智能控制題庫

一1。如、、和和3、、和。、和。、和等和3、、和。3個(gè)、和。、、、、、和。；。、和。、、和和、3和3和。和x~x、15和XA、BA，B和x,x,x,x,xA(x,0.85),(x,0.93),(x,0.89),(x,0.91),(x,0.96)，示X1234512345B(x,0.92),(x,0.96),(x,0.87),(x,0.93),(x,0.94)12345A[0.15,0.07,0.11,0.09,0.04]，B[0.08,0.04,0.13,0.07,0.06]xxxxx123456、和。、、、和。SZ和。PM,,,PM、為,和、。、30為、、和。、和。和、和。。和4、、和。4、、、和。、3、和。、和。3、和。和和。。3、和。3、11分2.1分)射:~3R~ＸＹif~~R~~（2）設(shè)A、B和C分別是論域和上的模糊集合，則模糊條件語句~~~“ifAthenBelseC”所決定的二元模糊關(guān)系為：~R2）~~（3）設(shè)A、B和分別是論域和上的模糊集合，則模糊條件語C~~”所決定的二元模糊關(guān)系為：~~~~式中,1分①1分1分；③1分1分。PP和cm見書P201頁（1）確定決策變量及各種約束條件,即確定出個(gè)體的表現(xiàn)型Ｘ和問題的解空間；(2)建立優(yōu)化模型，即確定出目標(biāo)函數(shù)的類型及數(shù)學(xué)描述形式或量化方法；（3）確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型Ｘ及遺傳算法的搜索空間；(4)確定個(gè)體適應(yīng)度的量化評價(jià)方法，即確定出由目標(biāo)函數(shù)值J(x)到個(gè)體適應(yīng)度函數(shù)F(x)的轉(zhuǎn)換規(guī)則；操作方法；PP和c(6)確定遺傳算法的有關(guān)運(yùn)行參數(shù)，即Ｍ、Ｇ、等參數(shù)；mx的對應(yīng)關(guān)系或轉(zhuǎn)換方法。41(1分)2(）(1分)2分)。在和）(1分)((1分)1分)1分)((1分)(1分)BP網(wǎng)絡(luò)的優(yōu)點(diǎn)為：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；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)元的損壞對輸入輸出關(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。誤差反向傳播的學(xué)習(xí)算法簡稱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。444分）2244．是224分）33從從664分）0.5et,rad.3et,rad.2AA(x)0.0125x，(x)1。AA答A(x)0x8080x1002）2）1AX51,c52A2分）A2分）答）A(x)22）2）e(5)xXA（AA（0x3x33x63答(x)2分）圖略2分）（（8x6x8x8204分）Ax{x44分）4分）{Axx80.542xuiu1xuixAi00.582xEU、E，，U，，，E和U0123O11l0010．5100000．5O0．510．5000000假定當(dāng)前的輸入條件為：0,=/9-2-1et,-2-12“poslarge”d84e,48dt-2-10“neglarge”“negsmall”“zero”2“poslarge”-30-20-10102030ut,．dutN,et4488dtetut,N4det44dt8。4。424rad.et,42“neglarge”“negsmall”“zero”drad.t,84e4816dt“neglarge”“negsmall”“zero”-30-20-10102030Nut,/90,=．dutN,et4488dtetut,N4det44dt81。5分）5分）24rad.et,42“neglarge”“negsmall”“zero”drad.t,4884e16dt“neglarge”“negsmall”“zero”-30-20-10102030Nut,/4/16,=123450.20.40.910.5uuuuu123450.10.710.3uuuu1345,,BCABABC123451345c25cu12350.40.80.80.70.20.40.60.70.30.4父母子R女0.3父S母(4)0.70.5答RS0.30.35｛Y0.40.7110.70.3"小"1210.60.40.2"較小"12"大"345334xy大5)000.40.71000.40.70.7答000.30.30000000000000.40.71000.40.70.7[10.60.40.20]000.30.30.3[000.40.71]00000000006