第4章-专家控制.pptxVIP

第四章 专家控制 专家控制是智能控制的一个重要分支。 专家控制的实质是使系统的构造和运行都基于控制对象和控制规律的各种专家知识，而且要以智能的方式来利用这些知识，求得受控系统尽可能地优化和实用化。因此，专家控制又称为基于知识的控制或专家智能控制。 4.1 概述 4.1.1 专家控制的由来 传统的自动控制学科从经典控制理论发展到现代控制理论，并出现了自适应控制等高级控制技术，取得了巨大的进展。这些进展主要源于数学分析和数值计算这两个方面的理论和技术。例如，从控制系统的实践环节看，辨识、分析、仿真、设计等;都产生了许多新的思想、概念、方法和算法，而“实现”这一环节基本上都从模拟方式发展为数字方式。 然而，传统控制系统的结构基本没有改变，仍然是机器单独作用的反馈控制。在设定值确定之后，系统的运行排斥了人的干预，人机之间缺乏交互。系统的性能是离线监控的。如果出现故障，只能停机，进行离线处理。此外，传统控制系统的机制基本上也没有改变，仍然是单纯地执行各种控制规律算法。系统对于控制对象在环境中的参数、结构的变化缺乏应变能力，对于控制器的参数、结构缺乏合适的调整方法。 传统控制理论的不足，在于它必须依赖于受控对象或过程的严格的数学模型，试图针对精确模型来求取最优的控制结果。实际的受控对象或过程存在着许多难以建模的因素。完善的模型一般都难以用解析表示，模型过于简化往往又不足以解决实际问题。 专家系统是一种基于知识的系统，它主要面临的是各种非结构化问题，尤其是处理定性的、启发式或不确定的知识信息，经过各种推理过程达到系统的任务目标。;专家系统技术的特点为解决传统控制理论的局限性提供了重要的启示。二者的结合导致了专家控制这种新颖的控制系统设计和实现的方法。 4.1.2 专家系统 专家系统是一种人工智能的计算机程序系统，这些程序软件相当于某个专门领域的专家的知识和经验水平，以及解决专门问题的能力。 自从1977年Feigenbaum在第5届国际人工智能大会上提出“知识工程”的概念以来，知识获取、知识表示和知识利用等技术逐渐形成人工智能研究的一大分支。 Feigenbaum认为，人的智能活动，包括理解、解决问题的能力，甚至学习能力，都完全依靠知识。特定知识的处理和运用是智能行为的核心问题。基于知识推理的专家系统，作为知识工程的研究范例，已经开创了人工智能中尤其活跃而且富有成效的应用领域。目前，专家系统的开发不但早已走出了实验室，而且成为软件产业的一个新分支—知识产业。知识工程的理论、技术和方法，与其他;人工智能的研究成果一样，对智能控制的形成和发展提供了重要的借鉴。 1.专家系统的基本组成 专家系统的基本组成结构如图4.1所示。 由图4.1可知，知识库和 推理机是专家系统中两个主 要的组成要素。 知识库存放着作为专家 经验的判断性知识。例如， 表达建议、推断、命令、策 略的产生式规则等，用于某 种结论的推理、问题的求解， 以及对于推理、求解知识的 各种控制知识。知识库中还 图4.1 专家系统的基本组成 包括另一类叙述性知识，也称为数据，用于说明问题的状态、 有关的事实和概念以及当前的条件及常识等。 ; 完整的知识库还应包括具有管理功能的软件系统，主要用于对知识条目的查询、检索、增删、修改和扩充等操作。 推理机实际上是一个运用知识库中提供的两类知识，基于某种通用的问题求解模型，进行自动推理、求解问题的计算机软件系统。它包括一个解释程序，用于决定如何使用判断性知识推导新的知识，还包括一个调度程序，用于决定判断性知识的使用次序。推理机的具体构造取决于问题领域的特点，及专家系统中知识表示和组织的方法。 推理机的运行可以根据不同的控制策略：从原始数据和已知条件推断出结论的方法称为正向推理或数据驱动策略；先提出结论或假设，然后寻找支持这个结论或假设的条件或证据，如若成功则结论成立，否则再重新假设，这种方法称为反向推理或目标驱动策略；运用正向推理帮助系统提出假设，再运用反向推理寻找证据，这种方法即为双向推理或混合控制。 推理机通过“推理假设”机构与系统用户相联系，形成了专家系统与系统用户之间的人机接口。系统可以输入并“理解”用户有关领域问题的咨询提问，再向用户输出问题求解的结论，并对推理过程作出解释。人机之间的交互信息一般要在机器内;部表达形式与人可接受的形式(如自然语言、图文等)之间进行转换。 2. 专家系统的特点 专家系统通过某种知识获取手段，把人类专家的领域知识和经验技巧移植到计算机中，并且模拟人类专家的推理、决策过程，表现出求解复杂问题的人工智能。它与传统的计算技术和常