(完整版)智能控制習(xí)題參考答案.doc

1、1遞階智能控制系統(tǒng)的主要結(jié)構(gòu)特點(diǎn)有哪些。答：遞階智能控制是在研究早期學(xué)習(xí)控制系統(tǒng)的基礎(chǔ)上，從工程控制論角度總結(jié)人工智能與自適應(yīng)控制、自學(xué)習(xí)控制和自組織控制的關(guān)系后逐漸形成的。遞階智能控制系統(tǒng)是由三個基本控制級（組織級、協(xié)調(diào)級、執(zhí)行級）構(gòu)成的。如下所ucfifll規(guī)劃輸出機(jī)器決策協(xié)調(diào)級逸階智能機(jī)器的級聯(lián)結(jié)構(gòu)仁為自執(zhí)行級至協(xié)調(diào)級的在線反饋信號;冀為自協(xié)調(diào)級至組織級的離線反饋信號1.組織級組織級代表控制系統(tǒng)的主導(dǎo)思想，并由人工智能起控制作用。根據(jù)貯存在長期存儲交換單元內(nèi)的本原數(shù)據(jù)集合，組織器能夠組織絕對動作、一般任務(wù)和規(guī)則的序列。其結(jié)構(gòu)如下:f執(zhí)行級亠，0RPi下目辰問上機(jī)器椎戰(zhàn)機(jī)器規(guī)劃檢時存貯文桅

2、單元2協(xié)調(diào)級協(xié)調(diào)級是組織級和執(zhí)行級間的接口，承上啟下，并由人工智能和運(yùn)籌學(xué)共同作用。協(xié)調(diào)級借助于產(chǎn)生一個適當(dāng)?shù)淖尤蝿?wù)序列來執(zhí)行原指令，處理實(shí)時信息。它是由不同的協(xié)調(diào)器組成，每個協(xié)調(diào)器由計算機(jī)來實(shí)現(xiàn)。下圖是一個協(xié)調(diào)級結(jié)構(gòu)的候選框圖。該結(jié)構(gòu)在橫向上能夠通過分配器實(shí)現(xiàn)各協(xié)調(diào)器之間的數(shù)據(jù)共享。3.執(zhí)行級執(zhí)行級是遞階智能控制的最底層，要求具有較高的精度但較低的智能；它按控制論進(jìn)行控制，對相關(guān)過程執(zhí)行適當(dāng)?shù)目刂谱饔谩Ｆ浣Y(jié)構(gòu)模型如下：2信息特征，獲取方式，分層方式有哪些？答：一、信息的特征1，空間性：空間星系的主要特征是確定和不確定的（模糊）、全空間和子空間、同步和非同步、同類型和不同類型、數(shù)字的和非數(shù)字的

3、信息，比傳統(tǒng)系統(tǒng)更為復(fù)雜的多源多維信息。2，復(fù)雜性：復(fù)雜生產(chǎn)制造過程的信息往往是一類具有大滯后、多模態(tài)、時變性、強(qiáng)干擾性等特性的復(fù)雜被控對象，要求系統(tǒng)具有下層的實(shí)時性和上層的多因素綜合判斷決策能力，以保證現(xiàn)場設(shè)備局部的穩(wěn)定運(yùn)行和在復(fù)雜多變的各種不確定因素存在的動態(tài)環(huán)境下，獲得整個系統(tǒng)的綜合指標(biāo)最優(yōu)。3，污染性：復(fù)雜生產(chǎn)制造過程的信息都會受到污染，但在不同層次的信息受干擾程度不同，層次較低的信號受污染程度較大。二、獲取方式信息主要是通過傳感器獲得，但經(jīng)過傳感器后要經(jīng)過一定的處理來得到有效的信息，具體處理方法如下：1，選取特征變量可分為選擇特征變量和抽取特征變量。選擇特征變量直接從采集樣本的全體原

4、始工藝參數(shù)中選擇一部分作為特征變量。抽取特征變量對所選取出來的原始變量進(jìn)行線性或非線性組合，形成新的變量，然后去其中一部分作為特征變量。2，濾波的方法數(shù)字濾波用計算機(jī)軟件濾波，通過一定的計算程序?qū)Σ蓸有盘栠M(jìn)行平滑加工，提高信噪比，消除和減少干擾信號，以保證計算機(jī)數(shù)據(jù)采集和控制系統(tǒng)的可靠性。模擬濾波用硬件濾波。3，剔除迷途樣本使用計算機(jī)在任意維空間自動識別刪除迷途樣本。三、分層方式1，通過計算機(jī)系統(tǒng)進(jìn)行信號分層2，人工指令分層3，通過儀器設(shè)備進(jìn)行測量，將數(shù)據(jù)進(jìn)行分層4，先歸類，后按照一定的規(guī)則集合分層3詳細(xì)描述數(shù)據(jù)融合的流程和方法答：數(shù)據(jù)融合是指利用計算機(jī)對按時序獲得的若干觀測信息，在一定準(zhǔn)則下

