人工智能第八章重点.ppt

高级人工智能 第八章 智能控制 专家控制器的输入集为：E = (R, e, Y, U); e = R - Y式中，R为参考控制输入，ｅ为误差信号，Y为受控输出，U为控制器的输出集。 　　EC的模型可用下式表示：U = f (E,K,I) 　　智能算子f为几个算子的复合运算：f=g·h·p 　　其中，g:E→S；h:S×K→I；p:I→U 　　g、h、p均为智能算子，其形式为： IF A THEN B 　　其中，A为前提或条件，B为结论。A与B之间的关系可以包括解析表达式、Fuzzy关系、因果关系和经验规则等多种形式。B还可以是一个子规则集。 高级人工智能 第八章 智能控制 8.2.3 模糊控制系统 　　模糊控制是一类应用模糊集合理论的控制方法。模糊控制的价值可从两个方面来考虑。一方面，模糊控制提供一种实现基于知识(基于规则)的甚至语言描述的控制规律的新机理。另一方面，模糊控制为非线性控制器提出一个比较容易的设计方法，尤其是当受控装置（对象或过程）含有不确定性而且很难用常规非线性控制理论处理时，更是有效。 高级人工智能 第八章 智能控制 专家控制系统与模糊逻辑控制系统至少有一点是是相同的，即两者都想要建立人类经验和决策行为模型。然而，它们存在一些明显的区别： 　　（1） 现存的FLC系统源于控制工程而不是人工智能；　　（2） FLC模型绝大多数为基于规则系统；　　（3） FLC的应用领域要比专家控制系统窄；　　（4） FLC系统的规则一般不是从人类专家提取，而是由FLC的设计者构造的。 高级人工智能 第八章 智能控制 1.模糊控制器的结构 　　在理论上，模糊控制器由N维关系R表示。关系R可视为受约于［0，1]区间的N个变量的函数。R是几个N维关系Ri的组合，每个Ri代表一条规则ri:IF→THEN。控制器的输入x被模糊化为一关系X，它对于多输入单输出(MISO)控制时为(N-1)维。模糊输出Y可应用合成推理规则进行计算。对模糊输出Y进行非模糊化(模糊判决)，可得精确的数值输出y。图表示具有输入X和输出Y的理论模糊控制器的原理图。 理论模糊控制器框图 高级人工智能 第八章 智能控制 下图给出模糊逻辑控制器的一般结构，它由输入定标、输出定标、模糊化、模糊决策过程和非模糊化等部份组成。比例系数实现了控制器输入和输出与模糊推理所用标准时间间隔之间的映射。模糊化(即量化)使被测的控制器输入在量纲上与左侧(LHS)相一致。在这一步不损失任何信息。模糊决策过程由一推理机来实现；该推理机使所有LHS与输入匹配，检查每条规则匹配的程度，并且聚集各规则的加权输出，产生一个输出空间的概率分布值。非模糊化(模糊判决)把这个分布归纳于一点，供驱动器定标后使用。 高级人工智能 第八章 智能控制 模糊逻辑控制器的一般结构 高级人工智能 第八章 智能控制 下图表示另一种模糊控制器--自组织模糊控制的结构。自组织模糊控制的结构能够自动获得模糊控制器的规则库。当用FLC控制装置(对象)至期望响应时，新的条件一出现，规则就被产生和修改。该控制器由性能评价、对象建模、规则库更新和FLC保持等部分组成。 自组织模糊控制器的结构 高级人工智能 第八章 智能控制 “性能评价”用于分析清晰装置有关性能目标的状态矢量(位置误差PE和误差变化CE)，产生对已辨识过的规则的校正，以补偿任何差劣的性能。“校正”是通过标量来调整规则结论的。采用可接受和不可接受阶跃响应相平面轨迹作为性能目标。 　　“装置(对象)模型”用于考虑装置规则校正时的输入-输出极性。规则库更新部分检查哪条或哪些规则可对当前差劣的性能产生响应，并进行校正。自组织模糊控制器在学习试验过程中的连续采样时间内，不断(迭代)地改善规则库。 高级人工智能 第八章 智能控制 2.模糊控制器的控制规则 专家模糊控制器（EFC）容许复杂的分级规则，如： IF〈过程状态〉THEN〈中间变量1〉 IF〈中间变量N〉THEN〈控制作用〉　　 这里中间变量代表一些稳含的不可测状态，它们能影响所采用的控制作用。 在更复杂层次，EFC容许包含策略性知识。因此，就可以确定应用那一低级规则的中级规则，即： IF〈过程状态1〉THEN〈应用规则集A〉 IF〈过程状态N〉THEN〈应用规则集B〉