针对上述控制对象运动轨迹控制问题,作者提出了一种基于模糊神经网络自适应控制方法 。
该方法利用模糊神经网络来辩识机器人的逆动力学模型,并以此模型作为控制器提供给机器人主要的广义驱动力, 加上常规的PD 控制器构成完整的控制系统 。
当模糊神经网络模型给出的驱动力合适, 系统误差小, PD 控 。

7、制器的控制作用就很弱;
反之, PD 控制器起主要作用 。
模糊规则的制定是利用PD 控制器提取初始模糊规则,利用专家经验对初始规则进行补充, 最后利用误差的反向传播算法对参数进行在线自适应调整 。
文献给出的验证结果表明该方法很好的解决了该种机器人的运动轨迹控制问题 。
这种方法的优点是利用智能控制理论解决运动轨迹控制问题, 利用常规控制方法解决控制系统抗干扰的问题 。
举例说明模糊性的客观性和主观性 。
答：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：如果一个人的身高大于等于180cm算高的 ， 170-180cm之间的算中等 ， 低于170cm的算矮的.如果一个人的身高为179.999 。

8、cm那么算高还是中等？理论上从客观的角度说他是中等的 ， 但是179.999与180我们是分辨不出来的 ， 从主观上我们认为他是高的 。
这就是没有量化的模糊的概念 。
模糊性与随机性有哪些异同？答：同：模糊性由于事物类属划分的不分明而引起的判断上的不确定性；随机性是由于条件不充分而导致的结果的不确定性 。
所以 ， 它们都表示不确定性 。
异：随机性反映了因果律的破缺；模糊性所反映的是排中律的破缺 。
随机性现象可用概率论的数学方法加以处理 ， 模糊性现象则需要运用模糊数学 。
比较模糊集合与普通集合的异同 。
答：异：（1）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 。
因此每个对象对于集合的 。

9、隶属关系也是明确的 ， 非此即彼 。
模糊集合就是指具有某个模糊概念所描述的属性的对象的全体 。
由于概念本身不是清晰的、界限分明的 ， 因而对象对集合的隶属关系也不是明确的、非此即彼的 。
（2）普通集合的表示法有列举法、描述法、图示法、自然语言 。
模糊集合表示法有Zadeh表示法、向量表示法、序偶表示法 。
同：都属于集合 ， 同时具备集合的基本性质 。
第二章 模糊控制的理论基础 作业1作业内容 1 举例说明模糊性的客观性和主观性 。
2 模糊性与随机性有哪些异同？3 比较模糊集合与普通集合的异同 。
4-5. 见本空间分类资源习题-第二章第4、5题 。
1 答:模糊性的主观性反映在模糊隶属函数的确定性 ， 依靠主观认识和认为经验 ， 客观 。

10、反映在虽然在方法的使用过程中有主观性 ， 但得到的对事物的认知结果 ， 反映了事物的本质 ， 是对事物的客观认识 。
例如：对温度的界定 ， 按经典集合的定义 ， 人感到适宜的温度是15到25摄氏度 ， 低于15摄氏度定义为冷 ， 并且14摄氏度和0摄氏度都定义为冷 ， 显然冷的程度是不同的 ， 高于25摄氏度定义为热 。
因此采用这种离散型严格的不能明显的划分 ， 模糊性的划分不仅容易被大众接受和区别 ， 也更接近事实 ， 反映了温度连续性的客观事实 。
2 答：模糊性是从主观性上反应事物发展的可能性 ， 客观性是从客观上反应事物发生的可能性 。
随机性是由于事物的因果关系不确定而造成的 ， 由概率统计加以研究 ， 是概率分析、设计的范畴 ， 表现的是语言的不确定性 。
模 。

11、糊性在本质上没什么明确的含义 ， 在量上没有什么明确界限 ， 这种边界的模糊不是由于人的主观认识达不到客观实际而造成的 ， 而是事物的客观属性 ， 是事物的差异之间存在中间过渡过程而造成的 。
在描述方法上 ， 模糊性采用隶属函数划分 ， 揭示事物的客观可能性分析 。
模糊实验常常与心理等主观因素联系在一起 ， 而随机性采用概率函数来划分 ， 采用对随机现象的统计观察 ， 求出平均比例分布 ， 且随机实验可以客观进行 。
3 答：普通集合是经典集合或者称为清晰集合 ， 具有清晰的边界 。
模糊集合不具有清晰的界限 。
普通集合也就是一个元素不属于一个集合是突变或非此即彼的 ， 属于就是属于 ， 不属于就是不属于 。
而模糊集合中引入了隶属度的概念 ， 元素只在一定程度上属 。

稿源：(未知)

【傻大方】网址：/a/2021/0801/0023374246.html

标题：智能|智能控制题目及解答( 二 )