智能控制分层递阶智能控制.pptVIP

Petri网实现 便于同步、异步操作 3. 执行级设计 控制目标 运动方程 次优状态反馈控制 5.4.2 集散递阶智能控制系统 多传感器信息融合级 第5章 分层递阶智能控制 智能控制基础 5.1 引言 5.2 递阶智能控制的基本原理 5.4 分层递阶智能控制的应用举例 5.3 递阶智能控制的组织和协调 目录 5.1 引言 分层递阶是人们分析和组织复杂系统的一种常用方法。 无论是信息分析、还是行为控制，都有其层次性，在高层负责宏观的信息和决策，在低层负责具体的数据和控制。 Saridis在1977年针对机器人控制，提出了一种智能控制的三级递阶结构。该思想在智能控制中有广泛应用，并进一步推广到了结合信息融合的集散递阶智能控制系统。 5.1 引言 5.2 递阶智能控制的基本原理 5.4 分层递阶智能控制的应用举例 5.3 递阶智能控制的组织和协调 目录 递阶智能控制结构 三层结构的内容 IPDI基本原理 精度随智能降低而增大的原理被称为IPDI（Increasing Precision with Decreasing Intelligence）原理。 信息熵 一个用来衡量信息丰富程度的物理量，对于代表某个信息的随机量x，其信息熵可以定义为 ： P(x)为信息取值x时的概率密度 。 信息集合 ，i=0,1,2,?，则整个信息集合的总熵为 机器智能的映射变换 假设机器智能MI（Machine Intelligence）由知识库（规则库）来实现，各种信息由数据库DB(Date Base)来存储，可以看到，当MI作用于DB时，就会引起推理、映射等信息变换过程，产生知识流率R（Rate of Machine Knowledge）。这种映射变换的关系可以表示为： （MI）:（DB）? R IPDI的证明 假设MI与DB无关 ? ? ? 5.1 引言 5.2 递阶智能控制的基本原理 5.4 分层递阶智能控制的应用举例 5.3 递阶智能控制的组织和协调 目录 1. 组织级 组织级功能 2. 协调级 将任务序列分解为子任务，根据子任务之间的并行关系，由分配器给低一级的协调器。 协调器将子任务分解为控制器可执行的控制序列，并保证该子任务最优。 由于各子任务之间可能存在着耦合关系，分配器还必须根据总的目标，对各子任务的控制序列进行平衡和协调。例如，在各子任务的控制策略中引入一个协调参数、关联约束，通过预测或修正的方法来进行调整。 分配器和协调器的统一结构 具体功能 3. 执行级 可以根据具体情况采用任何控制理论的经典方法。 设被控系统为 性能指标 信息熵 控制量 在允许控制空间?u中信息熵为， 由变分引理可得 可见：分层递阶智能控制的目标就是使总熵最小 。 5.1 引言 5.2 递阶智能控制的基本原理 5.4 分层递阶智能控制的应用举例 5.3 递阶智能控制的组织和协调 目录 5.4.1智能机器人系统的递阶控制 智能机械手,具有6个自由度，配有全局摄像头。 设计任务 假设需要完成两项任务，其对应的指令（Command）分别为c1、c2： c1：拾取玻璃杯，注满水并放入指定的地点。 c2：拾取书本，并将其放入指定的地点。 1. 组织层设计：（1）机器推理 （1）机器推理 这些命令涉及了5个事件（event）： e1：摄像头获取目标 e2：机械手移动 e3：在水龙头处注满水 e4：抓取物品 e5：将物品放在指定的地点 事件状态转移图 组织层设计：（2）机器规划 （2）机器规划 为了找到各种可行的行为序列，将5种事件划分为可重复事件集合E1和不可重复事件集合E2。 动作序列 根据摄像头一次能观察到的目标数目，可以得到4种动作序列： 组织层设计：其他部分 (3) 机器决策： (4) 反馈：更新相关概率，为下一次决策做准备。 (5) 机器记忆交换：存储更新的概率，以及其他必要的反馈信息。 2. 协调层设计 涉及到视觉协调v、路径规划协调p、传感器协调s、手臂协调a和抓取协调g五个部分 协调层设计： （1）任务描述 ①分配器输入：来自组织级的动作序列YO 。 ② 协调器输入：子任务序列。 ?v={controv, procv, analyv, sendvp, sendpv, finish} ?s={contros, procs, analys, sendsg, sendgs, finish} ?p={path, sendvp, sendpv, sendap, sendpa, finish} ?a={move, sendap, sendpa, finish} ?g={ grasp，put，sendsg