专家控制系统.ppt

,第二章专家控制(ExpertControl),在传统控制系统中，系统的运行排斥了人的干预，人-机之间缺乏交互。控制器对被控对象在环境中的参数、结构的变化缺乏应变能力。传统控制理论的不足，在于它必须依赖于被控对象严格的数学模型，试图对精确模型来求取最优的控制效果。而实际的被控对象存在着许多难以建模的因素。,上世纪80年代初，人工智能中专家系统的思想和方法开始被引入控制系统的研究和工程应用中。专家系统能处理定性的、启发式或不确定的知识信息，经过各种推理来达到系统的任务目标。专家系统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一方法。,2.1专家系统2.2专家控制2.3专家PID控制2.4专家PID控制仿真实例2.5专家整定PID控制本章作业,主要内容,2.1专家系统,专家系统概述专家系统的分类与组成专家系统建立,1定义一个智能计算机程序，它应用知识和推理过程来求解那些需要大量的人类专家经验才能解决的难题。（费根鲍姆）,一、专家系统概述,一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。（蔡自兴）,一种在相关领域中具有专家水平解题能力的智能程序系统，它能运用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。,专家系统定义,专家系统（ExpertSystem)是一种在特定领域内具有专家水平解决问题能力的程序系统。它能够有效地运用专家多年积累的有效经验和专门知识，通过模拟专家的思维过程，解决需要专家才能解决的问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。,专家系统(expertsystem)是人工智能的一个发展分支。正如专家系统先驱费根鲍姆(Feigenbaum)所说：专家系统的力量是从它处理的知识中产生的，而不是从某种形式主义及其使用的参考模式中产生的。这正符合一句名言：知识就是力量。,自1965年费根鲍姆等人研制成功第一个专家系统DENLDRA以来，专家系统获得了飞速的发展，并且运用于包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。,2.发展历史,初创期（1965-1971）成熟期（1972-1977）发展期（1978-至今）,(1)初创期（1965-1971年）第一代专家系统DENLDRA和MACSYMA的出现，标志着专家系统的诞生。其中DENLDRA为推断化学分子结构的专家系统，由专家系统的奠基人，Stanford大学计算机系的Feigenbaum教授及其研究小组研制。MACSYMA为用于数学运算的数学专家系统，由麻省理工完成。,第一代专家系统（DENLDRA、MACSMA等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。,（2）成熟期（1972-1977年）在此期间斯坦福大学研究开发了最著名的专家系统-血液感染病诊断专家系统MYCIN，标志专家系统从理论走向应用。另一个著名的专家系统-语音识别专家系统HEARSAY的出现，标志着专家系统的理论走向成熟。,第二代专家系统（MYCIN、HEARSAY等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。,（3）发展期（1978-现在）在此期间，专家系统走向应用领域，专家系统的数量增加，仅1987年研制成功的专家系统就有1000种。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。,在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。,3.专家系统的四个要素,应用于某专门领域。拥有专家级知识。能模拟专家的思维。能达到专家级水平。,为解决特定领域的具体问题，除需要一些公共的常识，还需要大量与所研究领域问题密切相关的知识；一般采用启发式的解题方法；在解题过程中除了用演绎方法外，有时还要求助于归纳方法和抽象方法；需处理问题的模糊性、不确定性和不完全性；能对自身的工作过程进行推理(自推理或解释)；采用基于知识的问题求解方法；知识库与推理机分离。,4专家系统特点,二、专家系统的分类与组成,专家系统分类专家系统的基本组成,a.按用途分类（专家系统）,1.专家系统分类,b.按输出结果分类,c.按知识表示分类,d.按知识分类,e.按采用技术分类,f.按规模分类,g.按规模分类,2.