智能控制习题答案
智能控制试卷及答案
智能控制试卷及答案一、试卷一、选择题（每题2分，共20分）1. 下列哪项不是智能控制的主要类型？A. 人工智能控制B. 模糊控制C. 神经网络控制D. 逻辑控制2. 以下哪种控制方法适用于处理具有不确定性、非线性和时变性等特点的复杂系统？A. PID控制B. 模糊控制C. 串级控制D. 比例控制3. 神经网络控制的核心思想是利用神经网络实现控制规律的映射，以下哪种神经网络模型适用于动态系统的控制？A. BP神经网络B. RBF神经网络C. 感知器D. Hopfield神经网络4. 模糊控制中，模糊逻辑推理的核心部分是？A. 模糊集合B. 模糊规则C. 模糊推理D. 解模糊5. 以下哪种方法不属于智能控制系统的建模方法？A. 基于模型的建模B. 基于数据的建模C. 基于知识的建模D. 基于经验的建模二、填空题（每题2分，共20分）6. 智能控制的理论基础包括________、________和________。
7. 模糊控制的基本环节包括________、________、________和________。
8. 神经网络控制的主要特点有________、________、________和________。
9. 智能控制系统的主要性能指标包括________、________、________和________。
10. 智能控制技术在工业生产、________、________和________等领域有广泛应用。
三、判断题（每题2分，共10分）11. 模糊控制适用于处理具有确定性、线性和时不变性等特点的复杂系统。
（）12. 神经网络控制具有较强的自学习和自适应能力。
（）13. 智能控制系统不需要考虑系统的稳定性和鲁棒性。
（）14. 智能控制技术在无人驾驶、智能家居等领域具有广泛应用前景。
（）15. 模糊控制的核心思想是利用模糊逻辑进行推理和决策。
（）四、简答题（每题10分，共30分）16. 简述模糊控制的基本原理。
(完整版)智能控制题目及解答
智能控制题目及解答第一章绪论作业作业内容1．什么是智能、智能系统、智能控制？2．智能控制系统有哪几种类型，各自的特点是什么?3．比较智能控制与传统控制的特点.4．把智能控制看作是AI(人工智能)、OR(运筹学）、AC(自动控制)和IT(信息论)的交集,其根据和内涵是什么？5．智能控制有哪些应用领域?试举出一个应用实例，并说明其工作原理和控制性能.1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入,它能产生合适的问题求解相应。
智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。
（2）人—机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统:为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务.3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题;而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标,而智能控制通常是学习积累非精确知识;传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。
(完整版)智能控制习题参考答案
5.比较模糊集合和普通集合的异同。
答：
集
异
合
同
点
相同点
不同点
普通集合
模糊集合
1，基本概念相同：具有某种特定属性的对象的全体。 2，分类方法大致一样，如：列举法，描述法，特征函数法
3，运算规律大致相同，如：恒等律，交换律，结合律，分配律，吸收 律，同一律，对偶律
元素的范围有个清晰的界限 互补律仍然适用
3，污染性：复杂生产制造过程的信息都会受到污染，但在不同层次的信息受干扰程度 不同，层次较低的信号受污染程度较大。
二、获取方式 信息主要是通过传感器获得，但经过传感器后要经过一定的处理来得到有效的信息， 具体处理方法如下： 1，选取特征变量 可分为选择特征变量和抽取特征变量。 选择特征变量直接从采集样本的全体原始工艺参 数中选择一部分作为特征变量。抽取特征变量对所选取出来的原始变量进行线性或非线性 组合，形成新的变量，然后去其中一部分作为特征变量。
变换，在时间域和频率域同时具有良好的定位能力，从而被誉为
"数学显微镜 "。
6， IHS 变换 3 个波段合成的 RGB 颜色空间是一个对物体颜色属性描述系统，
而 IHS 色度空间提取
出物体的亮度 I，色度 H，饱和度 S，它们分别对应 3 个波段的平均辐射强度、 3 个波段的
数据向量和的方向及 3 个波段等量数据的大小。 RGB 颜色空间和 IHS 色度空间有着精确的
u(50)=30/30=1
u(55)=30/30=1
u(60)=30/30=1
u(65)=29/30=0.967
u(70)=24/30=0.8
低智商曲线：
u(75)=14/30=0.467
35— 70 30— 65 40— 75 30— 65 30— 70 30— 70
智能控制习题解
❖ 5、考虑如下条件语句：
如果 转角误差远远大于15○ 那么快速减小方向角
其隶属度函数定义为
A=转角误差远远大于15○=0/15 + 0.2/17.5 + 0.5/20 + 0.8/22.5 + 1.0/25
B=那么快速减小方向角=1/-20 + 0.8/-15 + 0.4/-10 + 0.1/-5 + 0/0
❖ 2、已知年龄的论域为[0.200]，且设“年老O” 和“年轻Y”两个模糊集的隶属函数分别为
0
O
a
1
a
50 5
2
1
0 a 50 50 a 200
1
Y
a
1
a
25 5
2
1
0 a 25 25 a 200
求：“很年轻W”、“不年老也不年轻 个模糊集的隶属函数。
V”两
1、比较模糊集合与普通集合的异同。
❖ 答：模糊集合是对普通集合的扩展，采样模 糊不清晰的集合边界，它们都是指具有某种 属性的对象的全体，都一样也有交，并，补 得运算 。
❖ 不同点：普通集合中对象的属性所表达的概 念是清晰地，每个对象对于集合的隶属关系 也是明确的；而模糊集合中对象的属性所表 达的概念本身不是清晰地，对象对集合的隶 属关系也不是明确的。
❖ 问：当A‘=转角误差大约在20○时方向角应该怎样 变化？
设A‘=转角误差大约在20○的隶属函数=0.1/15 + 0.6/17.5 + 1/20 + 0.6/22.5 + 0.1/25。（用 Mamdani推理算法计算）
❖ 5解 先求关系矩阵 R=A × B R=A × B=
(完整版)智能控制-考试题(附答案)
《智能控制》考试试题试题1：针对某工业过程被控对象：0.520()(101)(21)s G s e s s -=++，试分别设计常规PID 算法控制器、模糊控制器、模糊自适应PID 控制器，计算模糊控制的决策表，并进行如下仿真研究及分析：1. 比较当被控对象参数变化、结构变化时，四者的性能；2. 研究改善Fuzzy 控制器动、静态性能的方法。
解：常规PID 、模糊控制、Fuzzy 自适应PID 控制、混合型FuzzyPID 控制器设计 错误!未找到引用源。
. 常规PID 调节器PID 控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。
它是根据给定值()r t 与实际输出值()y t 构成控制偏差()e t ，从而针对控制偏差进行比例、积分、微分调节的一种方法，其连续形式为：01()()[()()]t p d i de t u t K e t e t dt T T dt=++⎰ （1.1） 式中，p K 为比例系数，i T 为积分时间常数，d T 为微分时间常数。
PID 控制器三个校正环节中p K ，i T 和d T 这三个参数直接影响控制效果的好坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。
Ziegler 和Nichols 提出的临界比例度法是一种非常著名的工程整定方法。
通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特性的两个参数：临界增益u K 和临界振荡周期u T 。
用临界比例度法整定PID 参数如下：表1.1 临界比例度法参数整定公式51015202530354000.20.40.60.811.21.41.61.8Time(s)y (t )051015202530354000.511.5Time(s)y (t )PID 0.6u K 0.5u T 0.125u T据以上分析，通过多次整定，当 1.168p K =时系统出现等幅振荡，从而临界增益 1.168u K =，再从等幅振荡曲线中近似的测量出临界振荡周期 5.384u T =，最后再根据表1.1中的PID 参数整定公式求出：0.701, 2.692,0.673p i d K T T ===，从而求得：比例系数0.701p K =，积分系数/0.260i p i K K T ==，微分系数0.472d p d K K T ==。
智能控制技术课后答案全攻略
0.2 0.2 R=( A × B) ∪( A × B″)= 0.4 0.6 0.8
0.4 0.6 0.8 0.2 0.6 0.8
1 0.8
