智能控制题库合并版

一、填空题1智能控制是一门新兴的学科，它具有非常广泛的应用领域，例如、和。1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制2传统控制包括和。2、经典反馈控制现代理论控制3一个理想的智能控制系统应具备的基本功能是、和。3、学习功能适应功能自组织功能优化能力4智能控制中的三元论指的是、和。4、运筹学，人工智能，自动控制5近年来，进化论、和等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。5、神经网络模糊数学专家系统6智能控制方法比传统的控制方法更能适应对象的、和。6、时变性非线性不确定性7傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。8、不确定性、高度的非线性、复杂的任务要求9智能控制系统的主要类型有、和。9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统10智能控制的不确定性的模型包括两类1；2。10、1模型未知或知之甚少；2模型的结构和参数可能在很大范围内变化。11控制论的三要素是信息、反馈和控制。12建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。12、知识库的设计推理机的设计人机接口的设计13专家系统的核心组成部分为和。13、知识库、推理机14专家系统中的知识库包括了3类知识，它们分别为、和。14、判断性规则控制性规则数据15专家系统的推理机可采用的3种推理方式为推理、和推理。15、正向推理、反向推理和双向推理16根据专家控制器在控制系统中的功能，其可分为和。16、直接型专家控制器、间接型专家控制器17普通集合可用函数表示,模糊集合可用函数表示。17、特征、隶属18某省两所重点中学在X1X5五年高考中，考生“正常发挥”的隶属函数分别为085、093、089、091、096和092、096、087、093、094。则在研究该省重点中学高考考生水平发挥的状况时，论域应为，若分别用、XA表示两个学校考试“正常发挥”的状况，则用序偶表示法分别表示为B，；“未正常发挥”模糊子集（用行向量表示）分别为和；而该省两所重点中学每年高考考生“正常发挥”的模糊子集应该是（用ZADEH法表示）。18，12345,XXX12345,085,9,08,91,06AXXX23450967B，,7,A,7B12345858109XXX19确定隶属函数的方法大致有、和。19、模糊统计法主观经验法神经网络法20在模糊控制中应用较多的隶属函数有6种，它们分别为高斯型隶属函数、和。20、广义钟形隶属函数S形隶属函数梯形隶属函数三角形隶属函数Z形隶属函数21在天气、学问、晴朗、表演和渊博中可作为语言变量值的有和。21、晴朗、渊博22在天气、学问、暖和、表演和中年人中可作为语言变量值的有和。22暖和、中年人23模糊控制是以、和为基础的一种智能控制方法。23、模糊集理论，模糊语言变量，模糊逻辑推理24模糊控制的数学基础为。24、模糊集合25模糊控制中，常用的语言变量值用,等表示,其中代表PMSNOPM,代表。NO25、正中、负零26在模糊控制中，模糊推理的结果是量。26、模糊27在模糊控制中，解模糊的结果是量。27、确定量28基本模糊控制器的组成包括知识库以及、和。28、模糊化接口、推理机、解模糊接口29在模糊控制中，实时信号需要才能作为模糊规则的输入，从而完成模糊推理。29、模糊化30模糊控制是建立在基础之上的，它的发展可分为三个阶段，分别为、和。30、人工经验模糊数学发展和形成阶段产生了简单的模糊控制器高性能模糊控制阶段31模糊集合逻辑运算的模糊算子为、和。31、交运算算子并运算算子平衡算子32在温度、成绩、暖和、口才和很好中可作为语言变量值的有和32暖和、很好33在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。33、暖和、中年人和比较好34在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。34寒冷、偏高35模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列以“”形式表示的控制规则。35、控制策略“IF条件THEN作用”36神经网络的发展历程经历了4个阶段，分别为、和。36、启蒙期、低潮期、复兴期、新连接机制期37神经元由4部分构成，它们分别为、和突触。37、细胞体、树突、轴突38根据神经网络的连接方式，神经网络的种形式为、和。