輸入變量是兩個變量分別為偏差(即溫度的設定值與實際測定值的差值)和偏差的變化，是確定數(shù)值的清晰量；通過模糊化處理，用模糊語言變量E溫度模糊控制器輸入變量是兩個變量分別為偏差(即溫度的設定值與實際測定值的差值)和偏差的變化，是確定數(shù)值的清晰量；通過模糊化處理，用模糊語言變量E來描述偏差。模糊推理輸出y是模糊變量，在系統(tǒng)中要實施控制時，模糊量u轉化為清晰值。(2)模糊控制器設計的主要內容:1.定義輸入變量XI、X2的模糊子集為｛NBZEPB｝｛PBZENB｝，偏差的量論域為｛-2Q+2｝，偏差變化率的量化論域為｛-2,0,+2｝。2?定義所有變量的模糊化條件。輸出語言的基本論域為[-u,u],控制輸出量的量化論域為｛-2,0,+2｝，控制輸出量的模糊子集[NBZEPB]，對輸入輸出語言變量均選用正態(tài)函數(shù)：應用模糊推理合成規(guī)則，有溫度偏差和偏差變化量的量化論域，根據輸入語言變量偏差X1和偏差變化量X2求出相應輸出語言變量U的模糊集合，應用最大隸屬度法對此模糊集合進行模糊判決，從而可求出控制量控制精確值u。五、計算題1.設模糊控制器的控制規(guī)則為：Ifx1isA1andx2isB1thenyisC1已知A1=[0.90.60.1],B1=[0.30.7],C1=[0.20.40.8]試計算A2=[0.20.50.4]，B2=[0.30.6]時C2的數(shù)值；若Y的量化論域為｛2,3,4｝，用最大隸屬度法求控制輸出的清晰量。0.9解：(1)A1*A2=0.6€0.9解：(1)A1*A2=0.6€t).30.30.7?=0.30.70.60.10.10.10.1將A1*A2矩陣展成如下列向量：(Al*B1)t=b.30.70.30.60.10.1}模糊關系R二(Al*B1)t*Cl二ln.30.70.30.60.10.1}€b.20.40.80.20.20.20.20.10.10.30.40.30.40.10.10.30.70.30.60.10.1

「0.2?I--|「0.20.2?當輸入A2和B2時，有:A2*B2=0.5€b.30.6]=0.30.50.40.30.4將A2*B2矩陣展成如下列向量：(A2*B2)t=(0.20.20.30.50.3O/}最后得C2最后得C2：C2=b.20.20.30.50.3=t).20.40.5]「0.20.20.20.20.10.1?0.4}。0.30.40.30.40.10.10.30.70.30.60.10.1⑵因為Y⑵因為Y的量化論域為{2,3,4},所以得出C2=02+04+