.512 .216 .064 .008 1 A1=非常轻= U + 0U + 0U + 0U + 0U 1 2 3 4 5 0 0.2 0.4 0.6 0.8 A2=重= U +U +U +U +U 1 2 3 4 5
0 0.2 A × B″= 0.4 0.6 0.8
0 0 0.4 0.4 0.4 0 0.6 0.6 0.488 0 0.8 0.784 0.488 0
0.4 0.6 0.6 0.6 0.6 0.6 0.488 0.4 0.8 0.784 0.488 0.2
3
3-1 模糊逻辑控制器由哪几部分组成？各完成什么功能？ 答：模糊控制系统的主要部件是模糊化过程、知识库（数据库和规则库） 、推理决策和精确 化计算。 1、模糊化过程 模糊化过程主要完成： 测量输入变量的值， 并将数字表示形式的输入量转化为通常用语 言值表示的某一限定码的序数。 2、知识库 知识库包括数据库和规则库。 1） 、数据库 数据库提供必要的定义， 包含了语言控制规则论域的离散化、 量化和正规化以及输入空 间的分区、隶属度函数的定义等。 2） 、规则库 规则库根据控制目的和控制策略给出了一套由语言变量描述的并由专家或自学习产生 的控制规则的集合。它包括：过程状态输入变量和控制输出变量的选择，模糊控制系统的建 立。 3、推理决策逻辑 推理决策逻辑是利用知识库的信息模拟人类的推理决策过程，给出适合的控制量。 （它 是模糊控制的核心） 。 4、精确化过程 在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程 称为精确化过程。 {模糊控制器采用数字计算机。它具有三个重要功能： 1） 把系统的偏差从数字量转化为模糊量（模糊化过程、数据库两块） ； 2） 对模糊量由给定的规则进行模糊推理（规则库、推理决策完成） ； 3） 把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量 （精确化 接口） 。}
智能控制题目及解答
1.神经网络的模型分类，分别画岀网络图，简述其特点。
1）前向网络：神经网元分层排列，组成输入层，隐含层和输出层。
每一层的神经元只能接收前一层神经元的输入。
输入模式经过各层的顺次变换后，得到输岀层数输岀。
个神经元之间不存在反馈。
感知器和误差反向传播算法中使用的网络都属于这种模型。
2）反馈网络：这种网路结构指的是只有输岀层到输入层存在反馈，即每一个输入节点都有可能接受来自外部的输入和来自输岀神经元的反馈。
这种模式可用来存储某种模式序列，也可以动态时间序列系统的神经网络建模。
3）相互结合型网络：属于网状结构，这种神经网络模型在任意两个神经元之间都可能存在连接。
信号要在神经元之间反复往返传递，网络处在一种不断改变的状态之中。
从某个初态开始，经过若干次变化，才能达到某种平衡状态，根据网络结构和神经元的特性，还有可能进入周期震荡或混沌状态。
4）混合型网络：是层次型网络和网状结构网络的一种结合。
通过层内神经元的相互结合，可以实现同一层内的神经元的横向抑制或兴奋机制，这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分成若干组，让每组作为一个整体来动作。
7.神经网络学习算法有几种，分别画出网络图，简述其特点。
1）有导师学习：所谓有导师学习就是在训练过程中，始终存在一个期望的网络输岀。
期望输岀和实际输岀之间的距离作为误差度量并用于调整权值。
- （t pj y pj）1 2 3 4所定义的目标函数值求梯度得到。
2 i 12）多层前向传播网络的权系数训练算法是利用著名的误差反向传播学习算法。
根据这一算法，训练网络权阵的更新是通过反向传播网路的期望输出（样本输出）与世纪输出的误差来实现的。
3、分别叙述模糊控制器四个模块设计内容，并写岀设计步骤。
答：四个模块为：模糊化过程、知识库（含数据库和规则库）、推理决策逻辑、精确化计算。
（PPT上是：模糊化接口、规则库、模糊推理、清晰化接口）设计步骤：1定义输入输岀变量2定义所有变量的模糊化条件3设计控制规则库4设计模糊推理结构5选择精确化策略方法PPT上设计步骤是：（1）确定模糊控制器的输入变量和输出变量；（2）确定输入，输出的论域和Ke、Kec、Ku的值；（3）确定各变量的语言取值及其隶属函数；（4）总结专家控制规则及其蕴涵的模糊关系；（5）选择推理算法；（6）确定清晰化的方法；（7）总结模糊查询表。
智能控制考试题及答案
智能控制技术考试题及答案《智能控制技术》考试试题A《智能控制》课程考试试题A参考答案一、填空题(1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙(11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统(18) 模糊控制系统 (19) 神经控制系统 (20) 学习控制系统二、选择题1、D2、A3、C4、B5、D6、B7、A8、D9、A 10、D三、问答题1、答:传统控制理论在应用中面临的难题包括:(1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而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,一般无法获得精确的数学模型。
(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。
(3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。
(4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。
传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。
人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平──智能控制发展。
智能控制具有下列特点:(1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。
(2) 智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
智能控制答案(最终版3题全做)
智能控制作业1.已知某一炉温控制系统，要求温度保持着600℃恒定。
针对该控制系统有以下控制经验。
（1）若炉温低于600℃，则升压；低得越多升压越高。
（2）若炉温高于600℃，则降压；高得越多降压越低。
（3）若炉温等于600℃，则保持电压不变。
设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。
输入、输出变量的量化等级为7级，取5个模糊集。
试设计隶属度函数误差变化划分表，控制电压变化划分表和模糊控制规则表。
解：(1) 确定变量定义理想温度为600℃，实际炉温为T,则温度差为：e=600-T将温度差e作为输入变量。
(2)输入量和输出量的模糊化将偏差e分成5个模糊集：负大（NB），负小（NS），零（ZO）,正小（PS），正大（PB）。
将偏差e的变化分成7个等级：-3，-2，-1，0，+1，+2，+3，从而得到温度变化模糊表如表1所示：控制电压u也分成5个模糊集：负大（NB），负小（NS），零（ZO）,正小（PS），正大（PB）。
将偏差u的变化分成7个等级：-3，-2，-1，0，+1，+2，+3，而得到电压变化模糊表如表2示：MATLAB仿真程序如下：%Fuzzy Control for water tankclear all;close all;a=newfis('fuzz_tank');a=addvar(a,'input','e',[-3,3]); %Parameter ea=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[-4,4]); %Parameter ua=addmf(a,'output',1,'NB','zmf',[-4,-1]);a=addmf(a,'output',1,'NS','trimf',[-4,-2,1]);a=addmf(a,'output',1,'Z','trimf',[-2,0,2]);a=addmf(a,'output',1,'PS','trimf',[-1,2,4]);a=addmf(a,'output',1,'PB','smf',[1,4]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'tank'); %Save to fuzzy file "tank.fis" a2=readfis('tank');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('tank'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7 e(i)=i-4;Ulist(i)=evalfis([e(i)],a2); endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference2.用高级语言(C 、VC++、MATLAB 等)编程实现用BP 神经网络实现下列函数的非线性映射：101()log ,110f x x x x=≤≤ 分析误差曲线及网络的泛化能力。
智能控制习题答案.
