智能控制(研)-第四章-递阶控制系统

《智能控制》IntelligentControl第四章递阶控制系统4.1

递阶智能机器的一般理论基于逻辑的方法Nilsson和Fikes等叙述过，其通用技术仍在继续研究与开发之中。基于解析的方法该方法已在理论和实践两方面达到比较成熟的水平。新的方法和技术如Boltzmann机、神经网络和Petri网等，为智能机器理论的分析研究提供了新的工具。

递阶智能控制(HierarchicalIntelligentControl)是在研究早期学习控制系统的基础上，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后逐渐形成的。

萨里迪斯（Saridis)提出基于３个控制层次和ＩＰＤＩ(精度随智能降低而提高）原理的三级递阶智能控制系统；维拉提出基于知识描述和数学解析的二层混合智能系统。

递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的，级联交互结构图如下。4.1.1

递阶智能机器的一般结构图4.1递阶智能机器的级联结构为自执行级至协调级的在线反馈信号；为自协调级至组织级的离线反馈信号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。根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。1.组织级(organizationlevel)2.协调级(coordinationlevel)协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用。协调级借助于产生一个适当的子任务序列来执行原指令，处理实时信息。图4.3协调级的结构

3.执行级(executionlevel)执行级是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。通常称S为香农（Shannon）负熵，它可变换为下列方程：

式中，为被传递的信息信号空间。负熵是对信息传递不确定性的一种度量，即系统状态的不确定性可由该系统熵的概率密度指数函数获得。熵和熵的变化率：信息熵P为信息源中各事件发生的概率香农（Shannon）负熵可变换为下列方程：为被传递的信息信号空间。4.智能机器的作用它的高层功能模仿了人类行为，实现控制系统的规划、决策、学习、数据存取和任务协调等功能，进行知识处理与管理。用熵来描述和度量系统的控制作用。5.递阶智能控制的实质智能控制理论可被假定为寻求某个系统正确的决策与控制序列的数学问题，该系统在结构上遵循（IPDI）精度随智能降低而提高的原理，而所求得序列能够使系统的总熵为最小。4.1.2

递阶智能机器的信息论定义知识、信息、智能、信息论…...定义4.1机器知识(MachineKnowledge,K)机器知识是消除智能机器指定任务的不确定性所需要的结构信息。智能机器中的机器知识包括先验知识和经验知识。定义4.2机器知识流量(RateofMachineKnowledge,R)机器知识流量是通过智能机器的知识流。定义4.4机器不精确性(MachineImprecision)机器不精确性是执行智能机器各项任务的不确定性。定义4.5机器精度(MachinePrecision)机器精度是机器不精确性的补，它代表过程的复杂性。4.1.3

IPDI原理的解析公式定义4.3机器智能(MachineIntelligence,MI)机器智能是分析和组织数据，并把数据变换为知识的作用。

ＩＰＤＩ原理可由概率公式表示为：

PR(MI,DB)=PR(R)

上式中，ＰＲ表示概率，ＭＩ为机器知识，ＤＢ为与执行任务有关的数据库。数据库代表任务的复杂性，且取决于任务的执行精度，即该执行精度是与数据库的复杂性相称的。

取自然对数后可得下式：

lnp(MI/DB)+lnp(DB)=lnp(R)

对两边取期望值，可得熵方程：

S(MI/DB)+S(DB)=S(R)上式中，S（x）为与x有关的熵。在建立和执行任务期间，期望有个不变的知识流量；这时，增大特定数据库ＤＢ的熵要求减小机器智能ＭＩ的熵。如果ＭＩ独立于ＤＢ，那么：

S(MI)+S(DB)=S(R)

本原理适用于递阶系统的单个层级和多个层级。在多层情况下，知识流Ｒ在信息理论意义上代表系统的工作能力。

4.2

递阶智能控制系统的原理与结构根据“精度随智能降低而提高”（IPDI）原理，可把递阶智能控制系统分为几个子系统，并对每个子系统导出计算模块。全部子系统连成树状结构，形成了多层的递阶模型。下面先介绍与组织级两个模型有关的决策段结构，然后讨论协调级和执行级的模型。4.2.1

组织级原理与结构图4.2组织级的结构框图组织级的结构如下图，可把此框图视为一个Botlzmann机结构。定义4.9机器学习与反馈(MLF)

机器学习与反馈是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。定义4.8机器决策(MDM)

机器决策是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。定义4.7机器规划(MP)

机器规划是执行预定工作所需要的完备的和可兼容的有序活动之形式化表示。定义4.6机器推理（MR)

