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、经典反应控制现代理论控制3．一个理想的智能控制系统应具备的根本功能是、、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、、和等各门学科的开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。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、反应和控制。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局部为和。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、判断性规那么控制性规那么数据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(x1~x5)五年高考中，考生“正常发挥”的隶属函数分别为、、、、和0.92、0.96、0.87、0.93、0.94。那么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，假设分别用、表示两个学校考试“正常发挥”的状况，那么用序偶表示法分别表示为，；“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．，，19.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、、和为根底的一种智能控制方法。模糊集理论，模糊语言变量，模糊逻辑推理24．模糊控制的数学根底为。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,代表。25、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。确定量28.根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那么的输入，从而完成模糊推理。模糊化30．模糊控制是建立在根底之上的，它的开展可分为三个阶段，分别为、、和。30、人工经验模糊数学开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、中年人和比拟好中可作为语言变量值的有、和。33、暖和、中年人和比拟好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.模糊控制的根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“”形式表示的控制规那么。35、控制策略“IF条件THEN作用”36．神经网络的开展历程经历了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局部构成，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３种形式为：、和。38、前向网络反应网络自组织网络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那么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那么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开展起来的智能控制方法。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种根本遗传算子、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、更多时机49.遗传算法中常用的3种遗传算子〔根本操作〕为、、和。49、复制、交叉和变异二、简答题：1.试说明智能控制的的根本特点是什么？〔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根底上，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那么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开展起来的一门学科.遗传算法可用于模糊控制规那么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〕IC=AI∩AC∩OROR一运筹学〔Operationresearch〕IC一智能控制(intelligentcontrol);Al一人工智能(artificialintelligence);AC一自动控制(automaticColltrol);∩一表示交集.6．比拟智能控制与传统控制的特点。传统控制：经典反应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。智能控制是对传统控制理论的开展，传统控制是智能控制的一个组成局部，在这个意义下，两者可以统一在智能控制的框架下。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拟苛刻的线性化假设，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,能够比拟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：经典反应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开展，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局部，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应信息，即要求在线工作方式。10.简述专家系统的根本构成。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应信息，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：①建立知识库；②控制知识的获取；③选择适宜的推理方法。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：①优化型专家控制器(1分)；②适应型专家控制器(1分)；③协调型专家控制器(1分)；④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：①优化型专家控制器；②适应型专家控制器；③协调型专家控制器；④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、比拟模糊集合与普通集合的异同。比拟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．试比拟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，而隶属函数那么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.简述将模糊控制规那么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)建立模糊控制规那么；(5)建立模糊控制表；(6)模糊推理；(7)反模糊化。22.