3.. ， 第一章 绪论1. 什么是智能、智能系统、智能控制？答：“智能”在美国 Heritage 词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认 知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。
2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系 统、学习控制系统等。
各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统 将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承 了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统 危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。
人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统 的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
专家控制系统：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，能够利用人类专家 的知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系 统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的 特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直 方向传递，向下的信息有优先权。
《智能控制基础》题集
《智能控制基础》题集第一大题：选择题（每题2分，共20分）1.智能控制理论是在哪个世纪开始发展的？A. 18世纪B. 19世纪C. 20世纪D. 21世纪2.下列哪项不属于智能控制的主要特点？A. 自适应性B. 鲁棒性C. 精确性D. 学习功能3.模糊控制系统的核心是什么？A. 模糊规则库B. 模糊推理机C. 模糊化接口D. 反模糊化接口4.神经网络在智能控制中的主要作用是？A. 数据存储B. 模式识别C. 系统建模D. 逻辑判断5.遗传算法是一种什么类型的算法？A. 搜索算法B. 排序算法C. 加密算法D. 压缩算法6.专家系统主要由哪几部分组成？A. 知识库、推理机、用户界面B. 数据库、模型库、方法库C. 规则库、事实库、解释器D. 学习库、知识库、优化器7.下列哪项是智能控制系统中常用的传感器？A. 温度传感器B. 压力传感器C. 光电传感器D. 所有以上都是8.在自适应控制中，什么是自适应律的主要作用？A. 调整控制器参数B. 保持系统稳定C. 减小系统误差D. 提高系统响应速度9.下列哪项不是智能控制应用的主要领域？A. 机器人控制B. 工业过程控制C. 航空航天控制D. 文字处理10.智能控制系统的设计通常包括哪几个步骤？A. 问题定义、系统建模、控制器设计、实现与测试B. 需求分析、系统设计、编程实现、系统测试C. 系统分析、硬件选择、软件编程、系统集成D. 理论研究、实验验证、应用开发、市场推广第二大题：填空题（每空2分，共20分）1.智能控制的主要研究对象是具有__________________、__________________和不确定性的系统。
2.模糊控制器的设计主要包括__________________、__________________、模糊推理和反模糊化四个步骤。
3.神经网络的学习算法主要包括有教师学习、无教师学习和__________________三种类型。
智能控制技术课后答案全攻略
误差隶属度函数
µ ( x)
NB NS 1.0 ZE PS PB
0.4 0.3 0.1 -3 -2 -1 0 1 2 3 e (量化等级 )
模糊输出量隶属度函数
µ ( x)
NB NS 1.0 ZE PS PB
0.4 0.3 0.1 10 20 25 30 35 40 50 u
已知： 模糊控制器选用的系统的实际温度T与温度给定值T d 的误差 = e Td − T 作为输入语言变 量，把控制加热装置的供电电压u选作输出语言变量。 （1） 若炉温低于 600℃，则升压；低得越多升压越高。 （2） 若炉温高于 600℃，则降压；高得越多降压越低。 （3） 若炉温等于 600℃，则保持电压不变。 分析： （1） 若炉温低于 600℃，则升压；低得越多升压越高。 当
∑ v m (v )
k =1 m
∑ m (v )
k =1 v k
采用离散重心法：
v0 =
离散：
∑ v m (v )
k =1 m k v k
m
∑ m (v )
k =1 v k
0.3 × (-1) + 0.8 × (-2) + 1× (-3) + 0.5 × (-4) + 0.1× (-5) 0.3 + 0.8 + 1 + 0.5 + 0.1 0.3 × (-1) + 0.8 × (-2) + 1× (-3) + 0.5 × (-4) + 0.1× (-5) = 2.7 =-2.7407 =
P o Q o R=
(2)P∪Q=
0.6 0.9 0.2 0.7
0.6 0.5 0.6 0.5
智能控制习题答案之欧阳歌谷创编
第一章绪论欧阳歌谷（2021.02.01）1. 什么是智能、智能系统、智能控制？答：“智能”在美国Heritage词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。
2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。
各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。
人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
专家控制系统：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，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直方向传递，向下的信息有优先权。
智能控制习题答案之欧阳家百创编
第一章绪论欧阳家百（2021.03.07）1. 什么是智能、智能系统、智能控制？答：“智能”在美国Heritage词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。
2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。
各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。
人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
专家控制系统：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，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的特点是：1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直方向传递，向下的信息有优先权。
(完整版)智能控制-考试题(附答案)
《智能控制》考试试题试题1：针对某工业过程被控对象：0.520()(101)(21)s G s e s s -=++，试分别设计常规PID 算法控制器、模糊控制器、模糊自适应PID 控制器，计算模糊控制的决策表，并进行如下仿真研究及分析：1. 比较当被控对象参数变化、结构变化时，四者的性能；2. 研究改善Fuzzy 控制器动、静态性能的方法。
解：常规PID 、模糊控制、Fuzzy 自适应PID 控制、混合型FuzzyPID 控制器设计 错误!未找到引用源。
. 常规PID 调节器PID 控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。
它是根据给定值()r t 与实际输出值()y t 构成控制偏差()e t ，从而针对控制偏差进行比例、积分、微分调节的一种方法，其连续形式为：01()()[()()]t p d i de t u t K e t e t dt T T dt=++⎰ （1.1） 式中，p K 为比例系数，i T 为积分时间常数，d T 为微分时间常数。
