完整版智能控制习题参考答案docWord文档格式.docx

1、2信息特征，获取方式，分层方式有哪些？一、信息的特征1，空间性：空间星系的主要特征是确定和不确定的（模糊） 、全空间和子空间、同步和非同步、同类型和不同类型、数字的和非数字的信息，比传统系统更为复杂的多源多维信息。2，复杂性：复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干扰性等特性的复杂被控对象，要求系统具有下层的实时性和上层的多因素综合判断决策能力，以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下，获得整个系统的综合指标最优。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

2、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。2，滤波的方法数字滤波用计算机软件滤波， 通过一定的计算程序对采样信号进行平滑加工，比，消除和减少干扰信号，以保证计算机数据采集和控制系统的可靠性。模拟滤波用硬件滤波。3，剔除迷途样本提高信噪使用计算机在任意维空间自动识别删除迷途样本。三、分层方式1，通过计算机系统进行信号分层2，人工指

3、令分层3，通过仪器设备进行测量，将数据进行分层4，先归类，后按照一定的规则集合分层3详细描述数据融合的流程和方法数据融合是指利用计算机对按时序获得的若干观测信息， 在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理。一、数据融合的流程：分析数据融合目的和融合层次智能地选择合适的融合算法将空间配准的数据（或提取数据的特征或模式识别的属性说明）进行有机合成准确表示或估计。有时还需要做进一步的处理，如 匹配处理 和 类型变换 等，以便得到目标的更准确表示或估计。具体可分为：1，特征级融合经过预处理的数据特征提取特征级融合融合属性说明2，像元级融合经过预处理的数据数据融合特征提

4、取融合属性说明3， 决策级融合经过预处理数据特征提取属性说明属性融合融合属性说明二、数据融合方法：1，代数法主要包括：加权融合法，单变量图象差值法，图象比值法2，图像回归法首先假定影像的像元值是另一影像的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去影像的原始像元值，从而获得二影像的回归残差图像。经过回归处理后的遥感数据在一定程度上类似于进行了相对辐射校正，因而能减弱多时相影像中由于大气条件和太阳高度角的不同所带来的影响。3，主成分变换也称为 W-L 变换，数学上称为主成分分析（ PCA ）。 PCT 是应用于遥感诸多领域的一种方法，包括高光谱数据压缩、信息提取与

5、融合及变化监测等。 PCT 使用相关系数阵或协方差阵来消除原始数据的相关性，以达到去除冗余的目的。对于融合后的数据来说各波段的信息所作出的贡献能最大限度地表现出来。4， K-T 变换即 Kauth-Thomas 变换， 简称 K-T 变换， 又形象地成为 缨帽变换。 它是线性变换的一种，它能使座标空间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向。5，小波变换小波变换是一种新兴的数学分析方法，已经受到了广泛的重视。小波变换是一种全局变换，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

6、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转换关系。7，贝叶斯（ Bayes ）估计8， D-S 推理法9，人工神经网络（ ANN ）10，专家系统4详细描述递阶智能控制系统的优化算法模型递阶智能控制系统是在研究早期学习控制系统的基础上，从工程控制论角度总结人工智能和自适应控制、自学习控制和自组织控制的关系之后逐渐形成的，是智能控制的最早理论之一。递阶智能控制系统结构图如结构图所示，递阶智能控制系统可分为现场级、控

7、制级、局部优化级、全局优化级四个部位。具体优化算法：现场级通过数据采集系统与分布式控制系统将现场状态信号传递给控制级，控制级通过聚合器将各个信号经过一个个子过程完成数据融合，并将融合估值反馈给局部优化级，局部优化级对数据进行决策后将信息反馈给全局优化级并对下一级传达指令，全局优化级通过知识库对数据进行比较、推理、排序。预测之后作出决策，从而使整个系统总熵最小，实现全局最优。5.比较模糊集合和普通集合的异同。集异同合普通集合模糊集合点1，基本概念相同：具有某种特定属性的对象的全体。相同点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，

8、吸收律，同一律，对偶律元素的范围有个清晰的界限集合的界限是模糊的，不明确的互补律仍然适用互补律不适用于模糊集合不同点元素一定在集合里面元素和集合之间直接没有绝对的隶属关系支撑集等概念是模糊集合所特有的拥有更多的表示方法，如扎德表示法6确定“高智商” 、“正常智商”和“低智商”的合理的隶属函数。解：由互联网搜索，调查的“高智商”的范围如下表1：95 200120 200105 20095200100 200140 200125 200105200115 200110 200135 200100200130 200115200由上表可求出各点的隶属度如下：u（95）=3/30=0.1 u（100）

9、=6/30=0.2u（105）=10/30=0.333 u（110）=12/30=0.4u（115）=18/30=0.6 u（120）=24/30=0.8u（125）=27/30=0.9 u（130）=28/30=0.933u（135）=29/30=0.967 u（140）=30/30=1高智商曲线：图 1：高智商曲线隶属函数的确定 :把高智商曲线图与常用隶属函数相匹配，可知，高智商的隶属函数应是梯形隶属函数模型，如下：0 ,xa（x-a）/（b-a） ,a=xbUA （ x） = 1 ,b=c（d-x）/（d-c） ,cxd由高智商曲线知， a= 90， b=140， c 为无穷大，所以高智

10、商隶属函数为：d 无意义。90UA （ x） = （x-90）/50 ,901401 ,140=x 由互联网搜索，调查的“正常智商”的范围如下：75 10070 10575 11080 10080 12085 12090 12070 10080 11585 11595 12090 11570 12080 1108011075 10575 115u（70）=3/30=0.1 u（75）=6/30=0.2u（80）=16/30=0.533 u（85）=21/30=0.7u（90）=27/30=0.9 u（95）=30/30=1u（100）=30/30=1 u（105）=27/30=0.9u（110

11、）=25/30=0.833 u（115）=21/30=0.7u（120）=14/30=0.467正常智商曲线：图 2：正常智商曲线把正常智商曲线图与常用隶属函数相匹配，可知，正常智商的隶属函数应是正态隶属函数模型，如下：UA （ x） =exp- （ x-a） /b） 2由正常智商曲线并计算知： a=98，b=607所以正常智商隶属函数为：UA （ x） =exp- （ x-98 ）/607） 2 由互联网搜索，调查的“低智商”的范围如下：40 7035 6540 75457535 70307030 6535 7530 7030 754075307530 60357045 7045 753065u（30）=12/30=0.4 u（35）=22/30=0.733u（40）=27/30=0.9 u（45）=30/30=1u（50）=30/30=1 u（55）=30/30=1u（60）=30/30=1 u（65）=29/30=