38、前向网络反馈网络自组织网络39神经网络的3个要素为、和。39、神经元的特性拓扑结构学习规则40神经网络的3个要素为、和。40、神经元的特性拓扑结构学习规则41目前神经网络的学习算法有多种，按有无导师分类，可分为、和。41、有导师学习无导师学习再励学习42神经网络的研究主要分为3个方面的内容，即、和。42神经元模型、神经网络结构、神经网络学习算法43神经网络的学习过程主要由正向传播和反向传播两个阶段组成。44神经网络控制是将和相结合而发展起来的智能控制方法。44、神经网络，控制理论45遗传算法的主要用途是。45、寻优（优化计算）46常用的遗传算法的染色体编码方法有二种，它们分别为实数编码和。46、二进制编码47遗传算法的3种基本遗传算子、和。47、比例选择算子单点交叉算子变异算子48遗传算法中，适配度大的个体有被复制到下一代。25、更多机会49遗传算法中常用的3种遗传算子（基本操作）为、和。49、复制、交叉和变异二、简答题1试说明智能控制的的基本特点是什么（1）学习功能（1分）（2）适应功能（1分）（3）自组织功能（1分）（4）优化能力（2分）2、试简述智能控制的几个重要分支。专家控制、模糊控制、神经网络控制和遗传算法。3、试说明智能控制研究的数学工具。智能控制研究的数学工具为（1）符号推理与数值计算的结合；（2）离散事件与连续时间系统得结合；（3）模糊集理论；（4）神经网络理论；（5）优化理论4智能控制系统有哪些类型，各自的特点是什么（1）专家控制系统（1分）专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验。它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。（2）模糊控制系统（1分）在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。（3）神经控制系统（1分）神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要特征。（4）遗传算法（2分）遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。5、试说明智能控制的三元结构，并画出展示它们之间关系的示意图。把智能控制扩展为三元结构，即把人工智能、自动控制和运筹学交接如下表示（2分）ICAIACOROR一运筹学（OPERATIONRESEARCH）IC一智能控制INTELLIGENTCONTROLAL一人工智能ARTIFICIALINTELLIGENCEAC一自动控制AUTOMATICCOLLTROL一表示交集6比较智能控制与传统控制的特点。传统控制经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。（2分）智能控制以上问题用智能的方法同样可以解决。除此之外，它还能够解决非线性、时变性以及对象模型未知或知之甚少的控制问题。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。（3分）7简述智能控制系统较传统控制的优点。在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点（1）实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型。1分（2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。1分（3）针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。1分（4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。1分智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性,能够比较有效的解决上述问题,具有较大的优越性。1分8、智能控制与传统控制的主要区别如何传统控制经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。智能控制以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，能够解决传统控制方法难以解决的复杂系统的控制问题，如对象的不确定性、高度的非线性和复杂的任务要求。传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。