PID 控制器三个校正环节中p K ，i T 和d T 这三个参数直接影响控制效果的好坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。
Ziegler 和Nichols 提出的临界比例度法是一种非常著名的工程整定方法。
通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特性的两个参数：临界增益u K 和临界振荡周期u T 。
用临界比例度法整定PID 参数如下：表1.1 临界比例度法参数整定公式51015202530354000.20.40.60.811.21.41.61.8Time(s)y (t )051015202530354000.511.5Time(s)y (t )PID 0.6u K 0.5u T 0.125u T据以上分析，通过多次整定，当 1.168p K =时系统出现等幅振荡，从而临界增益 1.168u K =，再从等幅振荡曲线中近似的测量出临界振荡周期 5.384u T =，最后再根据表1.1中的PID 参数整定公式求出：0.701, 2.692,0.673p i d K T T ===，从而求得：比例系数0.701p K =，积分系数/0.260i p i K K T ==，微分系数0.472d p d K K T ==。
智能控制习题解
0 a 25 25 a 200
求：“很年轻W”、“不年老也不年轻 个模糊集的隶属函数。
V”两
2解
（1）语气算子“很” λ=2，即μｗ（a） =μｒ(a) ² “很年轻”模糊集隶属度函数为
（2）：“不老也不年轻” V=/OI/Y
3、设误差的离散论域为【-30，-20，10,0,10,20,30】，且已知误差为零（ZE）和误差为 正小（PS）的隶属函数为
4解
（1）P。Q=
POQOR=
(2) PUQ=
PUQOS=
(3) (POQ)U(QOS)=(PUQ)O S=
5、考虑如下条件语句： 如果 转角误差远远大于15○ 那么快速减小方向角 其隶属度函数定义为 A=转角误差远远大于15○=0/15 + 0.2/17.5 + 0.5/20 + 0.8/22.5 + 1.0/25 B=那么快速减小方向角=1/-20 + 0.8/-15 + 0.4/-10 + 0.1/-5 + 0/0 问：当A„=转角误差大约在20○时方向角应该怎样 变化？ 设A„=转角误差大约在20○的隶属函数=0.1/15 + 0.6/17.5 + 1/20 + 0.6/22.5 + 0.1/25。（用 Mamdani推理算法计算）
试确定模糊条件语句“如果x轻，则y 重，否则y不非常重”所决定的模糊关系 矩阵R，并计算出当x为非常轻、重条件下 所对应的模糊集合y。
6
解 B′= 非常重=
B″=不非常重=B =
关系矩阵R=(A×B)U
A×B=
1、已知语言变量x，y，z。 X的论域为{1,2,3}，定义有两个语言值： “大”＝{0, 0.5, 1}； “小”={1, 0.5, 0}。 Y的论域为{10,20,30,40,50}，语言值为： “高”={0, 0, 0, 0.5, 1}; “中”={0, 0.5, 1, 0.5, 0}; “ 低”={1, 0.5, 0, 0, 0}。 Z的论域为{0.1,0.2,0.3}，语言值为： “长”={0, 0.5, 1}；“短”={1, 0.5, 0} 则1）试求规则： 如果 x 是 “大” 并且 y 是“高” 那么 z是“长”； 否则，如果 x 是“小” 并且 y 是 “中” 那么 z是“短”。 所蕴涵的x，y，z之间的模糊关系R。 2）假设在某时刻，x是“略小”={0.7, 0.25, 0}， y是“略高”={0, 0, 0.3, 0.7, 1} 试根据R通过Zadeh法模糊推理求出此时输出z的语言取值。
智能控制习题答案
第一章绪论1. 什么是智能.智能体系.智能掌握？答：“智能”在美国Heritage词典界说为“获取和应用常识的才能”.“智能体系”指具有必定智能行动的体系,是模仿和履行人类.动物或生物的某些功效的体系.“智能掌握”指在传统的掌握理论中引入诸如逻辑.推理和启示式规矩等身分,使之具有某种智能性;也是基于认知工程体系和现代盘算机的壮大功效,对不肯定情况中的庞杂对象进行的拟人化治理.2．智能掌握体系有哪几种类型,各自的特色是什么？答：智能掌握体系的类型：集散掌握体系.隐约掌握体系.多级递阶掌握体系.专家掌握体系.人工神经收集掌握体系.进修掌握体系等.各自的特色有：集散掌握体系：以微处理器为基本,对临盆进程进行分散监督.操纵.治理和疏散掌握的分散疏散掌握体系.该体系将若干台微机疏散应用于进程掌握,全部信息经由过程通讯收集由上位治理盘算机监控,实现最优化掌握,全部装配持续了通例内心疏散掌握和盘算机分散掌握的长处,战胜了通例内心功效单一,人机接洽差以及单台微型盘算机掌握体系安全性高度分散的缺点,既实现了在治理.操纵和显示三方面分散,又实现了在功效.负荷和安全性三方面的疏散.人工神经收集：它是一种榜样动物神经收集行动特点,进行散布式并行信息处理的算法数学模子.这种收集依附体系的庞杂程度,经由过程调剂内部大量节点之间互相衔接的关系,从而达到处理信息的目标.专家掌握体系：是一个智能盘算机程序体系,其内部含有大量的某个范畴专家程度的常识与经验,可以或许应用人类专家的常识息争决问题的经验办法来处理该范畴的高程度难题.可以说是一种模仿人类专家解决范畴问题的盘算机程序体系.多级递阶掌握体系是将构成大体系的各子体系及其掌握器按递阶的方法分级分列而形成的层次构造体系.这种构造的特色是：1.上.下级是附属关系,上级对下级有调和权,它的决议计划直接影响下级掌握器的动作.2.信息在高低级间垂直偏向传递,向下的信息有优先权.同级掌握器并行工作,也可以有信息交换,但不是敕令.3.上级掌握决议计划的功效程度高于下级,解决的问题涉及面更广,影响更大,时光更长,感化更重要.级别越往上,其决议计划周期越长,更关怀体系的长期目标.4.级别越往上,涉及的问题不肯定性越多,越难作出确实的定量描写和决议计划.进修掌握体系：靠自身的进修功效来熟悉掌握对象和外界情况的特点,并响应地转变自身特点以改良掌握机能的体系.这种体系具有必定的辨认.断定.记忆和自行调剂的才能.3．比较智能掌握与传统掌握的特色.答：智能掌握与传统掌握的比较：它们有亲密的关系,而不是互相排挤.通例掌握往往包含在智能掌握之中,智能掌握也应用通例掌握的办法来解决“低级”的掌握问题,力争扩充通例掌握办法并树立一系列新的理论与办法来解决更具有挑衅性的庞杂掌握问题.1.传统的主动掌握是树立在肯定的模子基本上的,而智能掌握的研讨对象则消失模子轻微的不肯定性,即模子未知或知之甚少者模子的构造和参数在很大的范围内变动,这些问题对基于模子的传统主动掌握来说很难解决.2.传统的主动掌握体系的输入或输出装备与人及外界情况的信息交换很不便利,愿望制造出能接收印刷体.图形甚至手写体和口头敕令等情势的信息输入装配,可以或许加倍深刻而灵巧地和体系进行信息交换,同时还要扩展输出装配的才能,可以或许用文字.图纸.立体形象.说话等情势输出信息. 别的,平日的主动装配不克不及接收.剖析和感知各类看得见.听得着的形象.声音的组合以及外界其它的情况. 为扩展信息通道,就必须给主动装配安上可以或许以机械方法模仿各类感到的准确的送音器,即文字.声音.物体辨认装配.3.传统的主动掌握体系对掌握义务的请求要么使输出量为定值（调节体系）,要么使输出量追随期望的活动轨迹（追随体系）,是以具有掌握义务单一性的特色,而智能掌握体系的掌握义务可比较庞杂.4. 传统的掌握理论对线性问题有较成熟的理论,而对高度非线性的掌握对象固然有一些非线性办法可以应用,但不尽人意. 而智能掌握为解决这类庞杂的非线性问题找到了一个出路,成为解决这类问题行之有用的门路.5.与传统主动掌握体系比拟,智能掌握体系具有足够的关于人的掌握计谋.被控对象及情况的有关常识以及应用这些常识的才能.6.与传统主动掌握体系比拟,智能掌握体系能以常识暗示的非数学广义模子和以数学暗示的混杂掌握进程,采取开闭环掌握和定性及定量掌握结合的多模态掌握方法.7.与传统主动掌握体系比拟,智能掌握体系具有变构造特色,能总体自寻优,具有自顺应.自组织.自进修和自调和才能.8.与传统主动掌握体系比拟,智能掌握体系有抵偿及自修复才能和断定决议计划才能. 4．