第2章递阶控制系统.pptVIP

第2章 递阶控制系统;递阶智能控制，简称递阶控制 ，它是在研究早期学习控制系统的基础上，并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之后而形成的，也是智能控制的最早理论之一。 以萨里迪斯提出的基于三个层次和IPDI原理的三级递阶智能控制系统最具代表性。 基于知识描述和数学解析的两层混合控制系统；采用四层递阶控制结构以及三段六层递阶控制结构的智能控制系统。;2.1 递阶智能机器的一般理论 原理：精度随智能降低而提高。 2.1.1 递阶智能机器的一般结构 它由三个基本控制级构成：组织级、协调级和执行级。 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。 协调级：是上（组织）级和下（执行）级间的接口，承上启下，并又人工智能和运筹学共同作用。 执行级：在递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。;2.1.2 递阶智能机器的信息论定义 机器知识：消除智能机器指定任务的不确定性所需要的结构信息。 机器知识流量：通过智能机器的知识流。 机器智能：分析和组织数据，并把数据变换为知识的作用。 机器不确定性：执行智能机器各项任务的不确定性。 机器精度：机器不确定性的补，它代表过程的复杂性。 2.1.3 IPDI原理的解析公式 ;2.2 递阶智能控制系统的原理与结构 递阶智能控制系统可按IPDI原理分为几个子系统，并对每个子系统导出计算模块。全部子系统连成树状结构，形成多层递阶模型。 2.2.1 组织级原理与结构 机器推理：编译输入指令，与相关活动集、产生式规则以及构成系统推理机的程序的总和。 机器规划：执行预定工作所需要的完备的和兼容的有序活动的形式化表示。 机器决策：在最大的相关成功概率中选择完备的和可兼容的有序活动。 机器学习与反馈：对不同的单一的和派生的值函数进行计算，这些函数与执行需求工作有关，并通过学习算法更新各个概率。;机器记忆交换：对组织级的长期存储器进行信息检索、存储和更新。 以上5种功能中，前3种功能与自顶向下的局部目标有关，而后2种功能与自底向上的局部目标有关。 1.基于概率的结构模型 用于机器推理、机器规划和机器决策三种功能的结构模型，见教材图2.4、2.5和2.6。 2.基于专家系统的结构模型 基于专家系统的组织级结构模型原则上与基于概率的结构模型相似，见教材图2.7。 ;2.2.2 协调级原理与结构 协调级由不同的协调器组成，每个协调器由微型计算机来实现。具体结构框图见教材2.8。 2.2.3 执行级原理与结构 执行级执行由协调级发出的指令。根据具体要求对每个控制问题进行分析。因此不存在一种通用的结构模型能够包括执行级的每项操作。执行级是有许多与专门协调器相连接的执行装置组成的。具体结构框图见教材2.10。;2.3 递阶智能控制的控制与决策模型 2.3.1 组织级的控制与决策模型 组织级遵循基于知识系统模型，其功能包括知识表示、抽象任务规划、决策和从经验学习等。 1. 定义 对于所提出的三级递阶结构，系统有下列定义。具体见教材定义2.11-2.17。 2. 过程 可以把任何递阶系统看作把用户请求作业转换为具体动作序列的统一体。 定义2.18 规划是任务域内相关可兼容非重复事件和重复主动事件串的适当序列，这个序列被适当排列以便于依次执行。非重复事件为规划提供框架，而重复事件是完备性所需要的。;组织级的操作过程可由规则2.1-2.8所描述。 3. 功能 1）系统输入 2）机器表示与抽象推理 3）机器规划 4）机器决策 5）机器学习 6）存储交换;2.3.2 协调级的控制与决策模型 协调级的目标是阐述实际控制问题并且决定如何执行规划。 1.结构 协调级是一种中间结构，作为组织级和执行级之间的接口。 2.功能 3.算法 协调级的算法由5步组成。 2.3.3 执行级的控制与决策模型 递阶智能控制系统举例：汽车自主驾驶系统;2.5 集散递阶智能控制系统 集散控制系统20世纪70年代中期开始发展起来的一种过程控制系统，它是以微处理器为基础的集中分散型（分布式）控制系统，是控制、计算机、通信、半导体大规模集成、图象显示和网络等相关技术不断集成的产物。集散控制系统能够对生产过程进行集中管理和分散控制，并向着集成管理的方向发展。 2.5.1 集散递阶智能控制系统的工作原理 1.集散控制系统的基本结构 集散控制系统基本上由分散过程控制装置、集中操作管理装置和通信系统三大部分组成，其结构框图见教材图2.19。;2.集散控制系统的递阶结构和功能 典型的集散控制系统的结构是一种自然的递阶结构，将递阶智能控制理论引入到集散控制系统中，以基本控制器为执行级，监控计算机为协调级，管理计算机为协调级，采用智能控制技术，便可相应地构成集散递阶智能控制