5、加以自動分析、綜合，以完成所需的決策和評估任務(wù)而進(jìn)行的信息處理。一、數(shù)據(jù)融合的流程：分析數(shù)據(jù)融合目的和融合層次智能地選擇合適的融合算法將空間配準(zhǔn)的數(shù)據(jù)（或提取數(shù)據(jù)的特征或模式識別的屬性說明）進(jìn)行有機(jī)合成準(zhǔn)確表示或估計。有時還需要做進(jìn)一步的處理，如匹配處理和類型變換等，以便得到目標(biāo)的更準(zhǔn)確表示或估計。具體可分為：1，特征級融合經(jīng)過預(yù)處理的數(shù)據(jù)ff特征提取ff特征級融合ff融合屬性說明2，像元級融合經(jīng)過預(yù)處理的數(shù)據(jù)ff數(shù)據(jù)融合ff特征提取ff融合屬性說明3，決策級融合經(jīng)過預(yù)處理數(shù)據(jù)ff特征提取ff屬性說明ff屬性融合ff融合屬性說明二、數(shù)據(jù)融合方法：1，代數(shù)法主要包括：加權(quán)融合法，單變量圖象差值法

6、，圖象比值法2，圖像回歸法首先假定影像的像元值是另一影像的一個線性函數(shù)，通過最小二乘法來進(jìn)行回歸，然后再用回歸方程計算出的預(yù)測值來減去影像的原始像元值，從而獲得二影像的回歸殘差圖像。經(jīng)過回歸處理后的遙感數(shù)據(jù)在一定程度上類似于進(jìn)行了相對輻射校正，因而能減弱多時相影像中由于大氣條件和太陽高度角的不同所帶來的影響。3，主成分變換也稱為W-L變換，數(shù)學(xué)上稱為主成分分析（PCA）。PCT是應(yīng)用于遙感諸多領(lǐng)域的一種方法，包括高光譜數(shù)據(jù)壓縮、信息提取與融合及變化監(jiān)測等。PCT使用相關(guān)系數(shù)陣或協(xié)方差陣來消除原始數(shù)據(jù)的相關(guān)性，以達(dá)到去除冗余的目的。對于融合后的數(shù)據(jù)來說各波段的信息所作出的貢獻(xiàn)能最大限度地表現(xiàn)出來

7、。4，K-T變換即Kauth-Thomas變換，簡稱K-T變換，又形象地成為纓帽變換。它是線性變換的一種，它能使座標(biāo)空間發(fā)生旋轉(zhuǎn)，但旋轉(zhuǎn)后的坐標(biāo)軸不是指向主成分的方向，而是指向另外的方向。5，小波變換小波變換是一種新興的數(shù)學(xué)分析方法，已經(jīng)受到了廣泛的重視。小波變換是一種全局變換，在時間域和頻率域同時具有良好的定位能力，從而被譽(yù)為數(shù)學(xué)顯微鏡。6，IHS變換3個波段合成的RGB顏色空間是一個對物體顏色屬性描述系統(tǒng)，而IHS色度空間提取出物體的亮度I,色度H，飽和度S，它們分別對應(yīng)3個波段的平均輻射強(qiáng)度、3個波段的數(shù)據(jù)向量和的方向及3個波段等量數(shù)據(jù)的大小。RGB顏色空間和IHS色度空間有著精確的轉(zhuǎn)換

8、關(guān)系。7,貝葉斯（Bayes）估計D-S推理法人工神經(jīng)網(wǎng)絡(luò)（ANN）10,專家系統(tǒng)4詳細(xì)描述遞階智能控制系統(tǒng)的優(yōu)化算法模型答：遞階智能控制系統(tǒng)是在研究早期學(xué)習(xí)控制系統(tǒng)的基礎(chǔ)上,從工程控制論角度總結(jié)人工智能和自適應(yīng)控制、自學(xué)習(xí)控制和自組織控制的關(guān)系之后逐漸形成的,是智能控制的最早理論之一。遞階智能控制系統(tǒng)結(jié)構(gòu)圖如結(jié)構(gòu)圖所示，遞階智能控制系統(tǒng)可分為現(xiàn)場級、控制級、局部優(yōu)化級、全局優(yōu)化級四個部位。具體優(yōu)化算法：現(xiàn)場級通過數(shù)據(jù)采集系統(tǒng)與分布式控制系統(tǒng)將現(xiàn)場狀態(tài)信號傳遞給控制級，控制級通過聚合器將各個信號經(jīng)過一個個子過程完成數(shù)據(jù)融合，并將融合估值反饋給局部優(yōu)化級，局部優(yōu)化級對數(shù)據(jù)進(jìn)行決策后將信息反饋給全