把智能掌握看作是AI(人工智能).OR(运筹学).AC(主动掌握)和IT(信息论)的交集,其根据和内涵是什么?答：智能掌握具有显著的跨学科特色,在最早傅金孙提出的二元论中,智能掌握体系被认为是主动掌握与人工智能的交互感化,跟着熟悉的深刻,萨瑞迪斯提出运筹学融入智能掌握而提出三元构造,蔡自兴传授提出将信息论引入智能掌握,其根据在于：信息论是解释常识和智能的一种手腕;掌握论.信息论和体系论是慎密相连的;信息论已经成为掌握智能机械的对象;信息论介入智能掌握的全进程并对履行级起到焦点感化,是以最终肯定了智能掌握的四元构造.5．智能掌握有哪些应用范畴？试举出一个应用实例,并解释其工作道理和掌握机能.答：智能掌握应用于机械人.汽车.制造业.水下和陆地自助式车辆.家用电器.进程掌握.电子商务.医疗诊断.飞翔器.印刷.城市铁路.电力体系等范畴.例如焊接机械人其根本工作道理是示教再现,即由用户导引机械人,一步步按现实义务操纵一遍,机械人在导引进程中主动记忆示教的每个动作的地位.姿势.活动参数.焊接参数等,并主动生成一个持续履行全部操纵的程序.完成示教后,只需给机械人一个起动敕令,机械人将准确地按示教动作,一步步完成全部操纵,现实示教与再现.掌握机能为：弧焊机械人平日有五个自由度以上,具有六个自由度的弧焊机械人可以包管焊枪的随意率性空间轨迹和姿势.点至点方法移动速度可达60m/min以上,其轨迹反复精度可达到±0.2mm.这种弧焊机械人应具有直线的及环形内插法摆动的功效,共六种摆动方法,以知足焊接工艺请求,机械人的负荷为5kg.第二章隐约掌握的理论基本1．举例解释隐约性的客不雅性和主不雅性.答：隐约性来源于事物的成长变更性,变更性就是不肯定定性;隐约性是客不雅世界的广泛现象,世界上很多的事物都具有隐约非电量的特色.例如：年纪分段的问题;假如一小我的年纪大于60岁算老年,45-59岁之间的岁中年,小于44岁的就算青年;假如一小我的年纪是59岁零11个月零28天,那么他是属于中年照样老年呢？理论上从客不雅的角度说他是中年人,但是与60岁只有两天差别,这差别我们是分辩不出来的.从主不雅上我们认为他又是老年人.这就是隐约性的主不雅性和客不雅性的表现.2．隐约性与随机性有哪些异同？答：隐约性处于过渡阶段的事物的根本特点,是性态的不肯定性,类属的不清楚性,是一种内涵的不肯定性;而随机性是在事宜是否产生的不肯定性中表示出来的不肯定性,而事宜本身的性态和类属是肯定的,是一种外在的不肯定性.雷同点是：隐约性是因为事物类属划分的不分明而引起的断定上的不肯定性;而随机性是因为天剑不充分而导致的成果的不肯定性.但是他们都配合表示出不肯定性.异同点是：隐约性反应的是排中的破缺,而随机性反应的是因果律的破缺;隐约性现象则须要应用隐约数学,随机性现象可用概率论的数学办法加以处理.3．比较隐约聚集与通俗聚集的异同.答：隐约聚集用附属函数作定量描写,通俗聚集用特点函数来刻划. 两者雷同点：都属于聚集,同时具有聚集的基赋性质.两者异同点：隐约聚集就是指具有某个隐约还年所描写的属性的对象的全部,因为概念本身不是很清楚,界线分明的,因而对象对聚集的附属关系也不是明白的;通俗聚集是指具有某种属性的对象的全部,这种属性所表达的概念应当是清楚的,界线分明的,因而每个对象对于聚集的附属关系也就是明白的..4.斟酌说话变量：“Old ”,假如变量界说为：肯定“NOT So Old ”,“Very Old ”,“MORE Or LESS Old ”的附属函数.解：1 o old 220 050()1(50/5) 50100NOT S x x x x μ--≤<⎧⎪=⎨⎡⎤+-≤<⎪⎣⎦⎩ 5.已知消失隐约向量A 和隐约矩阵R 如下：()⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡==3.06.03.001.004.06.02.01.08.05.04.01.07.0R A 盘算R A B =.{}4321=U ,给定说话变量“Small ”=1/1+0和隐约关系R=“Almost 相等”界说如下：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=16.01.006.016.01.01.06.016.001.06.01R 应用max-min 复合运算,试盘算：相等）是Almost Small X y R ()()( =. 解：10.60.100.610.60.1y (10.70.30.1)0.10.610.600.10.61R ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦（） 7.已知隐约关系矩阵：⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=15.05.01009.002.01.00014.009.004.018.02.01.008.01R 盘算R的二至四次幂.解：210.800.10.210.800.10.20.810.400.90.810.400.900.410000.41000.10010.50.10010.50.20.900.510.20.900.51R R R ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=•=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦10.80.40.20.80.810.40.50.90.40.4100.40.20.5010.50.80.90.40.51⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦},{ },,,{ },,,{21321321z z Z y y y Y x x x X ===,二维隐约前提语句为“若A 且B 则C ”,个中)(C , 14.0)( , 6.011.0)( , 1.015.021321321Z F z z C Y F B y y y B X F A x x x A ∈+=∈++=∈++=已知)(B , 15.01.0)( , 1.05.01*321**321*Y F y y y B X F A x x x A ∈++=∈++=由关系合成推理法,求得推理结论*C . 解：令R 暗示隐约关系,则R A B C =⨯⨯.将1T R 按行睁开写成列向量为[]0.10.50.50.110.60.10.10.1T所以,[]10.10.10.40.110.50.50.40.510.50.50.40.510.10.10.40.110.41110.4110.60.60.40.610.10.10.40.110.10.10.40.110.10.10.40.11T R R C ∧∧⎡⎤⎡⎤⎢⎥⎢⎥∧∧⎢⎥⎢⎥⎢⎥⎢⎥∧∧⎢⎥⎢⎥∧∧⎢⎥⎢⎥⎢⎥⎢⎥=⨯=⨯==∧∧⎢⎥⎢⎥∧∧⎢⎥⎢⎥⎢⎥⎢⎥∧∧⎢⎥⎢⎥∧∧⎢⎥⎢⎥⎢⎥⎢⎥∧∧⎣⎦⎣⎦0.10.10.40.50.40.50.10.10.410.40.60.10.10.10.10.10.1⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦.又因为()C A B R ***=⨯⨯,[]10.10.510.50.10.510.10.50.50.10.10.10.1A B **⎡⎤⎡⎤⎢⎥⎢⎥⨯==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦,将A B **⨯按行睁开写成行向量,为[]0.10.510.10.50.50.10.10.1,则 ()()0.40.5C A B R ***=⨯⨯=即120.40.5C z z *=+ 9. 已知说话变量x,y,z.X 的论域为{1,2,3},界说有两个说话值： “大”＝{0, 0.5, 1};“小”={1, 0.5, 0}. Y 的论域为{10,20,30,40,50},说话值为：“高”={0, 0, 0, 0.5, 1};“中”={0, 0.5, 1, 0.5, 0}; “低”={1, 0.5, 0, 0, 0}.Z的论域为{0.1,0.2,0.3},说话值为：“长”={0, 0.5, 1};“短”={1, 0.5, 0} 则：1）试求规矩：假如 x 是“大”并且 y 是“高”那么 z是“长”;不然,假如 x 是“小”并且 y 是“中”那么 z是“短”.