机器推理是编译输入指令uj,(ujU)与相关活动集Ajm、产生式规则以及构成系统推理机的程序之总合。组织级的功能定义如下：定义4.10机器记忆交换(MME)

机器记忆交换是对组织级的长期存储器进行信息检索、储存和更新。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，分别如下面三图(图4.４、图4.５和图4.６)所示。

图4.４

机器推理功能模型

图4.５

机器规划功能模型

图4.６

机器决策功能模型

２.基于专家系统的结构模型

图4.７

分类器模型的硬件实现

[ValavanisandSaridis1992]

4.2.2

协调级原理与结构图4.8协调级结构框图协调级由不同的协调器组成，每个协调器由计算机来实现。左图是一个协调级结构的候选框图。该结构在横向上能够通过分配器实现各协调器之间的数据共享。图4.9协调器的硬件配置实现某典型协调器所需的主要硬件如右图。各台专用微处理器通过其输入/输出端口与组织级和执行级连接。这些基于微处理器(CPU)的系统使用局部ROM来存储控制执行装置所需要的程序，并用RAM来存储临时信息。4.2.3

执行级原理与结构图4.10协调器与执行器的结构模型执行级执行由协调级发出的指令。对智能机器人系统，执行级的执行装置包括：视觉系统（VS）、传感系统（SS）、带有相应抓取装置（GS）的操作机（MS）。4.3递阶智能控制的控制与决策模型4.3.1

组织级的控制与决策模型1.定义定义4.11具有先验概率p(cn)的用户指令集合C={c1,

c2,...,

cM}经过遥控或非通讯通道送至控制系统。式中，ｎ＝１，２，…，Ｍ，Ｍ是固定的和有限的。定义4.12

具有相关概率p(uj/cn)的分类编译输入指令U={u1,

u2,...,

uM}是系统组织级的实际输入。式中，ｊ＝１，２，…，Ｍ，Ｍ是固定的和有限的。

定义4.13系统的任务域被定义为本原事件（动作）的集合

Et={e1,

e2,...,

eN}

表4.１

事件集合的符号与含义

符号

含

义Et

任务域内的本原事件集合Enr

非重复事件集合Er

重复本原事件集合Ec

与某个

uj相关的主动非重复事件集合Esnr

允许开始某个与

uj

有关活动的非重复事件集合

Esr

允许开始某个规划的重复事件集合Eend

允许结束某个规划的非重复本原事件集合Ecr

与

uj

相关的关键非重复事件集合表列Ecomp

本原事件可兼容对的表列Eunw

本原事件干扰优先对的表列Eord

有效重复排序的表列

定义4.14在某个特定输入指令uj

起动的规划内，二进值变量xi

与事件

ei

有关，ｉ＝１，２，…，Ｎ。当xi=1时，

ei

是有效的，当xi=0时，ei

是无效的；其相应概率分别为p(xi=1/uj)=pij

和

p(xi=0/uj)=1-pij

。定义4.15活动集合Ajm

（本原事件联成一组以形成复杂的任务）与特定输入uj

有关，而且由二进信息串Xjm

表示。Xjm

指明在活动Ajm

中哪些事件（动作）是有效的，哪些是无效的。这指明了第ｍ个活动信息串与第ｊ个编译输入指令有关。因为xi

是二进变量，所以与uj

有关的活动Ajm

（信息串Xjm

）的初值最大数为(2N

-1)。于是，可定义一个活动串的相应概率为：定义4.17与uj

有关的完备规划

Zjmv

的集合是Bjmr

的一个子集，且其元素为满足某些完成准则的增广活动。式中，uj

为与

Zjmv

有关的第ｒ个置换矩阵或增广屏蔽矩阵；p(Mjmr/Xjm)表示与Xjm

有关的第ｒ个有效重复事件的概率，并由置换矩阵Mjmr

决定；ｒ则由具体应用问题决定。定义4.16

把有效的重复事件插入到有效活动Ajmr(信息串Xjm

）的适当位置，得到与

uj有关的完备规划Bjmr

（增广串Yjmr

）集合。其中，ｒ表示第ｒ个有效重复事件的信息串。一个增广活动串的相应概率被定义为：

P(Yjmr/uj)=p(Mjmr/Xjm)P(Xjm/uj)

