智能控制技术(第2章-专家系统与专家控制系统).ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第,2,章 专家系统与专家控制系统,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。,2.1.2,专家系统的发展历程,分为四个阶段：,（,1,）孕期期（,1965,年以前）,专家系统历史的一些重要事件,1956,年人工智能诞生；,两项历史意义的突破：,LT,系统与西洋跳棋程序；,1957,年开始通用问题求解程序,GPS.,(2),初创期（,1965-1971,年）,第一代专家系统,DENLDRA,和,MACSMA,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。,MACSMA,为用于数学运算的数学专家系统，由麻省理工学院完成。,（,3,）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。,（,4,）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。,专家系统可以解决的问题一般包括解释、预测、设计、规划、监视、修理、指导和控制等。目前，专家系统已经广泛地应用于医疗诊断、语音识别、图象处理、金融决策、地质勘探、石油化工、教学、军事、计算机设计等领域。,专家系统的结构,用户,人机接口,领域专家,知识工程师,解释机构,知识获取机构,数据库,推理机,知识库,专家系统核心,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。,3,知识的表示,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。,产生式规则的表达方式为：,IF E THEN H WITH CF(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,（,Certainty Factor,）为规则的强度，反映当前提为真时，规则对结论的影响程度。,4,专家系统开发语言,（,1,）,C,语言，人工智能语言（如,Prolog,，,Lisp,等）；,（,2,）专家系统开发工具：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。,2.2.2,专家系统的实现,1,、专家系统的建立原则,知识与知识处理机构分开和互相独立的原则,按系统功能实现模块化构造的原则,交互性原则,2,、专家系统的建立步骤,问题选择和定义阶段,原型构造阶段,规划和设计阶段,实施阶段、测试和评介阶段以及集成和维护阶段,测试和评价阶段,集成和维护阶段,（,2,）推理机的设计,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。,（,3,）人机接口的设计,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。,2.3,专家控制系统的设计方法,（,1,）专家控制系统的概念与分类,（,2,）专家控制系统的设计结构,（,3,）专家控制系统的开发步骤,（,4,）知识的获取与表示,（,5,）推理机制,专家控制（,Expert Control,）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,专家控制的结构,2,功能,（,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；,（,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。,3.,与专家系统的区别,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的功能，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。,4.,分类,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：,(1),直接型专家控制器,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。,直接型专家控制器的示意图见图中的虚线所示。,知识库,信息获,取与处理,推理机 构,被控对 象,传感器,控制,规则库,直接型,专家控制器,直接型专家控制器,(2),间接型专家控制器,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：,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。,间接型专家控制器的示意图如图所示。,专家控制器,被控对 象,传感器,控制算法,特征提取,间接型专家控制器,2.3.4,知识的获取与表示,知识表示,就是知识的形式化，就是研究用机器表示知识的可行的、有效的、通用的原则和方法。,目前常用的知识表示方法有：逻辑表示法、语义网络法、产生式规则、特性表示法、框架表示法、与或图法、过程表示法、黑板结构、,Petri,网络法、神经网络等。,2.3.4,知识的获取与表示,1,、产生式规则表示法,1,、产生式规则表示法,规则库：,存放了若干规则，每条产生式规则是一个以“如果满足这个条件，就应当采取这个操作”形式表示的语句。,数据库：,是产生式规则注意的中心，每个产生式规则的左半部分表示在启用这一规则之前数据库内必须准备好的条件。,控制器：,是说明下一步应该选用什么规则，也就是如何运用规则。通常从选择规则到执行规则分成三步：,匹配,、,冲突解决,和,操作,。,2.3.4,知识的获取与表示,2,、状态空间表示法,状态空间表示法,是知识表达的基本方法。