所蕴涵的x,y,z之间的隐约关系R.2）假设在某时刻,x是“略小”={0.7, 0.25, 0},y是“略高”={0, 0, 0.3, 0.7, 1}试根据R分离经由过程Zadeh法和Mamdani法隐约推理求出此时输出z的说话取值.第三章隐约掌握1.隐约掌握器有哪几部分构成？各完成什么功效？1:答：隐约掌握器由四个部分构成,这四个功效模块是隐约化.常识库.隐约推理和去隐约化.(1)隐约化：为实现隐约掌握而将准确的输入量进行隐约化处理,是将准确量转化为隐约量的进程.隐约化模块在不合的阶段有不合的感化：a.肯定相符隐约掌握器请求的输入量和输出量.b.对输入输出变量进行尺度变换,使之落于各自的论域范围内.c.对已经论域变换的输入量进行隐约化处理,包含隐约朋分和附属函数的肯定.(2)常识库：常识库平日由数据库和规矩库构成,包含了具体应用范畴的常识和请求.个中,数据库重要包含输入输出变量的初度变换因子.输入输出空间的隐约朋分以及隐约变量的隐约取值及响应的附属度函数选择和外形等方面的内容.规矩库包含了用隐约说话描写专家的经验常识,来暗示一系列掌握规矩.它们反应了掌握专家的经验和常识.(3)隐约推理：是一种近似推理,根据隐约掌握规矩库和当前体系状况揣摸出应施加的掌握量的进程,由推理机完成.(4)去隐约化：因为掌握器输出到具体地履行机构的旌旗灯号必须是清楚的准确量.是以,须要一个与输入隐约化相反的进程,即把隐约推理成果转变成清楚量,它实现从输出论域上输出隐约空间到输出准确空间的映射.2.隐约掌握器设计的步调如何？2：答：隐约掌握器设计的步调如下：(1)：输入变量和输出变量的肯定.(2)：输入输出变量的论域和隐约朋分,以及包含量化因子和比例因子在内的掌握参数的选择.(3)：输入变量的隐约化和输出变量的清楚化.(4)：隐约掌握规矩的设计以及隐约推理模子的选择.(5)：隐约掌握程序的编制.3.清楚化的办法有哪些？3：答：清楚化的办法一般有四种：(1)：最大附属度法：这种办法将隐约推理得到的结论中最大附属度值最对应的元素作为掌握器输出的准确值,假如有多个最大点,则取其平均值.(2)：加权平均法：这种办法是指以各条规矩的前件和输入的隐约集按必定轨则肯定的值为权值,并对后件代表值加权平均盘算输出的清楚值的办法.(3)：面积等分法：把输出的隐约聚集所对应的附属函数与横坐标之间围成的体面分成两部分,那么该办法得到的准确值应知足使该两部分的面积相等.(4)：因为Tsukamoto模子和Takagi-Sugeno模子输出本身就是清楚量,则不须要去隐约化.4.已知某一炉温掌握体系,请求温度保持在600度恒定.针对该掌握体系有一下掌握经验：（1）若炉温低于600度,则升压;低得越多升压就越高. （2）若炉温高于600度,则降压;高得越多降压就越低. （2）若炉温等于600度,则保持不变.设计隐约掌握器为一维掌握器,输入说话变量为误差,输出为掌握电压.输入.输出变量的量化等级为7级,取5个隐约集.设计附属度函数误差变更划分表.掌握电压变更划分表和隐约掌握规矩表.解：界说幻想温度点的温度为0T ,现实测量温度为T ,温度差为0e T T T =∆=-.认为输入.输出变量的量化等级均为7级, 5个隐约集,则 误差e 变更划分表为：掌握电压变更划分表为：根据一上两表设计一下隐约规矩：若e 负大,则u 正大;若e 负小,则u 正小;若e 为0,则u 为0; 若e 正小,则u 负小;若e 正大,则u 负大. 隐约掌握规矩表为：第四章 神经收集基本1.生物神经元模子的构造功效是什么？ 答：生物神经元构造：（1）.细胞体：由细胞核.细胞质和细胞膜等构成.（2）.树突：胞体上短而多分枝的崛起.相当于神经元的输入端,接收传入的神经冲动.（3）.轴突：胞体上最长枝的崛起,也称神经纤维.端部有很多神经末稍传出神经冲动.（4）.突触：神经元间的衔接接口,每个神经元约有1万~10万个突触.神经元经由过程其轴突的神经末稍,经突触与另一神经元的树突联接,实现信息的传递.因为突触的信息传递特点是可变的,形成了神经元间联接的柔性,称为构造的可塑性.（5）.细胞膜电位：神经细胞在受到电的.化学的.机械的刺激后,能产生高兴,此时,细胞表里有电位差,称膜电位.电位膜内为正,膜外为负.生物神经元功效：（1）.高兴与克制当传入神经元的冲动,经整合,使细胞膜电位升高,超出动作电位的阈值时,为高兴状况,产生神经冲动,由轴突经神经末稍传出.当传入神经元的冲动,经整合,使细胞膜电位降低,低于阈值时,为克制状况,不产生神经冲动.（2）.进修与遗忘因为神经元构造的可塑性,突触的传递感化可加强与削弱,是以,神经元有进修与遗忘的功效.2.人工神经元模子的特色是什么？答：人工神经元模子的特色：（1）.神经元及其联接;（2）.神经元间的联接强度决议旌旗灯号传递的强弱;（3）.神经元间的联接强度是可以随练习转变的;（4）.旌旗灯号是可以起刺激感化的,也可以起克制造用;（5）.一个神经元接收的旌旗灯号的累积后果决议该神经元的状况;（6）.每个神经元可以有一个“阈值”.3.人工神经收集的特色是什么？若何分类？答：人工神经收集的特色：（1）.非线性（2）.散布处理（3）.进修并行和自顺应（4）.数据融会（5）.实用于多变量体系（6）.便于硬件实现人工神经收集的分类：根据神经收集的衔接方法,神经收集可分为三种情势：（1）.前向收集：神经元分层分列,构成输入层.隐含层和输出层.每一层的神经元只接收前一层神经元的输入.输入模式经由各层按序的变换后,由输出层输出.在各神经元间不消失反馈.感知器和误差反向传播收集采取前向收集情势.（2）.反馈收集：该收集构造在输出层到输入层消失反馈,即每一个输入节点都有可能接收来自外部的输入和来自输出神经元的反馈.这种神经收集是一种反馈动力学体系,它须要工作一段时光才干达到稳固.（3）.自组织收集：当神经收集在接收外界输入时,收集将会分成不合的区域,不合区域具有不合的响应特点,即不合的神经元以最佳方法响应不合性质的旌旗灯号鼓励,从而形成一种拓扑意义上的特点图,该图现实上是一种非线性映射.这种映射是经由过程无监督的自顺应进程完成的,所以也称为自组织特点图.4.有哪几种经常应用的神经收集进修算法？经常应用的神经收集进修算法：（1）.有教师进修：在进修进程中,收集根据现实输出与期望输出的比较,进行联接权系的调剂,将期望输出称导师旌旗灯号是评价进修的尺度.（2）.无教师进修：无导师旌旗灯号供给应收集,收集能根据其特有的构造和进修规矩,进行联接权系的调剂,此时收集进修评价的尺度隐含于其内部.（3）.再励进修:把进修看为试探评价进程,进修及选择一动作感化于情况,情况的状况转变,并产生再励旌旗灯号反馈至进修机,进修机根据再励旌旗灯号与情况当前的状况,再选择下一动作感化于情况,选择的原则是使受到嘉奖的可能性增大.（4）.Hebb进修规矩（5）.Delta进修规矩第五章典范神经收集1.BP算法的特色是什么？增大权值是否可以或许使BP进修变慢？答：误差反向传播的BP算法简称BP算法,是有导师的进修,其根本思惟是梯度降低法.它采取梯度搜刮技巧,以使收集的现实输出值与期望输出值的误差均方值为最小.进修的进程由正向传播和反向传播构成,在正向进程中,输入信息由输入层经隐层逐层处理,并传向输出层,每层神经元的状况只影响下一层神经元的状况,假如在输出层不克不及得到期望的输出,则转至反向传播,将误差旌旗灯号按衔接通路反向盘算,由梯度降低法来调剂各层神经元的权值,使误差旌旗灯号减小.重要长处：（1）非线性映射才能：无需事先懂得描写这种映射关系的数学方程,只要供给足够多的样本模式对BP收集进行具体练习,它便能完成由n维输入空间到m 输出空间的非线性映射.（2）泛化才能：当向收集输入练习时不曾见过的非样本数据时,收集也能完成由输入空间向输出空间的准确映射,这种才能称为多层前馈收集的泛化才能.（3）容错才能：输入样本中带有较大的误差,甚至个别错误对收集的输入输出纪律影响很小.尺度的BP算法内涵的缺点：（1）易形成局部微小而得不到全局最优;（2）练习次数多使得进修效力低,收敛速度慢;（3）隐节点的拔取缺少理论指点;（4）练习时进修新样本有遗忘旧样本的趋向.增大权值不必定可以或许使BP进修变慢,由BP权值修改的道理可知,权值调剂公式可汇总如下：2.为什么说BP 收集是全局逼近的,而RBF收集是局部逼近的？它们各有凸起的特色是什么？BP收集的活化函数为S函数,其值在输入空间中无穷大的范围内为非零值,因而是全局逼近的神经收集.其凸起特色如下：1.是一种多层收集化,包含输入层.隐含层和输出层;2.层与层之间采取全互联方法,同一层神经元不衔接;3.权值经由过程delta 进修算法进行调节;4.神经元活化（激发）函数为S函数;5.进修算法由正向算法和反向算法构成;6.