专家系统的构成,知识库(KnowlegeBase),知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。,推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。,推理机(InferenceMechanism),综合数据库(GlobalDatabase),综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的工作存储区(WorkingMemory)。解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。,知识获取(KnowledgeAcquisition),通过人工方法或机器学习的方法，将某个领域内的事实性知识和领域专家所特有的经验性知识转化为计算机程序的过程。知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。,解释接口(ExplanationInterface),解释接口提供使用者友善的解释说明及咨询功能。,人机界面（Human-MachineInterface）,人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。,三、专家系统的建立,知识库推理机知识的表示专家系统的开发语言专家系统建立步骤,知识库包含三类知识：（1）基于专家经验的判断性规则；（2）用于推理、问题求解的控制性规则；（3）用于说明问题的状态、事实和概念以及当前的条件和常识等的数据。,1知识库,知识库包含多种功能模块，主要有知识查询、检索、增删、修改和扩充等。知识库通过人机接口与领域专家相沟通，实现知识的获取。,推理机是用于对知识库中的知识进行推理来得到结论的“思维”机构。推理机包括三种推理方式：（1）正向推理：从原始数据和已知条件得到结论；（2）反向推理：先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立；（3）双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。,2推理机,人工智能中常用的知识表示方法为：产生式规则，框架，语义网络、过程。其中产生式规则是专家系统最流行的表达方法。由产生式规则表示的专家系统又称为基于规则的系统或产生式系统。,3知识的表示,产生式规则的表达方式为：IFETHENHWITHCF(E,H)其中，E表示规则的前提条件，即证据，它可以是单独命题，也可以是复合命题；H表示规则的结论部分，即假设，也是命题；CF（CertaintyFactor）为规则的强度，反映当前提为真时，规则对结论的影响程度。,例子,在“动物识别”专家系统中有这样一条规则：IF能做单腿跳吗=否AND在苏格兰吗=是AND高度=大THEN动物=马,（1）C语言，人工智能语言（如Prolog，Lisp等）；（2）专家系统开发工具(ExpertSystemsTools)：已经建好的专家系统框架，包括知识表达和推理机。在运用专家系统开发工具开发专家系统时，只需要加入领域知识。,4专家系统开发语言,5.专家系统建立步骤,一般步骤与方法,确定知识类型：叙述性知识，过程性知识，控制性知识；确定知识表达方法；知识库管理系统的设计：实现规则的保存、编辑、删除、增加、搜索等功能。,（1）知识库的设计,选择推理方式；选择推理算法：选择各种搜索算法，如深度优先搜索、广度优先搜索、启发式优先搜索等。,（2）推理机的设计,设计“用户专家系统接口”：用于咨询理解和结论解释；设计“专家专家系统接口”：用于知识库扩充及系统维护。,（3）人机接口的设计,2.2专家控制,专家控制概述专家控制的基本原理专家控制系统分类专家控制的关键技术及特点,一、概述,瑞典学者K.J.Astrom于1983年在“ImplementationofanAutotunerUsingExpertSystemIdeas”一文中，首先把人工智能中的专家系统引入智能控制领域，于1986年在“ExpertControl”提出“专家控制”的概念，构成一种智能控制方法。,专家控制（ExpertControl）是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。,专家控制试图在传统控制的基础上“加入”一个富有经验的控制工程师，实现控制的功能，它由知识库和推理机构构成主体框架，通过对控制领域知识（先验经验、动态信息、目标等）的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。