,状态空间,是利用状态变量和操作符号，表示系统或问题的有关知识的符号体系，通常可以用三元组来表示：,其中,Q,s,表示初始状态，,Q,g,表示目标状态，,F,表示操作。,2.3.4,知识的获取与表示,3,、框架表示法,框架,是一个嵌套的连接表，用于表达问题的状态和操作过程及其相互联系。,框架系统的,嵌套式结构,便于表达不同层次的知识。通过扩充子框架，可以进一步描述问题的细节。,3,、框架表示法,框架的结构,（,）（,（,（,）,（,）,）,（,（,）,（,）,）,（,（,（,）,）,）,）,4,、“与或图”表示法,与或图概念,与或图是一种超图，图中用几条超弧线连接一个父节点和它的一组后继节点，加到一个节点上的“与”或“或”标记取决于该节点对其父节点的关系。,4,、“与或图”表示法,分解“与”树,将复杂的大问题分解成一组简单的小问题，将总问题分解为子问题。若所有子问题都解决了，则总问题也解决了。这是“与”的逻辑关系。而子问题又可以分为子子问题，如此类推可以形成问题分解的树图，称为“与”树。,4,、“与或图”表示法,变换“或”树,将较难的问题变换为较易的等价问题。若一个较难问题可以等价变换为几个容易问题，则任何一个容易问题解决了，也就解决了原有的难问题，这是“或”的逻辑关系。而这些容易问题还有可能变换为若干更容易的问题，如此下去，可以形成问题变换的“或”树。,4,、“与或图”表示法,与或图构成规则,与或图中的每个节点代表一个要解决的单一问题或问题集合，图中的起始节点对应总问题。,对应于本原问题的节点为叶节点，它没有后裔。,对于把算符（与操作或操作）应用于问题,A,的每种可能情况，都把问题变换为一个子问题集合；有向弧线自,A,指向后继节点，表示所求得的子问题集合。,2.3.4,知识的获取与表示,5,、黑板模型结构,是一种功能较强的问题求解模型，能处理大量不同表达的知识，并能提供组织，协调，应用这些知识的手段。这种模型采用机遇推理模型，把求解过程看作是一个产生部分解并由部分解组合出一个满意的解的过程。黑板模型的主要优点在于它在控制上的灵活性，并能综合不同的知识表达和推理技术。,5,、黑板模型结构,5,、黑板模型结构,黑板数据结构（简称黑板）,它是全局性的数据结构。,用于组织问题求解数据，处理知识源之间的通信。,黑板模型可分为若干信息层，每一层用于描述关于问题的某一类信息。,各个信息层之间形成一个松散的层次结构，高层中的黑板元素可以近似地看成是这下一级若干个黑板元素的抽象。,5,、黑板模型结构,知识源,问题求解所需的领域知识划分为知识源。,知识源可具有“条件一动作”的形式。条件描述了知识源可用于求解的情形，动作则描述了知识源的行为。,控制单元,由黑板监督程序和调度程序组成，其作用就是决定下一步需激活的知识源或需处理的黑板信息。,2.3.4,知识的获取与表示,6,、神经网络知识表示,神经网络的知识表示可看作是一种隐式表示，在这里知识并不像在产生式系统中那样独立表示每一规则，而是将某一问题的若干知识在同一网络中表示。,6,、神经网络知识表示,神经网络知识表示的优点：,具有统一的内部知识表示形式，通过学习程序即可获得网络的相关参数如分块邻接权矩阵、节点偏移向量等。任何知识规则都可变换成数字形式，便于知识库的组织和管理，通用性强；,便于实现知识的自动获取；,利于实现并行联想推理和自适应推理；,能够表示事物的复杂关系如模糊因果关系。,2.3.5,推理机制,推理是指依据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统中的自动推理是知识推理。而知识推理是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。,在专家系统中，可以依据专家所具有的知识的特点来选择知识表示的方法，而知识推理技术同知识表示方法有密切关系。,推理方法的分类,1,、根据知识表示的特点，知识推理方法可分为,图搜索方法,和,逻辑论证方法,两类。,2,、根据问题求解的推理过程中是否运用启发性知识，知识推理方法可分为,启发推理,和,非启发推理,两类。,3,、根据问题求解的推理过程中结论是否精确，知识推理方法可分为,精确推理,和,不精确推理,两类。,推理方法的分类,4,、根据问题求解的推理过程中特殊和一般的关系，知识推理方法可分为,演绎推理,、,归纳推理,两类。,5,、根据问题求解的推理过程中推理的方向，知识推理方法可分为,正向推理,、,反向推理,和正反向混合推理三类。,正向推理,反向推理,宽度优先搜索,所谓,宽度优先搜索,方法是按,“,最早产生的节点优先扩展,”,的搜索方法。具体地说，搜索的节点是一层一层地检查的，只有在上一层的每一个节点都检查完毕之后，这一层的节点才能开始检查，也就是说，节点的扩展是按它们接近起始节点的程度依次进行的。这种方法是考虑了每一种可能，所以这种搜索可能是一种非常长的过程，但如果存在任何解答的话，它能保证最终找到最短的解答序列。,宽度优先搜索,深度优先搜索,所谓,深度优先搜索,方法就是按,“,最晚产生（最深的）节点优先扩展,”,的搜索方法，深度相等的节点其顺序可以任意排列。也就是总是向亲代到子代方向进行，直到不得不返回追踪的搜索。然而实际上，从树的观点看，不是从左枝开始，就是从右枝开始。,不精确推理,专家系统中把领域知识表示成必然的因果关系、逻辑关系，推理的结论是肯定的，这种推理称为精确推理。除此以外，更重要的是以专家的经验知识对不确定的事实，根据不充分的证据和不完全的知识进行推理，这种推理称为不精确推理。应该指出，所谓不精确推理不是要使推理变得不精确，而是提供一种在采用目前已有的精确推理方式无法进行推理的情况下的推理方式，以便得到更加精确的推理结论。不精确推理又称非精确性推理，其核心问题是处理在推理过程中专家知识的不精确性和推理证据的不精确性，并给出这些不精确性在推理过程中的传播规则。,三、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。,