1、1遞階智能控制系統的主要結構特點有哪些。答：遞階智能控制是在研究早期學習控制系統的基礎上，從工程控制論角度總結人工智能與自適應控制、自學習控制和自組織控制的關系后逐漸形成的。遞階智能控制系統是由三個基本控制級（組織級、協調級、執行級）構成的。如下所ucfifll規劃輸出機器決策協調級逸階智能機器的級聯結構仁為自執行級至協調級的在線反饋信號;冀為自協調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的主導思想，并由人工智能起控制作用。根據貯存在長期存儲交換單元內的本原數據集合，組織器能夠組織絕對動作、一般任務和規則的序列。其結構如下:f執行級亠，0RPi下目辰問上機器椎戰機器規劃檢時存貯文桅

2、單元2協調級協調級是組織級和執行級間的接口，承上啟下，并由人工智能和運籌學共同作用。協調級借助于產生一個適當的子任務序列來執行原指令，處理實時信息。它是由不同的協調器組成，每個協調器由計算機來實現。下圖是一個協調級結構的候選框圖。該結構在橫向上能夠通過分配器實現各協調器之間的數據共享。3.執行級執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；它按控制論進行控制，對相關過程執行適當的控制作用。其結構模型如下：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、數字的和非數字的

3、信息，比傳統系統更為復雜的多源多維信息。2，復雜性：復雜生產制造過程的信息往往是一類具有大滯后、多模態、時變性、強干擾性等特性的復雜被控對象，要求系統具有下層的實時性和上層的多因素綜合判斷決策能力，以保證現場設備局部的穩定運行和在復雜多變的各種不確定因素存在的動態環境下，獲得整個系統的綜合指標最優。3，污染性：復雜生產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，但經過傳感器后要經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，濾波的方法數字濾波用計算機軟件濾波，通過一定的計算程序對采樣信號進行平滑加工，提高信噪比，消除和減少干擾信號，以保證計算機數據采集和控制系統的可靠性。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，通過計算機系統進行信號分層2，人工指令分層3，通過儀器設備進行測量，將數據進行分層4，先歸類，后按照一定的規則集合分層3詳細描述數據融合的流程和方法答：數據融合是指利用計算機對按時序獲得的若干觀測信息，在一定準則下

5、加以自動分析、綜合，以完成所需的決策和評估任務而進行的信息處理。一、數據融合的流程：分析數據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的數據（或提取數據的特征或模式識別的屬性說明）進行有機合成準確表示或估計。有時還需要做進一步的處理，如匹配處理和類型變換等，以便得到目標的更準確表示或估計。具體可分為：1，特征級融合經過預處理的數據ff特征提取ff特征級融合ff融合屬性說明2，像元級融合經過預處理的數據ff數據融合ff特征提取ff融合屬性說明3，決策級融合經過預處理數據ff特征提取ff屬性說明ff屬性融合ff融合屬性說明二、數據融合方法：1，代數法主要包括：加權融合法，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，通過最小二乘法來進行回歸，然后再用回歸方程計算出的預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。經過回歸處理后的遙感數據在一定程度上類似于進行了相對輻射校正，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，數學上稱為主成分分析（PCA）。PCT是應用于遙感諸多領域的一種方法，包括高光譜數據壓縮、信息提取與融合及變化監測等。PCT使用相關系數陣或協方差陣來消除原始數據的相關性，以達到去除冗余的目的。對于融合后的數據來說各波段的信息所作出的貢獻能最大限度地表現出來

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，它能使座標空間發生旋轉，但旋轉后的坐標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學分析方法，已經受到了廣泛的重視。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，從而被譽為數學顯微鏡。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，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3個波段的平均輻射強度、3個波段的數據向量和的方向及3個波段等量數據的大小。RGB顏色空間和IHS色度空間有著精確的轉換