9简述专家系统与专家控制的区别。专家控制引入了专家系统的思想，但与专家系统存在区别（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。10简述专家系统的基本构成。知识库和推理机，具体略。11、简述专家控制与专家系统存在的区别。专家控制引入了专家系统的思想，但与专家系统存在区别（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。12请画出直接型专家控制器的结构图并说明其设计思想。图略直接型专家控制器用于取代常规控制器，直接控制生产过程。具有模拟操作工人智能的功能。这种类型的控制器任务和功能相对简单，但需要在线、实时控制。13简述直接型专家控制器的主要设计内容。直接型专家控制器的主要设计内容建立知识库；控制知识的获取；选择合适的推理方法。14画出间接型专家控制器的结构图并说明其设计思想。图略设计思想间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制。15简述间接型专家控制器的概念及其分类。间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制1分。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型优化型专家控制器1分；适应型专家控制器1分；协调型专家控制器1分；组织型专家控制器1分。16根据高层决策功能的性质，简述间接型专家控制器的分类。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型优化型专家控制器；适应型专家控制器；协调型专家控制器；组织型专家控制器。17简述模糊集合的概念。设为某些对象的集合,称为论域,可以是连续的或离散的；论域到0,1区间的任一映射0,1确定了的一个模糊子集；称为的隶属函数，表示论域的任意元素属于模糊子集F的程度。模糊子集F的表示方法有几种，如向量表示法、ZADEH表示法、序偶表示法等。18、比较模糊集合与普通集合的异同。比较模糊集合与普通集合的异同。相同点都表示一个集合；不同点普通集合具有特定的对象。而模糊集合没有特定的对象，允许在符合与不符合中间存在中间过渡状态。19试比较特征函数和隶属函数。特征函数用来表示某个元素是否属于普通集合，而隶属函数则用来表示某个元素属于模糊集合的程度，特征函数的取值0，1，而隶属函数的取值0，1，特征函数可以看作特殊的隶属函数20在模糊控制器的设计中，常用的反模糊化的方法有哪几种最大隶属度法、中心法和加权平均法。21简述将模糊控制规则离线转化为查询表形式的模糊控制器的设计步骤。1确定模糊控制器的结构2定义输入、输出模糊集；3定义输入、输出隶属函数；4建立模糊控制规则；5建立模糊控制表；6模糊推理；7反模糊化。22简述模糊控制的发展方向模糊控制的发展方向有（）FUZZYPID复合控制（2）自适应模糊控制（3）专家模糊控制（4）神经模糊控制（5）多变量模糊控制23、模糊控制系统一般由几个部分组成1）模糊控制器2）输入/输出接口装置3）广义对象4）传感器24、请画出模糊控制系统的组成框图，并结合该图说明模糊控制器的工作原理。模糊控制器的工作原理为1模糊化接口测量输入变量设定输入和受控系统的输出变量,并把它们映射到一个合适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。2知识库涉及应用领域和控制目标的相关知识,它由数据库和语言模糊控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。3推理机是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。4模糊判决接口起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标输出定标,这一作用是在对受控过程进行控制之前通过量程变换来实现的25、模糊控制与传统控制的不同之处传统控制方法均是建立在被控对象精确数学模型基础上的，然而，随着系统复杂程度的提高，将难以建立系统的精确数学模型；模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础，从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该控制方法适应对象的复杂性和不确定性，不需要依赖对象的精确数学模型可实现复杂系统的控制。