层与层之间的衔接时单向的,信息的传播史双向的.RBF收集的活化函数为高斯基函数,其值在输入空间中有限范围内为非零值,并且RBF神经收集的神经元具有局部逼近的神经收集.其输出特色如下：1.RBF径向基函数是局部的,进修速度快;2.已证实RBF收集具有独一最佳逼近的特点,且无局部最小;3.在函数创建进程中可以主动增长隐含层的神经元个数,直到知足均方差请求为止无需单独的代码来练习函数,收集的创建进程就是练习进程.4.RBF收集用于非线性体系辨识与掌握中,虽具有独一最佳逼近特点,且无局部最小的长处,防止去肯定隐层和隐层点数,收集可以根据具体问题自顺应的调剂,是以顺应性更好.3.何为神经收集的泛化才能？影响泛化才能的身分有哪些？答：泛化才能（分解才能.归纳分解才能）：用较少的样本进行练习,是收集能在给定的区域内达到请求的精度.所以没有泛化才能的收集没有应用价值.影响泛化才能的身分：1.样本;2.构造;3.初始权值4.练习样本集;5.需测试集.4. 已知一个非线性函数2121()sin(2)2y x x ππ=,试用三层BP 收集逼近输出y,画出收集的构造,写出收集各层节点的表达式以及各层节点输出值的范围. 解：非线性函数2121()sin(2)2y x x ππ=画出三层BP 收集的构造图由输入得到两个隐节点.一个输出层节点的输出,输入层不斟酌阈值两个隐节点.一个输出层节点输出为活化函数选择S 型函数1()1xl y f xl e-==+ 由上式可得第六章 高等神经收集()()()[()(1)]k p i d j u k k e k k e j k e k e k ==++--∑,也可写成等价情势112233()()()()u k k u k k u k k u k =++,个中1203()(),()(),()()()(1)k j u k e k u k e k u k e k e k e k ====∆=--∑,123,,k k k 为PID 掌握器,,p i d k k k 三个参数的线性暗示.这一情势可以算作认为123(),(),()u k u k u k 输入,123,,k k k 为权系数的神经收集构造,试推导出自顺应神经收集PID 掌握器参数调剂的进修算法.解：自顺应神经收集PID 掌握器构造如下图所示：由图可知：掌握器由两部分构成,分离为通例PID 掌握和神经收集.个中,通例PID 直接对被控对象进行闭环掌握,并且其掌握参数kp.ki.kd 为在线调剂方法;神经收集根据体系的活动状况,调节PID 掌握器的参数,使输出层神经元的输出对应于PID 掌握器的三个可调参数.进修算法如下：起首肯定神经收集的构造,即肯定输入节点数和隐含层节点数,并给出各层加权系数的初值w1和w2,并选定进修速度和惯性系数,令k=1;采样得到r(k)和y(k),盘算当前时刻误差r(k)-y(k);盘算各神经收集的输入和输出,其输出层的输出即为PID 掌握器的三个掌握参数kp.ki.kd 并盘算PID 掌握器的输出进行神经收集进修,在线调剂加权系数,实现PID掌握参数的自顺应调剂;令k=k1,进行上述步调.收集各层输入输出算法：第八章专家掌握1.什么叫产生式体系？它由哪些部分构成？试举例略加解释.答：假如知足某个前提,那么就应当采纳某些行动,知足这种临盆式规矩的专家体系成为产生式体系.产生式体系重要由总数据库,产生式规矩和推理机构构成.举例：医疗产生式体系.2.专家体系有哪些部分构成？各部分的感化若何？专家体系它具体有哪些特色和长处？答：常识库：常识库是常识的存储器,用于存储范畴专家的经验性常识以及有关的事实.一般常识等.常识库中的常识来源于常识获取机构,同时它又为推理供给求解问题所需的常识.推理机：推理机时专家体系的思维机构,现实上是求解问题的盘算机软件体系,分解推理机的运行可以有不合的掌握计谋.数据库：它是用于存放推理的初始证据.中央成果以及最终成果等的工作存储器.解释接口：它把用户输入的信息转换成体系内规范化的表示情势,然后交给响应的模块行止理,把体系输出的信息转换成用户易于懂得的外部情势显示给用户,答复提出的问题.常识获取：常识获取是指经由过程人工办法或机械进修的办法,将某个范畴内的事实性常识和范畴专家所特有的经验性常识转化成盘算机程序的进程.对常识库的修改和扩充也是在体系的调试和验证中进行,是一件艰苦的工作.专家体系的特色：具有专家程度的专门常识,能进行有用的推理,专家体系的透明性和灵巧性,具有必定的庞杂性与难度.。
《智能控制技术》第四章参考答案
《智能控制技术》第四章参考答案智能控制课后习题答案第4章神经网络作业1.答：设A 类为1；B 类为0026.015.00215.0021025.012-{≥-+≥-+-----+θωωθωωθωωθωω＜＜令：5.05.1-12,11≤==θωω＜则取4.0=θ则有： 04.021=-+x x2.答：记B y y y A y y y 为状态，为状态011321110321==。
对于状态A,节点激励函数必须满足下列不等式：）（式＜）（式＞）（式＞30201032313212112θωωθωθω++++对于状态B,节点激励函数必须满足下列不等式：）（式＞）（式＞）（式＜60504032322311312θωθωθωω++++利用上面6个不等式可以求出6个未知量的允许取值范围。
假设取5.012=ω,则：由式1得,3.0,5.011-=-≥θθ取；由式4得,7.0,2.01313-=-≤ωω取；由式2得,3.0,5.022-=-≥θθ取；由式5得,4.0,3.02323=≥ωω取；由式3得,2.0,3.033=≤θθ取；由式6得,2.0,2.033=-≥θθ取；需要记忆稳态A 和B 的3点DHNN 网络的一组权系数值为 2.0,3.0,3.04.0,7.0,5.0321231312=-=-==-==θθθωωω设初始状态000321=y y y ,依次选择节点321,,V V V ,确定其节点兴奋的条件及状态的转移。
选择节点3V ,激励函数为()()02.0003133＞=+∑==θωj N j j y Net 可见,节点3V 处于兴奋状态并且状态3y 由→10。
网络状态由→001000,转移概率为1/3。
同样其他2个节点也可以以等概率发生状态变化,他们的激励函数为()()03.0001111＜-=+∑==θωj N j j y Net()()03.0002122＜-=+∑==θωj N j j y Net 节点1V 2V 的状态→00保持不变。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第一章绪论1.什么是智能、智能系统、智能控制？答：“智能”在美国Heritage 词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。
2．智能控制系统有哪几种类型，各自的特点是什么？答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。
各自的特点有：集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。
人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
专家控制系统：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，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的特点是： 1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直方向传递，向下的信息有优先权。
同级控制器并行工作，也可以有信息交换，但不是命令。
3.上级控制决策的功能水平高于下级，解决的问题涉及面更广，影响更大，时间更长，作用更重要。
级别越往上，其决策周期越长，更关心系统的长期目标。
4.级别越往上，涉及的问题不确定性越多，越难作出确切的定量描述和决策。
学习控制系统：靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。
这种系统具有一定的识别、判断、记忆和自行调整的能力。
3．比较智能控制与传统控制的特点。
答：智能控制与传统控制的比较：它们有密切的关系，而不是相互排斥。
常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。
1.传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，这些问题对基于模型的传统自动控制来说很难解决。