,知识库,实时推理机,A/D,被控对象,D/A,控制算法库,专家控制的基本结构,1结构,二、基本原理,（1）能够满足任意动态过程的控制需要，尤其适用于带有时变、非线性和强干扰的控制；（2）控制过程可以利用对象的先验知识；（3）通过修改、增加控制规则，可不断积累知识，改进控制性能；,2功能,（4）可以定性地描述控制系统的性能，如“超调小”、“偏差增大”等；（5）对控制性能可进行解释；（6）可通过对控制闭环中的单元进行故障检测来获取经验规则。,专家控制引入了专家系统的思想，但与专家系统存在区别：（1）专家系统能完成专门领域问题的咨询功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。,3.与专家系统的区别,（2）专家系统处于离线工作方式，而专家控制要求在线获取动态反馈信息，联机完成控制，即要求在线工作方式。,专家控制系统结构图,专家控制将系统视为基于知识的系统，控制系统的知识库由事实集经验数据、经验公式规则等构成。,4.主要组成部分,知识库,（1）事实集-主要包括被控对象的有关知识，如结构、类型及待征、还有参数变化范围等。（2）经验数据-包括被控对象的参数变化范围、控制参数的调整范围及其限幅值。传感器的静、动态持性、系统误差、执行机构的特征、控制系统的性能指标以及由控制专家给出或由实验总结出的经验公式。（3）控制规则-有自适应、自学习、参数自调整等方面的规则。,控制算法库,存放控制策略及控制方法，如PID、PI、Fuzzy、神经控制NC、预测控制算法等，是直接基本控制方法集。,实时推理机,根据一定的推理策略(正向推理)从知识库中选择有关知识，对控制专家提供的控制算法、事实、证据以及实时采集的系统特性数据进行推理，直到得出相应的最佳控制决策，用决策的结果指导控制作用。,控制推理模型,专家控制中的问题求解机制可表示为如下的推理模型：,智能算子可以一般地表示为IFEANDKTHEN(IFITHENU)在此，智能算子的含义用了产生式的形式。,EK,动态库用来存放系统推理过程中用到的数据、中间结果，实时采集与处理的数据。,信息获取与处理,动态数据库,信息获取主要是通过闭环控制系统的反馈信息及系统的输入信息，获取控制系统的误差及误差变化量、系统的特征信息(如超调量、上升时间等)。信息的处理包括必要的待征识别、滤波措施等。,按专家控制在控制系统中的作用和功能，可将专家控制器分为以下两种类型：直接型专家控制器间接型专家控制器,三.专家控制系统分类,直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象。具有模拟（或延伸，扩展）操作工人智能的功能。该控制器的任务和功能相对比较简单，但是需要在线、实时控制。因此，其知识表达和知识库也较简单，通常由几十条产生式规则构成，以便于增删和修改。,1.直接型专家控制,间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型：,2.间接型专家控制（监督专家控制）,优化型专家控制器：是基于最优控制专家的知识和经验的总结和运用。通过设置整定值、优化控制参数或控制器，实现控制器的静态或动态优化。,适应型专家控制器：是基于自适应控制专家的知识和经验的总结和运用。根据现场运行状态和测试数据，相应地调整控制规律，校正控制参数，修改整定值或控制器，适应生产过程、对象特性或环境条件的漂移和变化。,协调型专家控制器：是基于协调控制专家和调度工程师的知识和经验的总结和运用。用以协调局部控制器或各子控制系统的运行，实现大系统的全局稳定和优化。,组织型专家控制器：是基于控制工程的组织管理专家或总设计师的知识和经验的总结和运用。用以组织各种常规控制器，根据控制任务的目标和要求，构成所需要的控制系统。,间接型专家控制器可以在线或离线运行。通常，优化型、适应型需要在线、实时、联机运行。协调型、组织型可以离线、非实时运行，作为相应的计算机辅助系统。,3.专家控制必须解决的问题,不论哪种专家控制器的设计都必须解决以下几个问题：(1)用什么知识表示方法描述一个系统的待征知识?(2)怎样从传感器数据中获取和识别定性的知识?(3)如何把定性推理的结果量化成执行器定量的控制信号：(4)怎样分析和保证系统的稳定性?(5)怎样获取控制知识和学习规则?,四、专家控制的关键技术及特点,1专家控制的关键技术(1)知识的表达方法；(2)从传感器中识别和获取定量的控制信号；(3)将定性知识转化为定量的控制信号；(4)控制知识和控制规则的获取。,2专家控制的特点（1）灵活性：根据系统的工作状态及误差情况，可灵活地选取相应的控制律；（2）适应性：能根据专家知识和经验，调整控制器的参数，适应对象特性及环境的变化；（3）鲁棒性：通过利用专家规则，系统可以在非线性、大偏差下可靠地工作。