简述模糊控制的开展方向模糊控制的开展方向有：〔１〕Fuzzy-PID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局部组成？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适宜的响应论域的量程,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)控制规那么库组成。数据库为语言控制规那么的论域离散化和隶属函数提供必要的定义。语言控制规那么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。以模糊概念为根底,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规那么来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规那么,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根底上的，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根底，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、模糊控制器设计包括几项内容？1．〔此题5分〕模糊控制器设计包括几项内容？1〕确定模糊控制器的输入变量和输出变量(即控制量)2〕设计模糊控制器的控制规那么3〕确立模糊化和非模糊化〔又称清晰化〕的方法4〕选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数〔如量化因子、比例因子〕5〕编制模糊控制算法的应用程序6〕合理选择模糊控制算法的采样时间27．简述神经网络的开展历程。神经网络的开展历程经过4个阶段。〔1〕启蒙期〔1890-1969年〕(1分)〔2〕低潮期〔1969-1982〕(1分)〔3〕复兴期〔1982-1986〕(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,人工神经网络的的根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,如下图：神经元模型该神经元单元由多个输入,i=1,2,...,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,有时叫做激发或鼓励函数,往往采用0和1二值函数、S形函数和高斯函数等。29．人工神经网络有哪些主要的结构特征？〔1〕并行处理；〔2分〕〔2〕信息分布式存储；〔2分〕容错性。〔1分〕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)31、神经网络应具备的四个根本属性是什么？1〕并行分布式处理2〕非线性处理3〕自学习功能4〕可通过硬件实现并行处理32．简述误差反向传播学习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〕，假设在输出层未能得到期望输出值，那么逐层递归的计算实际输出与期望输出之差值〔误差〕以便根据此差值调节权值。33．简述BP神经网络中，BP算法的根本思想。误差反向传播的学习算法简称BP算法，其根本思想是按梯度下降法进行学习。它采用梯度搜索技术，以期使网络的实际输出值与期望的输出值的误差均方值为最小。34．简述BP根本算法的优缺点。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；(2)BP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〔２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〔２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。〔１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,如下图。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那么。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拟，当网络的输出与期望输出不符时，根据过失的方向和大小按一定的规那么调整权值，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，网络能根据特有的内部结构和学习规那么，在输入信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输入信息调整权值，这个过程称为网络的自组织，其结果是使网络能对属于同一类的模式进行自动分类。38.简述根本遗传算法的构成要素。〔1〕染色体编码方法，根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，根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J(x)到个体适应度函数F(x)的转换规那么；(3)遗传算子，即选择运算、交叉运算和变异运算的根本遗传算子；(4)根本遗传算法的运行参数，即Ｍ、Ｇ、和等参数。39.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；〔７〕人工生命〔８〕遗传编程〔９〕机器学习。40.简述根本遗传算法的特点。见书P201页41.简述根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Ｘ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Ｘ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J(x)到个体适应度函数F(x)的转换规那么；(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Ｍ、Ｇ、和等参数；(7)确定解码方法，即确定出由个体表现型Ｘ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e(t)是“正小”，只有当e(t)足够远离时，我们才失去e(t)是“正小”的信心；〔4分〕〔b〕我们相信附近的e(t)是“正大”，而对于远离的e(t)我们很快失去e(t)是“正大”的信心；〔4分〕〔c〕随着e(t)从向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从向右移动，我们较慢失去e(t)是“正小”的信心。〔4分〕1．(a)(b)(c)2.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e(t)是“正小”，只有当e(t)足够远离时，我们才失去e(t)是“正小”的信心；〔4分〕〔b〕我们相信附近的e(t)是“正大”，而对于远离的e(t)我们很快失去e(t)是“正大”的信心；〔4分〕〔c〕随着e(t)从向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从向右移动，我们较慢失去e(t)是“正小”的信心。〔4分〕(a)(b)3.论域X=[0，100]上的模糊集合代表“偏大”，在[0，80]区间上，在〔80，100]区间上。