26、模糊控制器常规设计的步骤怎样答模糊控制器常规设计的步骤确定模糊控制器的输入、输出变量；确定各输入、输出变量的变化范围、量化等级和量化因子；在各输入和输出语言变量的量化域内定义模糊子集并确定隶属函数；确定模糊控制规则；求模糊控制表（包括模糊推理和反模糊化）。27简述神经网络的发展历程。神经网络的发展历程经过4个阶段。（1）启蒙期（18901969年）1分（2）低潮期（19691982）1分（3）复兴期（19821986）2分1982年，物理学家HOPPIELD提出了HOPPIELD神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题TSP。在1986年，在RUMELHART和MCCELLAND等提出了一种著名的多层神经网络模型，即BP网络。该网络是迄今为止应用最普遍的神经网络。（4）新连接机制时期（1986现在）1分神经网络从理论走向应用领域。28简述神经元模型并画出结构图。和神经生理学类似,人工神经网络的的基本处理单元称为神经元，每个神经元模型模拟一个生物神经元,如图所示神经元模型该神经元单元由多个输入,I1,2,N和一个输出Y组成。中间状态由输入信号加权和表示,其输出为式中,为神经元单元的阈值,为连接权系数对于激发状态,取正值,对于抑制状态,取负值,N为输入信号数目,为神经元输出,T为时间,F为输出变换函数,有时叫做激发或激励函数,往往采用0和1二值函数、S形函数和高斯函数等。30简述神经网络具备的特征。（1）能逼近任意非线性函数；1分（2）信息的并行分布式处理与存储；1分3可以多输入、多输出；1分（4）便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现；1分（5）能进行学习，以适应环境的变化。1分32简述误差反向传播学习算法（BP算法）的主要思想误差反传算法的主要思想是把学习过程分为两个阶段（1分）第一阶段（正向传播过程）给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值（2分）；第二阶段（反向过程），若在输出层未能得到期望输出值，则按梯度下降法逐层调整神经网络权值使得网络的实际输出值与期望的输出值的误差均方值为最小。33简述BP基本算法的优缺点。BP网络的优点为（1）只要有足够多的隐层和隐层，BP网络可以逼近任意的非线性映射关系；2BP网络的学习算法属于全局逼近算法，具有较强的泛化能力；（3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中，个别神经元的损坏对输入输出关系有较小的影响，因而BP网络具有较好的容错性。BP网络的主要缺点为（1）待寻优的参数较多，收敛速度较慢；2目标函数函数存在多个极值点，按梯度下降法进行学习，很容易陷入局部极小值；（3）难以确定隐层和隐层节点的数目。35简述RBF神经网络和BP神经网络的主要区别。RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。BP神经网络中隐层使用的SIGMOID是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络（分）；而RBF神经网络的作用函数是高斯函数，其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络（分），采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。（分）36简述前向多层神经网络的结构并画出结构图。前向多层神经网络具有递阶分层结构,由一些同层神经元间不存在互连的层组成。从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层,不存在同层神经元间的连接,如图所示。前向多层神经网络具有形式，如多层感知器、BP网络、RBF网络等。前向多层神经网络37试述何为有导师学习何为为无导师学习有导师学习也称为有监督学习，这种学习模式采用的是纠错规则。在学习训练过程中需要不断给网络成对提供一个输入模式和一个期望网络正确输出的模式，称为“教师信号”。将神经网络的实际输出同期望输出进行比较，当网络的输出与期望输出不符时，根据差错的方向和大小按一定的规则调整权值，以使下一步网络的输出更接近期望结果。无导师学习也称为无监督学习，学习过程中，需要不断给网络提供动态输入信息，网络按照某种预先设定的规则如竞争规则自动调整权值，其结果是使网络具有模式自动分类等功能。38简述基本遗传算法的构成要素。