9、局優(yōu)化級并對下一級傳達(dá)指令，全局優(yōu)化級通過知識庫對數(shù)據(jù)進(jìn)行比較、推理、排序。預(yù)測之后作出決策，從而使整個系統(tǒng)總熵最小，實(shí)現(xiàn)全局最優(yōu)。5.比較模糊集合和普通集合的異同。答:集異、合同、點(diǎn)普通集合模糊集合相同點(diǎn)1，基本概念相同：具有某種特定屬性的對象的全體。2，分類方法大致一樣，如：列舉法，描述法，特征函數(shù)法3，運(yùn)算規(guī)律大致相同，如：恒等律，交換律，結(jié)合律，分配律，吸收律，同一律，對偶律不同點(diǎn)元素的范圍有個清晰的界限集合的界限是模糊的，不明確的互補(bǔ)律仍然適用互補(bǔ)律不適用于模糊集合元素一定在集合里面兀素和集合之間直接沒有絕對的隸屬關(guān)系支撐集等概念是模糊集合所特有的擁有更多的表示方法，如扎德表示法6確

10、定“高智商”、“正常智商”和“低智商”的合理的隸屬函數(shù)。u(95)=3/30=0.1u(100)=6/30=0.2u(105)=10/30=0.333u(110)=12/30=0.4u(115)=18/30=0.6u(120)=24/30=0.8u(125)=27/30=0.9u(130)=28/30=0.933u(135)=29/30=0.967u(140)=30/30=1解：由互聯(lián)網(wǎng)搜索，調(diào)查的“高智商”的范圍如下表1:95200952001202001052009520010020014020012020012520010520012020012520012020011520011020

11、0100200105200115200135200100200115200130200120200125200105200115200115200110200120200115200由上表可求出各點(diǎn)的隸屬度如下:高智商曲線:圖1:高智商曲線隸屬函數(shù)的確定：把高智商曲線圖與常用隸屬函數(shù)相匹配，可知，高智商的隸屬函數(shù)應(yīng)是梯形隸屬函數(shù)模型，如下：廣0,xa(x-a)/(b-a),av=xvbUA(x)=*1,bv=xv=c(d-x)/(d-c),cxd由高智商曲線知，a=90，b=140，c為無窮大，d無意義。所以高智商隸屬函數(shù)為：廣0,xv90UA(x)=(x-90)/50,90v=xvl40_1

12、,140v=x由互聯(lián)網(wǎng)搜索，調(diào)查的“正常智商”的范圍如下：75-10070-10575-11080-10080-12085-12090-12070-10080-11585-11590-12090-12095-12090-1209011580-11570-12080-11080-11585-12080-11080-11075-10585-12095-12075-11585-12080-12090-11595-120由上表可求出各點(diǎn)的隸屬度如下:u(70)=3/30=0.1u(80)=16/30=0.533u(90)=27/30=0.9u(100)=30/30=1u(110)=25/30=0.83

13、3u(75)=6/30=0.2u(85)=21/30=0.7u(95)=30/30=1u(105)=27/30=0.9u(115)=21/30=0.7圖2：正常智商曲線正常智商曲線：u(120)=14/30=0.467隸屬函數(shù)的確定:把正常智商曲線圖與常用隸屬函數(shù)相匹配，可知，正常智商的隸屬函數(shù)應(yīng)是正態(tài)隸屬函數(shù)模型，如下：UA(x)=exp-(x-a)/b)2由正常智商曲線并計算知：a=98，b=607所以正常智商隸屬函數(shù)為：UA(x)=exp-(x-98)/607)2由互聯(lián)網(wǎng)搜索，調(diào)查的“低智商”的范圍如下：40-7035-6540-75457535-7040-7535-7035-65307

14、030-6535-7530-7030-75407540-7535-7030-7030-70307530-6530-6035-7535-75357030-7045-7045-7535-75306530-70由上表可求出各點(diǎn)的隸屬度如下：u(30)=12/30=0.4u(35)=22/30=0.733u(40)=27/30=0.9u(50)=30/30=1u(60)=30/30=1u(70)=24/30=0.8u(45)=30/30=1u(55)=30/30=1u(65)=29/30=0.967u(75)=14/30=0.467圖3:低智商曲線低智商曲線：隸屬函數(shù)的確定：把低智商曲線圖與常用隸屬函