〔1〕写出的隶属度函数的解析表达式〔2〕画出的隶属度函数曲线答0.0125x1〔2分〕图略〔2分〕4.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〔1〕写出的隶属度函数的解析表达式〔2分〕〔2〕画出的隶属度函数曲线〔2分〕答〔1〕〔2分〕〔2〕图略〔2分〕5.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a=3;b=6;C=8〔1〕写出的隶属度函数的解析表达式〔2〕画出的隶属度函数曲线答〔2分〕图略〔2分〕6.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〕〔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〕(a)(b)(c)7.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X＝{－3，－2，－1，0，1，2，3}，U的论域为Y＝{－3，－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－3－2－10123PB000O00．51PS000110．50OOO0．510．500NS00．51l000NB10．500000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那么的隶属函数：〔a〕规那么1：Iferroriszeroandchang-in-erroriszeroThenforceiszero。均使用最小化操作表示蕴含(usingminimumopertor)；〔5分〕〔b〕规那么2：Iferroriszeroandchang-in-errorispossmallThenforceisnegsmall。均使用乘积操作表示蕴含(usingproductopertor)；〔5分〕假定当前的输入条件为：error=0,chang-in-error=(a)(b)9.一个模糊系统的输入和输出的隶属函数如以下图所示。试通过作图法分别推理每条规那么的输出隶属度函数：〔a〕规那么1：Iferroriszeroandchang-in-erroriszeroThenforce(u)iszero。使用最小化操作表示蕴含〔usingproductopertor〕〔4分〕〔b〕规那么2：Iferroriszeroandchang-in-errorispossmallThenforce(u)isnegsmall。使用乘积操作表示蕴含〔usingproductopertor〕〔4分〕假定当前的输入条件为：error=0,chang-in-error=(a)(b)10.一个模糊系统的输入和输出的隶属函数如下图。试计算以下条件和规那么的隶属函数：〔a〕规那么1：Iferrorisnegsmallandchang-in-errorispossmallThenforceiszero。均使用最小化操作表示蕴含(usingminimumopertor)；〔5分〕(b)规那么2：Iferrorisnegsmallandchang-in-erroriszeroThenforceispossmall。均使用乘积操作表示蕴含(usingproductopertor)；〔5分〕假定当前的输入条件为：error=,chang-in-error=(a)略(b)略四、计算题1.设论域，且试求〔补集〕，〔补集〕3分3分2分2分2.设有以下两个模糊关系:试求出R1与R2的复合关系R1○R2R1○R2=3.设有以下两个模糊关系:R1=R2=试求出R1与R2的复合关系R1○R2R1○R2=4.子女与父母的相似关系模糊矩阵为父母父母父母与祖父母的相似关系模糊矩阵为：祖父祖母祖父祖母求：子女与祖父祖母的相似关系模糊矩阵。(4分)答5、设论域X=Y=｛1，2，3，4，5｝，X、Y上的模糊子集“大”、“小”、“较小”分别定义为：：规那么假设x小，那么y大问题：当x=较小时，y=？(采用Mamdani推理法)(5分)答6.设论域X=Y={1,2,3,4,5}，以下为X、Y上的模糊集合设=“低”那么，＝“较低”，问如何?答=7、对于一个系统，当输入A时，输出为B，否那么为C,且有：当前输入。求输出D。(5分)答8.设模糊集合A、B和C的论域分别为：X=，Y=和Z=，且,,。试确定”IFAandBthenC”所决定的模糊关系R，以及输入为,时的输出C1答C1=9.,,。试确定”IFAandBthenC”所决定的模糊关系R，以及输入为,时的输出C1。答C1=10.,,。试确定”IFAandBthenC”所决定的模糊关系R，以及输入为,时的输出C1。答C1=11.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X={100，200，300，400，500}，Y={1，2，3，4，5}在X、Y上的模糊子集为X×Y上的模糊关系为“假设转速高，那么控制电压高；否那么控制电压不很高”。现在转速不很高，控制电压如何？(7分)答1〕〔2〕〔3〕与模糊控制规那么“假设转速高，那么控制电压高；否那么控制电压不很高。”对应的模糊关系矩阵为〔4〕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，，那么对个体，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，：+，，和，试求模糊集合，和。答3分3分14、〔此题5分〕设模糊矩阵求解：15、〔此题5分〕设模糊集合A的论域，且试分别求，并根据结果说明普通集合中的互补律在模糊集合中是否成立？1分1分1分由于，所以普通集合中的互补律在模糊集合中不成立。2分五、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，那么转至反向传播，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，并根据该结构图表达其工作原理。1．神经网络内模控制的结构-dy-dyu-fr+滤波器NNC()NNI()对象2．神经网络内模控制的主要特点及工作原理〔7分〕内模控制即保存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应到参考输入端，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，反应信号为=0，系统相当于开环，与直接逆控制没有什么区别。假设由于模型不准以及存在干扰使反应信号不为0，那么由于负反应的作用，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良方案，画出控制方案图并说明改良的理由。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。那么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。由于缺乏反应，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，并根据结构图表达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。那么将此网络作为前馈控制器后，被控对象的输出为期望输出。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。由于缺乏反应，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