（1）染色体编码方法，基本遗传算法使用固定长度的二进制来表示群体中的个体，其等位基因是由二值符号集0，1所组成的，其中个体的基因值可用均匀分布的随机值来生成。2个体适应度评价，基本遗传算法与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体的概率多少。为正确计算这个概率必须先确定出由目标函数值JX到个体适应度函数FX的转换规则；3遗传算子，即选择运算、交叉运算和变异运算的基本遗传算子；4基本遗传算法的运行参数，即、和等参数。CPM39简述遗传算法的应用领域。遗传算法的应用领域（1）函数优化；（2）组合优化；（3）生产调度问题；（4）自动控制；（5）机器人；（6）图像处理；（）人工生命（）遗传编程（）机器学习。40简述基本遗传算法的特点。见书P201页41简述基本遗传算法的应用步骤。（1）确定决策变量及各种约束条件,即确定出个体的表现型和问题的解空间；2建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法；（3）确定表示可行解的染色体编码方法，即确定出个体的基因型及遗传算法的搜索空间；4确定个体适应度的量化评价方法，即确定出由目标函数值JX到个体适应度函数FX的转换规则；5设计遗传算子，即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法；6确定遗传算法的有关运行参数，即、和等参数；CPM7确定解码方法，即确定出由个体表现型到个体基因型X的对应关系或转换方法。三、作图题1分别画出以下应用场合下适当的隶属函数（A）我们绝对相信附近的ET是“正小”，只有当ET足够远离时，我们才失去ET是44“正小”的信心；（4分）（B）我们相信附近的ET是“正大”，而对于远离的ET我们很快失去ET是“正大”22的信心；（4分）（C）随着ET从向左移动，我们很快失去ET是“正小”的信心，而随着ET从向右44移动，我们较慢失去ET是“正小”的信心。（4分）1ABC2分别画出以下应用场合下适当的隶属函数（A）我们绝对相信附近的ET是“正小”，只有当ET足够远离时，我们才失去ET是22“正小”的信心；（4分）（B）我们相信附近的ET是“正大”，而对于远离的ET我们很快失去ET是“正大”33的信心；（4分）（C）随着ET从向左移动，我们很快失去ET是“正小”的信心，而随着ET从向右66移动，我们较慢失去ET是“正小”的信心。（4分）2正小,ETRAD1053正大,ETRAD105AB3论域X0，100上的模糊集合代表“偏大”，在0，80区间上，在A0125AX（80，100区间上。1X（1）写出的隶属度函数的解析表达式A（2）画出的隶属度函数曲线答00125XX08X1（2分）图略（2分）14设实数论域X上的模糊集“大约是5”采用高斯型隶属函数表示，其中参数A1,52C（1）写出的隶属度函数的解析表达式（2分）A（2）画出的隶属度函数曲线（2分）答（1）（2分）（2）图略（2分）X5XE5设实数论域X上的模糊集“大约是6”采用三角形隶属函数表示，其中参数A3B6AC8（1）写出的隶属度函数的解析表达式A（2）画出的隶属度函数曲线答（2分）图略（2分）0368820XAXX6画出以下两种情况的隶属函数图（A）画出精确集合的隶属函数图；（4分）2AX（B）写出单点模糊（SINGLETONFUZZIFICATION）隶属函数的数学表达形式，并画出隶属函数图。（4分）（C）画出精确集合的隶属函数图；（4分）82AX42X105AIU10XUIFUZXAIOTHERWISB82X105C7某模糊控制系统的输入语言变量E和输出语言变量U的语言值均为NB、NS、O、PS、PB，E的论域为X3，2，1，0，1，2，3，U的论域为Y3，2，1，0，1，2，3。设语言变量E和U的赋值表为量化等级语言变量值3210123PB000O0051PS00011050OOO0510500NS0051L000NB10500000试给出以上论域中各元素对各语言变量值所确定的模糊子集的隶属函数曲线。8一个模糊系统的输入和输出的隶属函数如图1所示。试计算以下条件和规则的隶属函数（A）规则1IFERRORISZEROANDCHANGINERRORISZEROTHENFORCEISZERO。均使用最小化操作表示蕴含USINGMINIMUMOPERTOR；（5分）（B）规则2IFERRORISZEROANDCHANGINERRORISPOSSMALLTHENFORCEISNEGSMALL。