智能控制(研)第五章专家控制系统.ppt

1. 基于规则的专家系统的工作模型 基于规则的专家系统采用下列模块来建立产生式系统的模型： 知识库: 以一套规则建立人的长期存储器模型 工作存储器: 建立人的短期存储器模型，存放问题事实和由规则激发而推断出的新事实 推理机: 借助于把存放在工作存储器内的问题事实和存放在知识库内的规则结合起来，建立人的推理模型，以推断出新的信息 2. 基于规则专家系统的结构 5.2.2 基于框架的专家系统 基于框架的专家系统建立在框架的基础之上； 基于框架的专家系统采用面向目标编程技术； 基于框架的设计和面向目标的编程共享许多特征； 在设计基于框架系统时，专家系统的设计者们把目标叫做框架。 2. 基于框架专家系统的结构 类（class） 槽(Slots) 子类（subclass) 例子(instances) 规则(rules) 目标议程表 (goal agenda) 3. 基于框架专家系统的一般设计方法 基于框架专家系统的主要设计步骤与基于规则的专家系统相似，主要差别在于如何看待和使用知识； 在设计基于框架的专家系统时，把整个问题和每件事想像为编织起来的事物； 在辨识事物之后，寻找把这些事物组织起来的方法； 对于任何类型的专家系统，其设计是个高度交互的过程。 5.2.3 基于模型的专家系统 1. 基于模型专家系统的提出 2. 基于神经网络的专家系统 神经网络模型从知识表示、推理机制到控制方式，与目前专家系统中的基于逻辑的心理模型有本质的区别。 三种神经网络模型与专家系统集成模式 神经网络支持专家系统 专家系统支持神经网络 协同式的神经网络专家系统 神经网络专家系统的基本结构 关于神经网络专家系统的几个问题 神经网络的知识表示是一种隐式表示； 神经网络通过实例学习实现知识自动获取； 神经网络的推理是个正向非线性数值计算过程，同时也是一种并行推理机制； 同一知识领域的几个独立的专家系统可组合成更大的神经网络专家系统。 (4) 决策机构的递阶性 人的神经系统是由大脑、小脑、脑干、背髓组成的一个分层递阶决策系统。 以仿智为核心的智能控制，其控制器的设计必然要体现分层递阶的原则，即根据智能水平的不同层次构成分级递阶的决策机构。 (5) 推理与决策的实时性 要求知识库的规模不宜过大，推理机构应尽可能简单，以满足工业过程的实时性要求。 5.3.2 专家控制系统的结构 (The Structure of Expert Control System) 以专家控制器取代传统控制器,如反馈控制系统中的PID控制器,即可构成专家控制系统。而如同专家系统一样,知识库和推理机是专家控制器的两个核心组成部分。 几乎所有的专家控制系统（控制器）都包含知识库、推理机、控制规则集和／或控制算法等。 图5.9 专家控制器的典型结构 1. 工业专家控制器(Industrial Expert Controller) 专家控制器（EC）的基础是知识库（KB），KB存储工业过程控制的领域知识，由经验数据库（ＤＢ）和学习与适应装置（ＬＡ）组成。 图5.10 工业专家控制器简化结构图 主要存储经验和事实 根据在线获取的信息，补充或修改知识库内容，改进系统性能，以便提高系统的问题求解能力 ＥＣ的知识库用产生式规则来建立，这种表达方式具有较高的灵活性，每条产生式规则都可独立地增删、修改，使知识库的内容便于更新。 控制规则集（Control Rule Set,ＣＲＳ）是对受控过程的各种控制模式和经验的归纳和总结。 特征识别与信息处理（Feature Recognition Information Processing，ＦＲ＆ＩＰ）：实现对信息的提取与加工，为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息，识别系统的特征状态，并对特征信息作必要的加工。 专家控制器的输入集为： E = (R, e, Y, U) (5.4) e = R - Y (5.5) 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。 Ｉ，Ｇ，Ｕ，Ｋ和Ｅ之间的关系已由式（5.2）表示，即： U = f (E, K, I, G) 式中，智能算子ｆ为几个算子的复合运算：