《智能控制技术基础》试卷(A)标准答案.doc

2006~2007学年第一学期期末考试《智能控制技术基础》试卷（A）标准答案 一、填空题（每空1分，共 10分 模糊化接口——将真实的确定量输入转换为一个模糊矢量； 知 识 库——包括数据库和规则库。数据库存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值，若论域为连续域则为隶属度函数，在规则推理的模糊关系方程求解过程中，向推理机提供数据；规则库是基于专家知识或手动操作人员长期积累的经验，它是按人的直觉推理的一种语言表示形式，存放全部模糊控制规则，在推理时为“推理机”提供控制规则。 推 机 理——根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分； 解模糊接口——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去控制或驱动执行机构。 3 模糊控制器常规设计的步骤怎样？应注意哪些问题？ 答：模糊控制器常规设计的步骤：① 确定模糊控制器的输入、输出变量；② 确定各输入、输出变量的变化范围、量化等级和量化因子；③ 在各输入和输出语言变量的量化域内定义模糊子集；④ 确定模糊控制规则；⑤ 求模糊控制表。应注意以下问题：① 模糊控制器的构造；② 模糊信息与精确信息转换的物理结构和方法；③ 模糊控制器对外界环境的适应性及适应技术；④ 实现模糊控制系统的软技术；⑤ 模糊控制器和被控对象匹配技术。 4神经PID控制与常规PID控制有何不同？ 答：常规PID控制与神经PID相比，结构更简单、实现更容易，但它的局限性在于被控对象具有复杂的非线性特性时难以建立精确的数学模型，且由于对象和 环境的不确定性，往往难以达到满意的控制效果。神经PID控制具有两个神经网络：NNI——系统在线辨识器，NNC——自适应PID控制器，分别实现对被控对象进行在线辨识和自适应控制的目的。 答：由于神经网络是从微观结构与功能上对人脑神经系统的模拟而建立起来的一类模型，具有模拟人的部分智能的特性，主要是具有非 线性特性、学习能力和自适应性，使神经网络控制能对变化的环境（包括外加扰动、量测噪声、被控对象的时变特性三方面）具有自适 应性，且成为基本上不依赖于模型的一类控制，因此神经网络 属于“智能控制”。 三、作图题：( 本大题10分 ) 为了克服实时计算量大的缺点，常规模糊控制在实际中通常采用的是查表法。现已知某系统的输入变量（误差和误差的变化）、输出变量（控制量）的变化范围、量化等级、模糊集的隶属度函数如试表1所示，控制规则如试表2所示。设系统误差e的量化值为-1、误差变化de的量化值为4，根据极大极小推理法可得控制量的输出模糊集合。要求在试图1的坐标纸上用图解法给出模糊推理的过程。 试表1 模糊集的隶属度函数 误差e -50 -30 -15 -5 0 5 15 30 50 误差率de -150 -90 -30 -10 0 10 30 90 150 控制u -64 -16 -4 -2 0 2 4 16 64 量化等级 -4 -3 -2 -1 0 1 2 3 4 状态变量 相关的隶属度函数 PB 0 0 0 0 0 0 0 0.35 1 PS 0 0 0 0 0 0.4 1 0.4 0 ZE 0 0 0 0.2 1 0.2 0 0 0 NS 0 0.4 1 0.4 0 0 0 0 0 NB 1 0.35 0 0 0 0 0 0 0 试表2 控制规则表 U E DE NB NS ZE PS PB NB ＊ PB PB PS NB NS PB PS PS ZE NB ZE PB PS ZE NS NB PS PB ZE NS NS NB PB PB NS NB NB ＊ 第一条规则： 第二条规则： 控制量的输出模糊集： 试图1 图解法坐标纸 四、计算题（每小题10分, 共20分） 1 设在论域（误差）和控制电压上定义的模糊子集的隶属度函数如试图2所示。 试图2 隶属度函数 已知模糊控制规则： 规则1：如果误差为，则为； 规则2：如果误差为，则为； 试应用马达尼推理法计算出当输入误差时，输出电压？（精确化计算采用重心法，计算结果保留到小数点后三位） 解： 计算图中隶属度函数各拐点的坐标（0，0）、（1，0.5）、（5，0.5）、（6，0），套用精确化过程重心计算法的积分公式，从而得到输出电压。 2 考虑如下的逻辑条件语句： 如果 转角误差远远大于 那么 快速减少方向角 其隶属度函数定义为 转角误差远远大于 快速减少方向角 设 转角误差大约在的隶属度函数 试分别应用马达尼（Mamdani）推理法和扎德（Zadeh）推理法计算当“转角误差大约在”时方向角应该怎么变化？ 解：已知，且 由马