均使用乘积操作表示蕴含USINGPRODUCTOPERTOR；（5分）假定当前的输入条件为ERROR0,CHANGINERROR/9,UTN“ZERO”10108“ZERO”DET4“ZERO”A,UTN1020“NEGSAMLL”075ET4“ZERO”84“POSSMALL”DETB9一个模糊系统的输入和输出的隶属函数如下图所示。试通过作图法分别推理每条规则的输出隶属度函数（A）规则1IFERRORISZEROANDCHANGINERRORISZEROTHENFORCEUISZERO。使用最小化操作表示蕴含（USINGPRODUCTOPERTOR）（4分）（B）规则2IFERRORISZEROANDCHANGINERRORISPOSSMALLTHENFORCEUISNEGSMALL。使用乘积操作表示蕴含（USINGPRODUCTOPERTOR）（4分）84,DETRADT“ZERO”“NEGSMAL“NEGLARE”12012“POSMAL”“POSLARGE”8416,UTN“ZERO”“NEGSMAL“NEGLARE”12012“POSMAL”“POSLARGE”30201010203042,ETRAD“ZERO”“NEGSMAL“NEGLARE”12012“POSMAL”“POSLARGE”4284,DETRADT“ZERO”“NEGSMALNEGLAR”12012POSMAL”“POSLARGE”8416,UTN“ZERO”“NEGSMALNEGLAR”1202POSMAL”“POSLARGE”30201010203042,ETRAD“ZERO”“NEGSMALNEGLAR”12012POSMAL”“POSLARGE”42假定当前的输入条件为ERROR0,CHANGINERROR/9,UTN“ZERO”10108“ZERO”DET4“ZERO”A,UTN1020“NEGSAMLL”075ET4“ZERO”84“POSSMALL”DETB10一个模糊系统的输入和输出的隶属函数如图所示。试计算以下条件和规则的隶属函数（A）规则1IFERRORISNEGSMALLANDCHANGINERRORISPOSSMALLTHENFORCEISZERO。均使用最小化操作表示蕴含USINGMINIMUMOPERTOR；（5分）B规则2IFERRORISNEGSMALLANDCHANGINERRORISZEROTHENFORCEISPOSSMALL。均使用乘积操作表示蕴含USINGPRODUCTOPERTOR；（5分）84,DETRADT“ZERO”“NEGSMALNEGLAR”12012POSMAL”“POSLARGE”8416,UTN“ZERO”“NEGSMALNEGLAR”1202POSMAL”“POSLARGE”30201010203042,ETRAD“ZERO”“NEGSMALNEGLAR”12012POSMAL”“POSLARGE”42假定当前的输入条件为ERROR,CHANGINERROR/4/16A略B略四、计算题1设论域，且12345,UU12345090A13457BUU试求（补集），（补集）,CBACB3分123450910U3分13457U2分12350860CA2分123597CBUU2设有下列两个模糊关系试求出R1与R2的复合关系R1R2R1R204789563设有下列两个模糊关系R1R20857302649试求出R1与R2的复合关系R1R2R1R203744已知子女与父母的相似关系模糊矩阵为6038女子R父母与祖父母的相似关系模糊矩阵为1057母父S求子女与祖父祖母的相似关系模糊矩阵。4分答3R5、设论域XY1，2，3，4，5，X、Y上的模糊子集“大”、“小”、“较小”分别定义为07“大1073“2小10642“3较小已知规则若X小，则Y大问题当X较小时，Y采用MAMDANI推理法5分答0471030父母祖父祖母04710047130106426设论域XY1,2,3,4,5，以下为X、Y上的模糊集合34261“不A1015408“不B设“低”则，已知“较低”，问如何A“不”1A1B答RE0461186041116060440461811606048RAB7、对于一个系统，当输入A时，输出为B，否则为C,且有32105U321067VB3219C已知当前输入。求输出D。5分12305AU答7600706351799RBC05DR8设模糊集合A、B和C的论域分别为X321,A，Y321,B和Z21,C，且,。试确定”IFAANDBTHENC”05123A01623B04CC所决定的模糊关系R，以及输入为,时的输出C11AA5123BB答05051661AB1440100405TTR1010ABC12405TR9已知,。试确定”IFAANDBTHENC”所1052AX123BY21CZ决定的模糊关系R，以及输入为,时的输出C1。