,

j2.过程规则4.1假定用户指令Cn

是相互独立的，ｎ＝１，２，…，Ｍ；分类编译输入指令uj也是相互独立的，ｊ＝１，２，…，Ｍ。然而，由于分类，uj取决于Cn

。因为uj和本原事件

ei

都被假设为在概率上是独立的，所以，不同的活动是相互独立的。规则4.２

如果某个事件串中的每一事件

ei

能够立即跟随在其左边事件之后，又能立即出现在其右边事件之前，那么，该事件串满足兼容性测试。

规则4.３

如果某个非重复事件串中的每一事件ei能够优先于随后的所有其它事件（尽管不要求立即进行），那么该事件串满足优先权测试。

规则4.４

非重复事件的相对次序对活动的公式化表示是至关重要的。

规则4.５

令Ｌ为任务域内重复事件数。重复事件的有效排序满足下列条件：（１）至少有一个但不多于Ｌ个重复事件，该事件串的每个事件都是唯一的；（２）该事件串的第一个事件至少能够跟随任务域内的一个非重复事件，或者能够起动该规划；（３）同一事件串的最后一个事件至少能够出现在一个非重复事件之前，而且其排序满足兼容性测试。规则4.６

在每个活动的非重复事件之间的所有不同位置上，插入有效的重复事件串，以建立扩展活动的公式化表示。

规则4.7一个完备规划是一种这样的扩展活动：（１）从某个能够起动该规划的重复事件开始，并以某个非重复事件结束。（２）在非重复事件之间至少包含一个重复事件。（３）满足全部兼容性测试。规则4.８

所生成的规划是与分类编译输入指令耦合的，因为它们的相应概率是由接收到的输入指令uj

决定的。

3.功能假设环境是己知的,则可定义组织级的如下功能:（１）

系统输入（２）机器推理

（３）机器规划

（４）

机器决策

（５）

机器学习（６）

存储交换

4.3.2

协调级的控制与决策模型1.结构协调级的智能在于：以已往经验和工作空间环境的约束为基础，用最有希望的方式来执行组织器的规划。

某智能机器人系统的协调级框如下图所示：

2.功能每个协调器被访问后，执行预定的一定数目的不同作用。对每个单独作用，指定一个代价。

另一方面，在执行请求作业期间，反馈信息从执行级送至协调级。而且从执行级至协调级的反馈信息是实时在线反馈信息。

3.算法算法4.1

协调级的算法由５步组成：

（１）

分配器搜索含有储存规划的缓冲器，并建立各协调器与其相应执行装置（在执行级）的联系。（２）

阐述被执行级执行的控制问题。这包括相应的协调器被访问时启动执行装置和执行具体任务。（３）

估计执行级。这涉及以执行级的单独代价函数为基础，计算与执行规划有关的增广代价函数。（４）

在执行所请求的作业之后，把底层的反馈信息传至组织器。（５）

更新储存在协调级分配器的短期存储器中的信息。4.3.3

执行级的控制与决策模型执行级是由许多与协调级的协调器相联系的执行装置组成。执行级的主要目标是尽可能准确地执行由不同的协调器发出的具体任务。

最优控制理论已采用系统x(t)的一个非负函数状态，x(t)

x，x为状态空间；某个指定的控制u(x,t)是全部允许控制的集合，u(x,t)

ux。要确定某些表示广义能量函数初始条件x0,t0

的性能测度，系统拉格朗日（Lagrangian）函数L(x,u,t)的平均值取下列形式：

(4.36)定理4.１

满足式（4.36）的

u*(x,t)使V(u(x,t),x0,t0)最小的充要条件是

u*使微熵Ｈ最小，其中p(x0,u)是根据Jaynes最大熵原理决定的最大熵密度函数。

(4.38)

当u*(x,t)

u

时，在允许控制空间内选取设计不确定性密度，使之满足杰恩（Jaynes）最大熵原理，可得相关的熵如下：

H(x0

,u,p(u))=E{V(x0

,u,t)}

（4.39）(4.40)然后，最优控制u*满足下式：4.4.1汽车自主驾驶系统的组成

1.系统总体结构

系统总线道路环境车体主控制器道路标志线识别计算机车辆识别计算机执行机构摄像头摄像头环境识别子系统驾驶控制子系统图4.20红旗车自主驾驶系统结构示意图传感器(1)环境识别子系统(2)驾驶控制子系统4.4

递阶智能控制系统举例2.自主驾驶的硬件系统

自主驾驶系统的硬件设备包括主控计算机、执行机构和传感器等。

环境处理计算机Fireware局部总线显示卡通讯总线局域网图4.21环境感知计算机硬件结构示意图驾驶控制计算机A/D接口数据采集总线D/A接口运动控制卡计数器DIDO接口通讯总线局域网图4.22驾驶控制计算机硬件结构示意图(1)主控计算机及接口

