分级递阶智能控制系统.pptVIP

分级递阶智能控制（Hiearchical Intelligent Control）是在人工智能控制、自适应控制和自组织控制、运筹学等理论的基础上，逐渐发展形成的，是智能控制的最早理论之一。 Saridis提出的三级递阶智能控制理论，基于3个控制层和IPDI原理。 内容 （2）协调级(Coordination Level) 次高级，任务：协调各控制器的控制作用与各子任务的执行。 （3）执行级（Executive Level） 是最低一级，由多个硬件控制器组成。任务：完成具体的控制任务，通常是执行一个确定的动作，直接产生控制信号，通过执行机构作用于被控对象；同时通过传感器测量环境的有关信息，并传递给上一级控制器，给高层提供相关决策依据。 递阶智能控制系统作为一个整体，把用户指令转为一个物理序列，系统的输出是一组施加于被控过程的具体指令。系统的操作是由用户指令及与环境交互作用的传感器的输入信息决定的。 1）数据处理与管理； 2) 由CPU执行的规划与决策； 3) 通过外围设备获取外界信息和数据； 4) 定义软件的形式语言。 由于概率论是处理不确定性的经典理论，所以可用事件发生的概率去描述和计算推理的不确定性测度。知识流、机器智能、数据库之间的概率关系如下： 综上所述，分级递阶智能控制原理为： 系统按照自上而下精度渐增、智能渐减的原则建立递阶结构，而智能控制的设计任务是寻求正确的决策和控制序列，以使整个控制系统的总熵最小。这样，递阶智能控制系统就能在最高级组织级的统一组织下，实现对复杂、不确定系统的优化控制 。 分配器需要有以下能力: 通信能力： 数据处理能力： 任务处理能力： 学习能力: 协调级的基本功能：将组织级发出的高级命令语言翻译成低层装置可以执行的操作语言。 实现方法有很多，常用方法是Petri网翻译器。 该机械手分级智能控制系统的第一级为组织级；第二级协调级由视觉系统协调器、机械臂协调器、传感协调器组成；执行级由上臂控制器与手部控制器组成，实现6个关节及一个夹手的具体控制。 3）与环境交互的功能，对来自摄像机或其它传感器的反馈信息进行综合，并修正控制策略与动作序列，实现各种控制任务 。 当发出某个具体指令时，机器人手臂控制器就能把相应的控制信号加至各关节控制器，以移动手臂到期望的最后位置。 典型的集散控制系统是分级分布式控制结构，是一种自然的分级递阶结构。将分级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，管理计算机为组织级，采用智能控制技术，便可相应的构成递阶智能集散控制系统。 学习时必须给出一组样本 协调级由一定数目的具有固定结构的协调器组成，接受从组织级传来的命令，经过实时信号处理，向执行级传送可供执行的具体动作的序列。 2.2.2 协调级的结构与理论 组织级中的每个任务在协调级分解为不同的子任务，协调级的目标便是阐述实际控制问题并决定如何规划执行。由于系统是递阶控制结构的，因此规划是递减的。 协调级一般采用图2.8所示的树型结构。 协调级不具有组织级那样的推理能力，其智能在于：用最有希望的方式执行组织级的规划。 图2.8 协调级的结构框图 从组织级传来的命令首先送到分配器，分配器根据当前工作状态，将组织级的基元事件序列反映为面向协调器的控制行动，并送往相应的协调器。协调器能够将控制动作顺序变换成具有必需数据的和面向硬件的实时操作动作，并发送给执行装置；并把执行任务的结果报告给分配器。在分配器的监督下，协调器相互协作，共享信息。 协调器和组织器具有相同的组织结构和功能。 数据处理器完成任务描述、状态描述和数据描述。 任务处理器完成任务调度、任务转换和任务建立。 学习处理器使用不同的学习机制，改善任务处理器的特性，以减少在决策和信息处理中的不确定性。 都有一个监督器。 执行级是递阶智能控制的最低层，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。可采用最优控制理论进行设计。执行级的性能也可由熵来表示，可将低层的实际控制问题与高层的信息论的分析方法统一起来。此熵测量并选择控制(执行某任务) 的不确定性。我们能够选择某个最优控制使此熵(即执行的不确定性)为最小。可把此熵看作一种能量 。 2.2.3 执行级的分析理论 以上介绍的是 Saridis 提出的用熵的概念将递阶智能机器人的三级统一描述的方法。也适用于一般的递阶智能控制系统。 由于熵满足可加性，因此由任何子系统组合而成的系统都可以对其总熵最小化而成为最优系统。 （1）机械手分级智能控制系统 2.2.4 递阶智能控制系统 美国普渡大学高级自动化研究实验室成功地将分级智能控制系统理论应用于机器人控制，设计了