0812AX0523BY答015AB0120052LRC11LTABR10已知,。试确定”IFAANDBTHEN05123AA01623BB0412CCC”所决定的模糊关系R，以及输入为,时的输出5AA063BBC1。答0501166AB44010041051LTRC11TABR11设X表示转速，Y表示控制电压。转速和控制电压的论域分别为X100，200，300，400，500，Y1，2，3，4，5已知在X、Y上的模糊子集为50/1/0/0/1/“不”A4532BXY上的模糊关系为“若转速高，则控制电压高；否则控制电压不很高”。现在转速不很高，控制电压如何7分答1）0/547/312/“不不C（2）40751/3/201/1A（3）与模糊控制规则“若转速高，则控制电压高；否则控制电压不很高。”对应的模糊关系矩阵为CABR150057105（4）71RAB1不不12假设遗传算法的染色体编码方法为用长度为10位的二进制编码串来分别表示两个决策变量X1,X2，再将分别表示X1,X2的两个10位长的二进制编码串连接在一起，组成一个20位长的二进制编码串，其中前10位表示X1，后10位表示X2。另外，则对个体20481,2IXI，请通过解码确定X1和X2的实际值为多少答13、设论域U,，A，B，C是论域上的三个模糊集合，已知1X432A10X432708X，和，试求模糊集4321160X43210X合，和。CBARBASCBAT答3分4321432060017608XXXX0101X125,81Y476XX4096,23III3分123423400086107SXXXX4321432080017608XXXXT14、（本题5分）设模糊矩阵01439Q0971328R求R解0497Q15、（本题5分）设模糊集合A的论域，且123456,UUU12345609021AUU试分别求，并根据结果说明普通集合中的互补律在模糊集合中是,CCC补集否成立1分1234560089CAUU1分123456970CU1分12345602CAU由于，所以普通集合中的互补律在模糊集合中不成立。2分,CCUA五、论述题1、画出静态多层前向人工神经网络（BP网络）的结构图，并简述BP神经网络的工作过程（10分）图4分BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输出层，每层神经元（节点）的状态只影响下一层神经元的状态。3分如果在输出层不能得到期望的输出，则转至反向传播，将误差信号（理想输出与实际输出之差）按联接通路反向计算，由梯度下降法调整各层神经元的权值，使误差信号减小。3分2、试画出神经网络内模控制系统的结构图，并根据该结构图叙述其工作原理。1神经网络内模控制的结构（3分）YDYUFR滤波器NNC1PNNIP对象2神经网络内模控制的主要特点及工作原理（7分）内模控制即保留了直接逆控制的优点又可以较好地解决直接逆控制存在的问题。神经网络内模控制结构图中P是被控对象的非线性模型，D是系统内部扰动，NNI是神经网络辨识器，用来辨识被控对象的正模型内部模型，NNC是神经网络控制器，用来实现对P象的逆模型，线性滤波器是惯性环节或积分环节，可以补偿NNC中的纯微分环节并平1P滑E的变化，以防止控制信号U进入饱和区。内模控制将被控对象与内部模型的输入误差反馈到参考输入端，构成了闭环控制。如果NNI能够完全准确地表达对象的输入输出关系，即P，且系统不存在任何干扰，反馈信号为0，系统相当于开环，与直接逆控PYF制没有什么区别。若由于模型不准以及存在干扰使反馈信号不为0，则由于负反YF馈的作用，仍可使Y接近R，因此内模控制具有很好的鲁棒性。3、请分析将被控对象的神经网络逆模型直接与被控对象串联起来的简单神经网络逆控制的工作原理，然后阐述该方案的缺点，针对此缺点提出一种改进方案，画出控制方案图并说明改进的理由。工作原理这种简单的神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控对象串联起来，以便使期望输出与对象实际输出之间的传递函数为1。则将此网络作为前馈控制器后，被控对象的输出为期望输出。（3分）显然，神经网络直接逆控制的可用性在相当程度上取决于逆模型的准确精度。由于缺乏反馈，简单连接的直接逆控制缺乏鲁棒性。为此，一般应使其具有在线学习能力，即作为逆模型的神经网络连接权能够在线调整（2分）。在图中，NN1和NN2为具有完全相同的网络结构，并采用相同的学习算法，分别实现对象的逆。4、试画出神经网络直接逆控制系统的结构图，并根据结构图叙述其工作原理答工作原理神经网络直接逆控制就是将被控对象的神经网络逆模型直接与被控