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
图 3：低智商曲线
隶属函数的确定 : 把低智商曲线图与常用隶属函数相匹配，可知，低智商的隶属函数应是梯形隶属函数
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
2．信息特征，获取方式，分层方式有哪些？
答：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。
u(140)=30/30=1
95—200 105—200 110— 200 100—200 105—200 115— 200
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
,x<a
(x-a)/(b-a)
,a<=x<b
UA （ x） =
95— 200 140— 200
120— 200 120— 200
120— 200
125— 200
120— 200
100— 200
105— 200
115— 200
115— 200
130— 200
115— 200
115—200
由上表可求出各点的隶属度如下：
120— 200 110— 200
1： 105— 200 125— 200 115— 200 135— 200 125— 200 120— 200
模糊控制系统基本原理图
控制系统原理图如上，图中虚线部分被称为模糊控制器部分。
基本工作原理：微机经中断采样获取被控制量的精确值，然后将此量与给定值进行模
糊化，变成模糊量，偏差 e 的模糊量可以相应的模糊语言表示，得到偏差
e 的模糊语言集
合的一个子集。再由模糊子集、模糊控制规则和前向推理进行模糊推理，得到模糊控制量
30— 70
30— 70
30— 60
35— 75
35— 75
45— 70
45— 75
由上表可求出各点的隶属度如下：
35— 75
45—75 30—70 40—75 30—75 35—70 30—65
u(30)=12/30=0.4
u(3=27/30=0.9
u(45)=30/30=1
u(95)=3/30=0.1
u(100)=6/30=0.2
u(105)=10/30=0.333
u(110)=12/30=0.4
u(115)=18/30=0.6
u(120)=24/30=0.8
u(125)=27/30=0.9
u(130)=28/30=0.933
u(135)=29/30=0.967
高智商曲线：
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。
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]
③ 由互联网搜索，调查的“低智商”的范围如下：
40— 70
35— 65
40— 75
40— 75
35— 70
35— 65
35— 75
30— 70
30— 75
35— 70
70— 105
75— 110
85— 120
90— 120
70— 100
90— 120
90— 120
95— 120
80— 115
70— 120
80— 110
80— 110
80—110
75— 105
75— 115
85— 120
80— 120
由上表可求出各点的隶属度如下：
u(70)=3/30=0.1
u(75)=6/30=0.2
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， 提高信噪 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 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
u(115)=21/30=0.7
u(120)=14/30=0.467
正常智商曲线：
80— 120 85— 115 90— 115 85— 120 95— 120 95— 120
图 2：正常智商曲线
隶属函数的确定 : 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]
为ｕ =E' ·R，式中ｕ为一个模糊量。
为了对控制对象施加精确的控制，还需要将模糊量ｕ转换为精确量。这一步骤称为解
80— 100 80— 115 90— 120 80— 115 85— 120 90— 115
u(80)=16/30=0.533
u(85)=21/30=0.7
u(90)=27/30=0.9
u(95)=30/30=1
u(100)=30/30=1
u(105)=27/30=0.9
u(110)=25/30=0.833
1． 递阶智能控制系统的主要结构特点有哪些。 答：递阶智能控制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
智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。 递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的。如下所
示：
1. 组织级 组织级代表控制系统的主导思想， 并由人工智能起控制作用。 根据贮存在长期存储交 换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。 其结构如下：
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
1
,b<=x<=c
(d-x)/(d-c)
,c<x<=d
0
,x>d
由高智商曲线知， a= 90， b=140， c 为无穷大， d 无意义。
所以高智商隶属函数为：
0
,x<90
UA （ x） = (x-90)/50
,90<=x<140
1
,140<=x