2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息. 另外，通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况. 为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器，即文字、声音、物体识别装置。
3.传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出量跟随期望的运动轨迹（跟随系统），因此具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂。
4.传统的控制理论对线性问题有较成熟的理论，而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题行之有效的途径。
5.与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力。
6.与传统自动控制系统相比，智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程，采用开闭环控制和定性及定量控制结合的多模态控制方式。
7.与传统自动控制系统相比，智能控制系统具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力。
8.与传统自动控制系统相比，智能控制系统有补偿及自修复能力和判断决策能力。
4．把智能控制看作是AI( 人工智能)、OR( 运筹学)、AC( 自动控制)和IT( 信息论)的交集，其根据和内涵是什么? 答：智能控制具有明显的跨学科特点，在最早傅金孙提出的二元论中，智能控制系统被认为是自动控制与人工智能的交互作用，随着认识的深入，萨瑞迪斯提出运筹学融入智能控制而提出三元结构，蔡自兴教授提出将信息论引入智能控制，其依据在于：信息论是解释知识和智能的一种手段；控制论、信息论和系统论是紧密相连的；信息论已经成为控制智能机器的工具；信息论参与智能控制的全过程并对执行级起到核心作用，因此最终确定了智能控制的四元结构。
5．智能控制有哪些应用领域？试举出一个应用实例，并说明其工作原理和控制性能。
答：智能控制应用于机器人、汽车、制造业、水下和陆地自助式车辆、家用电器、过程控制、电子商务、医疗诊断、飞行器、印刷、城市铁路、电力系统等领域。
例如焊接机器人其基本工作原理是示教再现，即由用户导引机器人，一步步按实际任务操作一遍，机器人在导引过程中自动记忆示教的每个动作的位置、姿态、运动参数、焊接参数等，并自动生成一个连续执行全部操作的程序。
完成示教后，只需给机器人一个起动命令，机器人将精确地按示教动作，一步步完成全部操作，实际示教与再现。
控制性能为：弧焊机器人通常有五个自由度以上，具有六个自由度的弧焊机器人可以保证焊枪的任意空间轨迹和姿态。
点至点方式移动速度可达60m/min 以上，其轨迹重复精度可达到±0.2mm。
这种弧焊机器人应具有直线的及环形内插法摆动的功能，共六种摆动方式，以满足焊接工艺要求，机器人的负荷为5kg。
第二章模糊控制的理论基础1．举例说明模糊性的客观性和主观性。
答：模糊性起源于事物的发展变化性，变化性就是不确定定性；模糊性是客观世界的普遍现象，世界上许多的事物都具有模糊非电量的特点。
例如：年龄分段的问题；如果一个人的年龄大于60 岁算老年，45-59 岁之间的岁中年，小于44 岁的就算青年；如果一个人的年龄是59 岁零 11 个月零28 天，那么他是属于中年还是老年呢？理论上从客观的角度说他是中年人，但是与60 岁只有两天区别，这区别我们是分辨不出来的。
从主观上我们认为他又是老年人。
这就是模糊性的主观性和客观性的体现。
2．模糊性与随机性有哪些异同？答：模糊性处于过渡阶段的事物的基本特征，是性态的不确定性，类属的不清晰性，是一种内在的不确定性；而随机性是在事件是否发生的不确定性中表现出来的不确定性，而事件本身的性态和类属是确定的，是一种外在的不确定性。
相同点是：模糊性是由于事物类属划分的不分明而引起的判断上的不确定性；而随机性是由于天剑不充分而导致的结果的不确定性。
但是他们都共同表现出不确定性。
异同点是：模糊性反映的是排中的破缺，而随机性反映的是因果律的破缺；模糊性现象则需要运用模糊数学，随机性现象可用概率论的数学方法加以处理。
3．比较模糊集合与普通集合的异同。
答：模糊集合用隶属函数作定量描述，普通集合用特征函数来刻划。
两者相同点：都属于集合，同时具有集合的基本性质。
两者异同点：模糊集合就是指具有某个模糊还年所描述的属性的对象的全体，由于概念本身不是很清晰，界限分明的，因而对象对集合的隶属关系也不是明确的；普通集合是指具有某种属性的对象的全体，这种属性所表达的概念应该是清晰的，界限分明的，因而每个对象对于集合的隶属关系也就是明确的。
2.考虑语言变量：“Old”，如果变量定义为：ol d0 0 x (x) 12 x1 (x 50/ 5) 5050100确定“NOT So Old ”，“Very Old ”，“MORE Or LESS Old ”的隶属函数。
0 0 x 50 解：(x)1NOT So old 21 (x50 / 5) 50 x 10020 0 x 50 (x)2Very old 21 (x50/ 5) 50 x 1000 0 x 50MORE(x ) or less old1 2 41 ( x 50 / 5) 50x100A0.7 0.1 0.43.已知存在模糊向量 A 和模糊矩阵 R 如下：R9. 10.0.8 0.4 0.1 0 0.2 0.1计算 BA R 。
0 0.3 0.6 0.34. 令论域 U 1 2 3 4 ，给定语言变量“ Small ”=1/1+0.7/2+0.3/3+0.1/4 和模糊关系 R=“Almost 相等”定义10.6 0.1如下： 0.6 1 0.6 0.1R 利用 max-min 复合运算，试计算： R( y) (X 是Small) ( Almost 相等）。
0.1 0.6 1 0.60.1 0.6110.6 0.1 0解： R （y ） (1 0.7 0.3 0.1) 0.6 10.6 0.10.1 0.610.6 00.1 0.61 T(1 1) (0.70.6) (0.3 0.1) (0.1 0)(1 0.6) (0.7 1) (0.3 0.6) (0.1 0.1)(1 0.1) (0.7 0.6) (0.3 1) (0.1 0.6)1 0.7 0.6 0.3(1 0) (0.7 0.1) (0.3 0.6) (0.1 1)10.8 0 0.1 0.2 0.810.40 0.95. 已知模糊关系矩阵： R计算 R 的二至四次幂。
0.4 1 0 0 0.1 0 0 1 0.5 0.2 0.90.51 10.8 0 0.1 0.2 1 0.8 0 0.1 0.2 1 0.8 0.4 0.2 0.8 0.810.4 0 0.9 0.8 1 0.4 0 0.9 0.810.4 0.5 0.9 解：2 R R R0 0.410 00 0.410 00.4 0.410.40.10 0 1 0.5 0.1 0 0 1 0.5 0.2 0.5 0 1 0.5 0.20.9 0 0.5 1 0.2 0.9 0 0.5 1 0.8 0.9 0.4 0.5 110.8 0.4 0.5 0.8 1 0.8 0.4 0.5 0.8 6.10.4 0.5 0.9 0.810.4 0.5 0.93 2 R R R11. 0.4 10.4 0.4 4 2 2 R R R0.9 0.4 10.40.4 0.10 0.5 0.4 10.5 0.5 0.5 0.410.5 0.5 0.9 0.4 0.5 10.8 0.9 0.4 0.510.3 设有论域{ x 1 , x , x }, Y { y , y , y }, Z {z , z }X，二维模糊条件语句为“若A 且B 则C ”，其2 3 1 2 3 1 2中 A 0.2 x 1 1 x 2 0.7 x 3 ,A F (X) B0.2 y 1 1y 2 0.7y 3,B F(Y)已知 * A1 x 1 0.2 x 2 0.9 x3,* AF ( X) C0.3 z 11z 2,CF (Z )B * 0.9 y 1 0.3 y 2 1 y 3,* BF(Y) 由关系合成推理法，求得推理结论 * C 。