(2)执行机构

(3)传感器

3.实时操作系统4.软件设计与系统的实时性

4.4.2汽车自主驾驶系统的递阶结构

子任务系统监控任务行为决策行为规划操作控制任务规划实时路况信息车辆车辆运行环境环境感知与处理车辆状态与定位信息规划轨迹动作行为用户接口图4.23汽车自主驾驶控制系统的四层模块化结构

以任务层次分解为基础，提出了右图所示的四层模块化汽车自主驾驶控制系统结构；其四个层次依次是：任务规划、行为决策、行为规划和操作控制。另外还包括车辆状态与定位信息和系统监控两个独立功能模块。

1.操作控制层

速度跟踪控制路径跟踪控制油门控制器刹车控制器转向控制器紧急状态控制期望速度期望路径监控信息图4.24操作控制层主要模块示意图车辆2.行为规划层道路和障碍信息车辆纵向速度规划车辆期望轨迹规划驾驶技能与交通规则数据库车辆状态行为信息行为执行情况反馈期望纵向速度期望路径点序列行为监督执行图4.25行为规划层主要模块示意图3.行为决策层

图4.26行为决策层主要模块示意图任务规划层当前执行子任务行为决策逻辑行为输出当前行为执行情况行为规划层预期状态交通情况行为模式产生环境建模及预测驾驶行为知识库4.任务规划层导航地物地图数据库任务规划任务监控用户任务输入全局定位信息当前执行子任务子任务执行情况图4.27任务规划层主要模块示意图4.4.3自主驾驶系统的结构与控制算法

1.驾驶控制系统的软件结构

车辆状态感知处理车辆行为规划路径跟踪控制速度跟踪控制方向伺服油门伺服刹车伺服车辆感知信息处理车道信息接收处理车辆行为决策车辆行为监控车辆定位与运动预测运行状态存储管理车辆状态监测与控制用户接口信息处理控制图4.28驾驶控制系统软件结构示意图2.驾驶控制算法

遗忘迭代滤波算法具有如下的形式：平移平均滤波算法如下：

4.4.4自主驾驶系统高速公路试验

1.试验的环境及内容(1)环境感知系统的抗干扰性和稳定性。

(2)驾驶控制系统的车道跟踪能力。(3)驾驶控制系统的速度跟踪能力。2.试验结果

(4)驾驶控制系统对动态交通的处理情况及超车动作。经过三个月近1000公里的道路试验，红旗车自主驾驶有关的环境感知和驾驶控制算法得到了不断改进，并于2003年6月实现了预定的如下三项性能指标：(1)正常交通情况下在高速公路上稳定自主驾驶速度130km/h；(2)最高自主驾驶速度170km/h；(3)具备超车功能。4.5集散递阶智能控制系统

4.5.1集散递阶智能控制系统的工作原理1．集散控制系统(totaldistributedcontrolsystem,DCS)的基本结构图4.29集散控制系统的基本结构(3)通信系统通信系统要完成分散过程监控装置与集中操作管理装置之间的数据通信。可通过标准的网络通信手段，与其他的过程控制系统、经营管理系统、生产调度系统互通信息，以完成更加复杂的功能。(1)分散过程监控装置分散过程监控装置是集散控制系统与生产过程的界面，生产过程的各种过程变量或状态信息通过分散过程监控装置转换为操作监视的数据，而各种操作信息则通过分散过程监控装置送到执行机构。在分散过程监控装置内，进行模拟量与数字量的相互转换，完成各种输入、输出的数据处理和控制算法运算。(2)集中操作管理装置集中操作管理装置是操作管理人员与集散控制系统的界面，生产过程的各种参数集中在操作站上显示，操作管理人员通过操作站了解生产过程的运行状况、操纵生产过程和组态回路、调整回路参数、检测故障和存储过程数据。2．集散控制系统的递阶结构及功能

图4.30三级结构的DCS(4)第四层——经营管理级进行市场和用户分析、订货和销售统计、销售计划制订、产品制造协调、合同管理及期限监测等。

（1）第一层——直接控制级进行数据采集、数据检查、数字开环和闭环控制、设备和系统与诊断监测，实施安全性和冗余化。本级为控制的底层,直接对车间生产过程和设备(装置)进行控制。(2)第二层——过程管理级实施过程操作测试、装置间协调、优化控制过程、自适应控制、错误检测及数据存档。(3)第三层——生产管理级规划产品结构和规模,进行产品监视、产品报告和工厂生产监视等。图4.31集散控制系统的递阶结构

3．集散智能控制系统的递阶结构集散递阶智能控制系统的执行级，其基本控制器的目标是完成具体的控制任务并达到相当的控制精度，而可编程实现用户特定的控制方案是大多数集散控制系统的基本控制器已经具备的功能