2012年课程资料及说明.pdf

第 1 页，共 174 页 智能信息处理 ——课程资料及其说明 一、课程设立的必要性 人工智能的概念在 1956 年 Dartmouth 会议上被提出后得到了极大的丰富和发展，其中，控 制、金融、管理及生物医学等领域中因复杂和不确定信息处理需要而促成了一大批具有智能的信息 管理方法及相关工具，并逐渐形成了智能信息处理这一分支。 智能信息处理的方法不仅已经成功应用于解决控制、金融、管理及生物医学等领域的实际问 题，而且其理论探索极富挑战性，横跨众多领域，除了计算机科学以外, 还涉及信息论、控制论、 自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科，其发展联动效益 显著。鉴于此，国内外众多著名高校和研究所，如哈佛大学、麻省理工学院、中科院等，均设立了 人工智能或智能信息处理的研究方向，并开设相关的基础理论和专业课程。目前，智能信息处理或 同类课程已经成为我国各高校信息学科（包括控制科学与工程学科）的重要课程之一。 二、资料自选的原因 尽管人工智能自提出已半个多世纪，但鉴于其固有的复杂性，该学科远未成熟，未形成完备的 理论框架和理论基础，亦未形成公认的统一授课模式和授课内容。各高校和研究院所同类课程往往 结合自身研究方向和研究需要决定授课内容和讲授方式，不同学校之间的教学方法和授课内容往往 难以直接借用。此外，该学科自身发展历史等原因也决定了目前很多高校和研究院所的智能信息处 理课程内容集中于知识表示、自动推理和搜索方法、知识处理系统、自然语言理解、自动程序设 计、数据挖掘等方面，而对与控制科学与工程学科结合更为密切的建模和控制等问题的讨论则相对 较少。 另一方面，市面上与智能信息处理或人工智能相关的书往往难以直接作为控制科学与工程学科 该方向课程的教材：1）有的偏重于方法的罗列，全方位介绍遗传算法、神经网络等多种方法，但 受篇幅限制而无法展开介绍各方法的内在特点以及方法之间的联系；2 ）另一些虽能具体深入介绍 算法的内涵及其应用细节，但内容过于集中、单一，例如介绍神经网络的书；3 ）部分教材，尤其 是经典的人工智能教材，深入浅出而系统性较强，但内容庞杂，且偏重介绍知识表示、自动推理和 搜索方法、自然语言理解等方面的理论和方法，与自动化学科结合不够紧密。 针对上述问题，本课程将结合本学科研究生学位培养的要求和智能信息处理学科的具体特点， 以“刚性的程序如何解决控制和建模过程中的柔性问题”为中心进行选材，阐述智能信息处理方法在 建模与控制中的目标与意义，介绍智能信息处理的部分相关术语、基础知识、通用框架及常用方 法，通过实例说明如何有机结合智能信息处理方法与传统信息处理方法以解决建模和控制等领域中 的不确定和动态变化问题。建议读者在学习过程中考虑以下问题： 1）在控制系统的设计和应用过程中有哪些常见的不确定因素？这些因素对建模、控制系统设 计以及控制效果存在哪些影响？ 2 ）控制和建模过程的智能化为什么可以克服这些不确定性因素的影响？ 3 ）可以采用什么样的通用方法和通用系统结构实现智能？ 4 ）智能信息处理如何与传统的信息处理方法有机结合？应采用何种系统结构？ 三、所选资料的说明 第一部分简单介绍线性、动态、反馈等基本概念。 为本科阶段非自控专业的读者介绍与本课程内容有关的简要基础知识（节选自北大现代控制理 论教材的绪论），并通过一个电路的例子说明反馈如何克服模型参数不确定对系统性能的影响（节 选自Astrom 的自适应控制教材）。 第二部分简单介绍多种不确定因素来源及其对系统性能的影响。 第 2 页，共 174 页 通过强非线性执行器（如阀门等）、参数大范围时变的对象或生产过程（如工业机器人、浓度 控制的化工过程等）等实际例子，简单介绍了不确定性因素的来源及其对于系统性能的影响（节选 自Astrom 的自适应控制教材）。 这些不确定因素对控制提出了很高的要求。当被控对象具有强非线性特性时（例如，pH 控 制、强非线性阀），对象在不同工作点的增益往往差别很大，甚至可达上万倍。如 P30 图 2.2 所 示，若按固定控制增益的方式进行控制，则在对象增益较小的工作点