15、數(shù)相匹配，可知，低智商的隸屬函數(shù)應(yīng)是梯形隸屬函數(shù)模型，如下：f0,xa(x-a)/(b-a),av=xvbUA(x)=(1,bv=xv=c(d-x)/(d-c),cxd由低智商曲線并計算知：a=0，b=45，c=60，d=80.所以低智商隸屬函數(shù)為：UA(x)0 x/45,x0,0=x807簡述模糊控制系統(tǒng)的組成與工作原理是以模糊數(shù)學(xué)、模糊語言形式的知識表示和模答：模糊控制系統(tǒng)是一直全自動控制系統(tǒng)，糊邏輯推理為理論基礎(chǔ)，采用計算機(jī)控制技術(shù)構(gòu)成的一種具有閉環(huán)結(jié)構(gòu)的數(shù)學(xué)控制系統(tǒng),系統(tǒng)組成核心是模糊控制器。模糊控制系統(tǒng)由模糊化接口、模糊化推理、解模糊化接口、知識庫、被控對象、比較元件等組成。模糊控制

16、系統(tǒng)基本原理圖控制系統(tǒng)原理圖如上，圖中虛線部分被稱為模糊控制器部分?；竟ぷ髟恚何C(jī)經(jīng)中斷采樣獲取被控制量的精確值，然后將此量與給定值進(jìn)行模糊化，變成模糊量，偏差e的模糊量可以相應(yīng)的模糊語言表示，得到偏差e的模糊語言集合的一個子集。再由模糊子集、模糊控制規(guī)則和前向推理進(jìn)行模糊推理，得到模糊控制量為u=ER，式中u為一個模糊量。為了對控制對象施加精確的控制，還需要將模糊量u轉(zhuǎn)換為精確量。這一步驟稱為解模糊。得到了精確的數(shù)字模糊量后，經(jīng)數(shù)模轉(zhuǎn)換為精確的模擬量送給執(zhí)行機(jī)構(gòu)，對被控制對象進(jìn)一步控制。然后中斷等待第二次采樣進(jìn)行第二步控制。這樣循環(huán)下去，就實(shí)現(xiàn)了被控制對象的模糊控制。8試舉例說明傳統(tǒng)集合

17、中叉積序偶的順序是不能顛倒的。答：假設(shè)有2個傳統(tǒng)集合A,B。令A(yù)=1,2,B=3,4。假定AB=(1,3),G,4),Q,3),(2,4)表示直角坐標(biāo)系中的點(diǎn)。若叉積序偶順序可以顛倒,那么AB中的元素(1,3)和(3,1)是表示同一個點(diǎn),很顯然,這是不符合邏輯的,所以叉積序偶中的順序是不能顛倒的。9結(jié)合自身理解淺談模糊數(shù)學(xué)與模糊集合的概念答：模糊數(shù)學(xué)是建立在模糊集合基礎(chǔ)上研究和處理模糊性現(xiàn)象的一種數(shù)學(xué)理論和方法。而模糊集合中的元素與集合之間沒有絕對的隸屬關(guān)系,集合的邊界也是模糊的。像我們常說的“冷”、“熱”就是一些模糊集合，它們沒有清晰的溫度界限。同一個溫度對于不同的人在不同的時刻得到的感覺也

18、是不一樣的，也就是說溫度和冷熱之間沒有絕對的隸屬關(guān)系。10舉例說明模糊數(shù)學(xué)隸屬函數(shù)的概念。答：隸屬函數(shù)是用于表述模糊集合的一種數(shù)學(xué)工具。由于模糊集合中元素u和論域U的隸屬關(guān)之間系具有不明確性，為了描述這種屬關(guān)系，用區(qū)間0，1中某一數(shù)值來描述元素屬于論域U的u程度，而由此在論域U上的產(chǎn)生函數(shù)u即為模糊集上的隸屬函數(shù)。11.用模糊統(tǒng)計法確定“青年人”的隸屬函數(shù)。解：(1)根據(jù)張南綸教授在武漢做的一項(xiàng)關(guān)于“青年人”年齡段區(qū)間的調(diào)查實(shí)驗(yàn)，在剔除迷途樣本之后，得到以下129組有效數(shù)據(jù)，如下表所示：18-2518-3017-3020-3515-2818-2518-3519-2817-3016-3015-2

19、815-2516-2818-3018-2518-2817-3015-3018-3018-3515-2517-2517-3018-3518-2518-3016-2818-3018-3515-3018-3515-2815-2516-3218-3018-3517-3018-3516-2820-3016-3018-3518-3518-2917-2818-3518-3518-2518-3016-2817-2715-2616-3518-3515-2515-2718-3516-3014-2518-2518-3020-3018-2818-3015-3018-2818-2516-2520-3018-3518-3018-3016-2817-2516-3018-3015-2518-3518-3018-2518-2616-3516-2816-2515-2517-3015-2516-3515-3018-3015-2516-3016-3015-2815-3615-2517-2818-3016-2518-3017-2518-2917-2915-3017-3016-3016-3515-3014-2518-3516-3018-3018-3516-2818-2518-3018-2818