.Y~10.60.4A""123~10.30.1A""12134~0.81B"高"45~~~~AB“高”AB設(shè)11~~~~答R=(AB)(AE)100.6001110.40.60110000100000000000000000000011111111110000.810.40.40.40.60.60.60.60.60.60.61111111111~~~BAR117A10.50.1Auuu1230.70.60.3BCvvv1230.60.70.9vvv1231A'(5)uu1u230.70.60.30000.70.60.3ABC0.50.50.30.50.50.50.50.50.5答R0.10.10.60.70.90.60.70.9'[0.50.50.5]DARa,a,ab,b,bc,cB和C123123和210.510.10.110.60.41CAB1a2a31b2b31c2,,AB1.00.10.10.51111a31b23,0.50.10.50.5AB1[0.110.6]0.11.00.6答0.10.10.10.1R(AB)[]T1T110.10.51110[0.10.51]0000.10.10.1C1=((11)R[0.40.5]T210.510.21B,CA,AB1x21y2y31z20.80.1011,。1x21y2y30.10.51答AB0.10.50.50.10.10.20.50.21R(AB)L[0.21]0.10.10.20.50.20.5C1=((11))R[0.20.2]LT0.510.10.110.60.41CAB1a2a31b2b31c2,,AB1.00.50.10.110.6111a2a31b2b3”。,0.50.10.50.5答AB1[0.110.6]0.11.00.60.10.10.10.1R(AB)[]LT1C1=((11))R[0.50.5]LT設(shè)xX~A0/0/0/0.5/1/~B0/10/20/3/41/5Y7~答1）C"控制電壓不很高""控制電壓很高"0/5~（2）A"轉(zhuǎn)速不很高"1/1001/2001/3000/5001（3~~~~~的模糊關(guān)系矩陣為R(AC)11111110.75010.75010.750~R0.50.50.50.50.50000.51~~~B＝AR＝1110.750.5）11位長的二進(jìn)制編碼串，其中前位表示，后位表示。另外，2.048x2.048(i1,2)i體和答yix4.0962.048(i1,2)1023y55,y881i12x1.828,x1.47612,x,x、設(shè)論域,x}，A，B，C是論域上的三個(gè)模糊集合，已知：x12340.10.20.80.700.610.30.210.4AB，和C+，x1xxxxxxxxxxx23412341234ABCSABCTABC。R，和0.100.30.20.40.20.80.610.710.4Rx1x2x3x4答3分00.20.60.4x1x2x3x40.100.30.20.40.20.80.610.710.4Sxx2x3x413分0.30.411xxx1x2340.100.30.20.40.20.80.610.710.4Tx1x2x3x40.10.20.80.4xx2x3x14510.20.5Q0.10.40.10R0.30.30.900.4R求Q0.40.90.40.4QR0.70.9圖udy?NNC()-f?P-（3分）2．神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂频闹饕攸c(diǎn)及工作原理（7分）內(nèi)模控制即保留了直接逆控制的優(yōu)點(diǎn)又可以較好地解決直接逆控制存在的問題。神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)圖中Pd是系統(tǒng)內(nèi)部擾動(dòng)，NNI是神經(jīng)網(wǎng)絡(luò)辨識器，用來辨識被控對象的正模型?內(nèi)部模型)NNC是P神經(jīng)網(wǎng)絡(luò)控制器，用來實(shí)現(xiàn)對象的逆模型?，線性濾波器是慣性環(huán)節(jié)或積分環(huán)P-1節(jié)，可以補(bǔ)償NNC中的純微分環(huán)節(jié)并平滑e的變化，以防止控制信號u進(jìn)入飽環(huán)控制。如果NNI能夠完全準(zhǔn)確地表達(dá)對象的輸入輸出關(guān)系，即?=P，且系統(tǒng)P不存在任何干擾，反饋信號為，系統(tǒng)相當(dāng)于開環(huán)，與直接逆控制沒有f?y什么區(qū)別。若由于模型不準(zhǔn)以及存在干擾使反饋信號不為0，則由于負(fù)f?y反饋的作用，仍可使y接近，因此內(nèi)模控制具有很好的魯棒性。ytytd+-utn工作原理：這種簡單的神經(jīng)網(wǎng)絡(luò)直接逆控制就是將被