,（4）高可靠性及长期运行的连续性；（5）在线控制的实时性；（6）维护的方便性。,2.3专家PID控制,一、专家PID控制原理,PID专家控制的实质是，基于受控对象和控制规律的各种知识，无需知道被控对象的精确模型，利用专家经验来设计PID参数。专家PID控制是一种直接型专家控制器。,专家PID控制的工作原理,在直接专家PID控制中，专家控制器直接给出控制信号，影响被控过程。直接专家PID控制器根据测量到的过程信息及知识库中的规则，导出每一采样时刻的控制信号。很明显，在这种情况下，专家PID控制器直接包括在控制回路中，每一采样时刻必须由专家PID控制器给出控制信号，系统方可正常运行。,专家PID控制系统结构图,控制知识的获取,控制知识(规则、事实)是从控制专家或专门操作人员的操作过程基础上概括、总结归纳而成的。,典型二阶系统单位阶跃响应误差曲线,典型的二阶系统单位阶跃响应误差曲线如图所示。对于典型的二阶系统阶跃响应过程作如下分析。,令表示离散化的当前采样时刻的误差值，和分别表示前一个和前两个采样时刻的误差值，则有,选取为特征量。,根据误差及其变化，可设计专家PID控制器，该控制器可分为以下五种情况进行设计：（1）当时，说明误差的绝对值已经很大。不论误差变化趋势如何，都应考虑控制器的输出应按最大（或最小）输出，以达到迅速调整误差，使误差绝对值以最大速度减小。此时，它相当于实施开环控制。,（2）当说明误差在朝误差绝对值增大方向变化，或误差为某一常值，未发生变化。,此时，如果，说明误差也较大，可考虑由控制器实施较强的控制作用，以达到扭转误差绝对值朝减小方向变化，并迅速减小误差的绝对值，控制器输出为,如果,说明尽管误差朝绝对值增大方向变化，但误差绝对值本身并不很大，可考虑控制器实施一般的控制作用，只要扭转误差的变化趋势，使其朝误差绝对值减小方向变化，控制器输出为,（3）当时，说明误差的绝对值朝减小的方向变化，或者已经达到平衡状态。此时，可考虑采取保持控制器输出不变。,4）当时，说明误差处于极值状态。如果此时误差的绝对值较大，即，可考虑实施较强的控制作用,如果此时误差的绝对值较小，可考虑实施较弱的控制作用,（5）当时，说明误差的绝对值很小，此时加入积分，减少稳态误差。,图中，、区域，误差朝绝对值减小的方向变化。此时，可采取保持等待措施，相当于实施开环控制；、区域，误差绝对值朝增大的方向变化。此时，可根据误差的大小分别实施较强或一般的控制作用，以抑制动态误差。,2.4专家PID控制仿真实例,求三阶传递函数的阶跃响应其中对象采样时间为1ms。采用专家PID设计控制器。在仿真过程中，取0.001，程序中的五条规则与控制算法的五种情况相对应。,采用z变换进行离散化：ts=0.001;sys=tf(5.235e005,1,87.35,1.047e004,0);dsys=c2d(sys,ts,z);num,den=tfdata(dsys,v);,仿真程序及分析,经过z变换后的离散化对象为,%专家PID控制clearall;closeall;ts=0.001;sys=tf(5.235e005,1,87.35,1.047e004,0);dsys=c2d(sys,ts,z);num,den=tfdata(dsys,v);%参数初始化u_1=0;u_2=0;u_3=0;y_1=0;y_2=0;y_3=0;x=0,0,0;x2_1=0;error_1=0;kp=0.6;ki=0.03;kd=0.01;%控制程序fork=1:1:500time(k)=k*ts;,r(k)=1.0;%给定信号u(k)=kp*x(1)+kd*x(2)+ki*x(3);%PID控制器输出%专家控制规则ifabs(x(1)0.8%规则1：开环控制u(k)=0.45;elseifabs(x(1)0.40u(k)=0.40;elseifabs(x(1)0.20u(k)=0.12;elseifabs(x(1)0.01u(k)=0.10;end,ifx(1)*x(2)0|(x(2)=0)%Rule2ifabs(x(1)=0.05u(k)=u_1+2*kp*x(1);elseu(k)=u_1+0.4*kp*x(1);endendif(x(1)*x(2)0)|(x(1)=0)%Rule3u(k)=u(k);end,ifx(1)*x(2)=0.05u(k)=u_1+2*kp*error_1;elseu(k)=u_1+0.6*kp*error_1;endendifabs(x(1)=10u(k)=10;endifu(k)=-10u(k)=-10;end%离散化模型y(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;error(k)=r(k)-y(k);,%-过程参数更新-%u_3=u_2;