智能控制第二章 复杂系统的分层递阶智能控制.ppt

第二章复杂系统结构与智能控制 Contents 2 1复杂系统的分层递阶智能控制 2 1 1分层递阶智能控制的结构原理 三层结构的内容 2 1 2组织级 组织级功能 2 1 3协调级 将任务序列分解为子任务 根据子任务之间的并行关系 由分配器给低一级的协调器 协调器将子任务分解为控制器可执行的控制序列 并保证该子任务最优 由于各子任务之间可能存在着耦合关系 分配器还必须根据总的目标 对各子任务的控制序列进行平衡和协调 例如 在各子任务的控制策略中引入一个协调参数 关联约束 通过预测或修正的方法来进行调整 分配器和协调器的统一结构 具体功能 2 1 4执行级 可以根据具体情况采用任何控制理论的经典方法 设被控系统为性能指标 信息熵 控制量在允许控制空间 u中信息熵为 由变分引理可得可见 分层递阶智能控制的目标就是使总熵最小 2 2专家系统 2 2 1专家系统的基本组成与特点 1 知识库 KnowledgeBase 知识库用于存储某领域专家系统的专门知识 包括事实 可行操作与规则 2 综合数据库 globaldatabase 综合数据库又称全局数据库或总数据库 它用于储存领域或问题的初始数据和推理过程中得到的中间数据 信息 即被处理对象的一些当前事实 专家系统的基本组成 专家系统的基本组成 3 推理机 reasoningmachine 用于记忆所采用的规则和控制策略的程序 使整个专家系统能够以逻辑方式协调的工作 推理机能够根据知识进行推理和导出结论 而不是简单搜索现成的答案 4 解释器 explanator 解释器能够向用户解释专家系统的行为 包括解释推理结论的正确性以及系统输出其他候选解得原因 5 接口 interface 接口又称界面 它能够使系统与用户进行对话 使用户能够输入必要的数据 提出问题和了解推理过程和推理结果等 系统则通过接口要求用户回答提问 并回答用户提出的问题 进行必要的解释 专家系统的特点 1 启发性 能运用专家的知识和经验进行推理 判断和决策 2 透明性 能够解释本身推理过程和回答用户提出的问题 以便让用户能够了解推理过程 提高对专家系统的信赖感 3 灵活性 能不断地增长知识 修改原有知识 不断更新 2 2 2专家智能控制系统的基本原理 一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的 其大致过程如下 1 根据用户的问题对知识库进行搜索 寻找有关的知识 匹配 2 根据有关的知识和系统的控制策略形成解决问题的途径 从而构成一个假设方案集合 3 对假设方案集合进行排序 并挑选其中在某些准则下为最优的假设方案 冲突解决 2 2 2专家智能控制系统的基本原理 4 根据挑选的假设方案去求解具体问题 执行 5 如果该方案不能真正解决问题 则回溯到假设方案序列中的下一个假设方案 重复求解问题 6 循环执行上述过程 直到问题已经解决或所有可能的求解方案都不能解决问题而宣告 无解 为止 2 2 3仿人智能控制 1 定义 仿人智能控制是仿效人的政行为而进行控制和决策 即在宏观结构上和功能上对人的控制进行模拟 从广义上讲 各种智能控制方法研究的共同点都是使工程控制系统具有某种仿人的的智能 即研究人脑的微观或宏观的结构功能 并把它移植到工程控制上 2 2 3仿人智能控制 2 基本原理 模仿人的启发式直觉推理逻辑 即通过特征辨识判断系统当前所处的特征状态 以确定控制策略 进行多模态决策 2 2 3仿人智能控制 3 设计步骤 1 特征辨识反映系统运动状态的所有特征信息构成了系统的特征模型 成为控制器应有的先验知识 2 特征记忆特征记忆是指仿人智能控制器对一些特征信息的记忆 这些特征信息或者集中表示了控制器前期决策与控制的效果 或者集中反映了控制任务的要求以及被控对象的性质 2 2 3仿人智能控制 3 设计步骤 3 决策模态决策模态是仿人智能控制器的输入信息和特征记忆量与输出信息之间的某种定量或定性的映射关系 决策模态的集合记为 其中 定量映射关系可表示为 2 2 3仿人智能控制 4 特点 1 分层的信息处理和决策机构 2 在线的特征辨识和特征记忆 3 开 闭环控制 正 负反馈控制和定性 定量控制相结合的多模态控制 4 启发式直觉推理逻辑的运用 2 3学习控制 2 3 1学习控制 学习控制是智能控制的一个重要分支 学习控制与自适应控制一样 是传统控制技术发展的高级形态 但随着智能控制的兴起和发展 已被看做是脱离传统范畴的新技术 新方法 可形成一类独立的智能控制系统 2 3学习控制 2 3 2学习控制的分类 基于模式识别的学习控制在励学习控制贝叶斯学习控制迭代学习控制基于联结主义的学习控制 2 3 3基于模式识别的学习控制 1 基本思想 针对先验知识不完全的对象和环境 将控制局势进行分类 确定这种分类的决策 根据不同的决策切换控制作用的选择 通过对控制器性能估计来引导学习过程 从而使系统总的性能得到改善 2 3 3基于模式识别的学习控制 2 原理 学习控制系统是具有三个反馈环的层次结构 底层是简单反馈环 包括一个补偿器 它提供控制作用 中间层是自适应层 包括一个模式识别器 它对补偿器进行调整 以影响对象动态特性变化的估计 高层是学习环 包括一个 教师 一种控制器 它对模式识别器进行训练 以做出最优或近似最优的识别 2 3 4再励学习控制 1 基本思想 心里学家认为 一个系统具有某种特定目标性能的任何有规律的变化都是 学习 一般可用互斥而又完备的模式类来描述系统性能的变化 令为第i类相应模式类发生的概率 系统性能的变化可表示为概率集的再励 这种再励的数学表示为 其中 表示在观察到输入x的时刻n出现的概率 而且 2 3 4再励学习控制 由于之间的线性关系 以上两式常称为线性再励学习算法 2 3 4再励学习控制 2 特点 在再励控制器的设计中 控制器的模式类即为相应的允许控制作用 而控制器的性能 即对不同控制局势的控制作用的品质 则可根据对象的输入 输出进行评估 在对象和环境干扰的先验信息不完全的情况下 所设计的控制器将在每一时刻学习最优控制作用 学习过程可由当时估计的系统性能来引导 因而控制器就能进行 在线 的学习 2 3 5贝叶斯学习控制 所谓贝叶斯学习控制 就是利用一种基于贝叶斯定理的迭代方法来估计未知的密度函数信息 类似于统计模式识别中的情况 如果概率分布或密度函数位置或不全已知 则控制器的设计可以首先学习未知的密度函数 然后根据估计信息实现控制律 如果这种估计逼近真实函数 则控制律也逼近最优控制律 2 3 6迭代的学习控制 基于多次重复训练 只要保证训练过程的系统不变性 控制作用的确定可在模型不确定的情况下获得有规律的原则 是系统的实际输出逼近期望输出 1 基本思想 2 3 6迭代的学习控制 迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统 且仅需较少的先验知识和计算量 同时适应性强 易于实现 更主要的是 它不依赖于动态系统的精确数学模型 是一种以迭代产生优化输入信号 使系统输出尽可能逼近理想值的算法 它的研究对那些有着非线性 复杂性 难以建模以及高精度轨迹控制问题有着非常重要的意义 2 特点 2 3 7基于联结主义的学习控制 联结主义的机制是实现学习功能的 形成学习控制系统总体结构的一种有效方法 联结主义学习控制的研究主