8、關系。7,貝葉斯（Bayes）估計D-S推理法人工神經網絡（ANN）10,專家系統4詳細描述遞階智能控制系統的優化算法模型答：遞階智能控制系統是在研究早期學習控制系統的基礎上,從工程控制論角度總結人工智能和自適應控制、自學習控制和自組織控制的關系之后逐漸形成的,是智能控制的最早理論之一。遞階智能控制系統結構圖如結構圖所示，遞階智能控制系統可分為現場級、控制級、局部優化級、全局優化級四個部位。具體優化算法：現場級通過數據采集系統與分布式控制系統將現場狀態信號傳遞給控制級，控制級通過聚合器將各個信號經過一個個子過程完成數據融合，并將融合估值反饋給局部優化級，局部優化級對數據進行決策后將信息反饋給全

9、局優化級并對下一級傳達指令，全局優化級通過知識庫對數據進行比較、推理、排序。預測之后作出決策，從而使整個系統總熵最小，實現全局最優。5.比較模糊集合和普通集合的異同。答:集異、合同、點普通集合模糊集合相同點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，特征函數法3，運算規律大致相同，如：恒等律，交換律，結合律，分配律，吸收律，同一律，對偶律不同點元素的范圍有個清晰的界限集合的界限是模糊的，不明確的互補律仍然適用互補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。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：由互聯網搜索，調查的“高智商”的范圍如下表1:95200952001202001052009520010020014020012020012520010520012020012520012020011520011020

11、0100200105200115200135200100200115200130200120200125200105200115200115200110200120200115200由上表可求出各點的隸屬度如下:高智商曲線:圖1:高智商曲線隸屬函數的確定：把高智商曲線圖與常用隸屬函數相匹配，可知，高智商的隸屬函數應是梯形隸屬函數模型，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為：廣0,xv90UA(x)=(x-90)/50,90v=xvl40_1

12、,140v=x由互聯網搜索，調查的“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隸屬函數的確定:把正常智商曲線圖與常用隸屬函數相匹配，可知，正常智商的隸屬函數應是正態隸屬函數模型，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為：UA(x)=exp-(x-98)/607)2由互聯網搜索，調查的“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：隸屬函數的確定：把低智商曲線圖與常用隸屬函

15、數相匹配，可知，低智商的隸屬函數應是梯形隸屬函數模型，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為：UA(x)0 x/45,x0,0=x807簡述模糊控制系統的組成與工作原理是以模糊數學、模糊語言形式的知識表示和模答：模糊控制系統是一直全自動控制系統，糊邏輯推理為理論基礎，采用計算機控制技術構成的一種具有閉環結構的數學控制系統,系統組成核心是模糊控制器。模糊控制系統由模糊化接口、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、系統基本原理圖控制系統原理圖如上，圖中虛線部分被稱為模糊控制器部分。基本工作原理：微機經中斷采樣獲取被控制量的精確值，然后將此量與給定值進行模糊化，變成模糊量，偏差e的模糊量可以相應的模糊語言表示，得到偏差e的模糊語言集合的一個子集。再由模糊子集、模糊控制規則和前向推理進行模糊推理，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轉換為精確量。這一步驟稱為解模糊。得到了精確的數字模糊量后，經數模轉換為精確的模擬量送給執行機構，對被控制對象進一步控制。然后中斷等待第二次采樣進行第二步控制。這樣循環下去，就實現了被控制對象的模糊控制。8試舉例說明傳統集合

17、中叉積序偶的順序是不能顛倒的。答：假設有2個傳統集合A,B。令A=1,2,B=3,4。假定AB=(1,3),G,4),Q,3),(2,4)表示直角坐標系中的點。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,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結合自身理解淺談模糊數學與模糊集合的概念答：模糊數學是建立在模糊集合基礎上研究和處理模糊性現象的一種數學理論和方法。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系。10舉例說明模糊數學隸屬函數的概念。答：隸屬函數是用于表述模糊集合的一種數學工具。由于模糊集合中元素u和論域U的隸屬關之間系具有不明確性，為了描述這種屬關系，用區間0，1中某一數值來描述元素屬于論域U的u程度，而由此在論域U上的產生函數u即為模糊集上的隸屬函數。11.用模糊統計法確定“青年人”的隸屬函數。解：(1)根據張南綸教授在武漢做的一項關于“青年人”年齡段區間的調查實驗，在剔除迷途樣本之后，得到以下129組有效數據，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