《第六章智能控制》由会员分享,可在线阅读,更多相关《第六章智能控制(85页珍藏版)》请在金锄头文库上搜索。
1、第六章第六章 智能控制智能控制 本章将首先介绍智能控制的发展过程和定义;其次分析智本章将首先介绍智能控制的发展过程和定义;其次分析智能控制的结构理论和特点;然后阐述智能控制的主要研究领域;能控制的结构理论和特点;然后阐述智能控制的主要研究领域;接着探究智能控制系统的机理。接着探究智能控制系统的机理。通过本章的学习要掌握智能控制的定义、结构理论和特点,通过本章的学习要掌握智能控制的定义、结构理论和特点,以及分级递阶智能控制系统、专家控制系统、模糊控制系统;以及分级递阶智能控制系统、专家控制系统、模糊控制系统;了解学习控制系统、神经控制系统、进化控制系统。了解学习控制系统、神经控制系统、进化控制系
2、统。1 传统的反馈控制、近代控制理论和大系统理论,都是建立在精确的系统数学模传统的反馈控制、近代控制理论和大系统理论,都是建立在精确的系统数学模传统的反馈控制、近代控制理论和大系统理论,都是建立在精确的系统数学模传统的反馈控制、近代控制理论和大系统理论,都是建立在精确的系统数学模型的基础上的。而且,研究这些系统时,必须提出一些比较苛刻的假设。因此型的基础上的。而且,研究这些系统时,必须提出一些比较苛刻的假设。因此型的基础上的。而且,研究这些系统时,必须提出一些比较苛刻的假设。因此型的基础上的。而且,研究这些系统时,必须提出一些比较苛刻的假设。因此传统控制所面临的难题是:传统控制所面临的难题是:
3、传统控制所面临的难题是:传统控制所面临的难题是:(1)(1)实际系统存在复杂性、非线性、时变性、不确定性和不完全性等,一实际系统存在复杂性、非线性、时变性、不确定性和不完全性等,一实际系统存在复杂性、非线性、时变性、不确定性和不完全性等,一实际系统存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。般无法获得精确的数学模型。般无法获得精确的数学模型。般无法获得精确的数学模型。(2)(2)为研究这类系统提出并遵循的一些假设在应用中与实际不符。为研究这类系统提出并遵循的一些假设在应用中与实际不符。为研究这类系统提出并遵循的一些假设在应用中与实际不符。为研究这类系统提出并遵
4、循的一些假设在应用中与实际不符。 (3)(3)对于某些复杂的和包含不确定性的对象,无法以传统数学模型来表示。对于某些复杂的和包含不确定性的对象,无法以传统数学模型来表示。对于某些复杂的和包含不确定性的对象,无法以传统数学模型来表示。对于某些复杂的和包含不确定性的对象,无法以传统数学模型来表示。 (4)(4)为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初始投资和维修费用,降低系统的可靠性。始投资和维修费用
5、,降低系统的可靠性。始投资和维修费用,降低系统的可靠性。始投资和维修费用,降低系统的可靠性。智能控制概述智能控制概述2智能控制的产生和发展智能控制的产生和发展1.自动控制的发展过程自动控制的发展过程自动控制领域面临上述难题其解决途径是:自动控制领域面临上述难题其解决途径是:(1)推进控制硬件、软件和智推进控制硬件、软件和智能的结合。能的结合。(2)实现自动控制科学与其它相关学科(科学)的结合。实现自动控制科学与其它相关学科(科学)的结合。特别是人工智能的出现和发展,促进了自动控制向着它的更高层次特别是人工智能的出现和发展,促进了自动控制向着它的更高层次-智能智能控制发展。下图是自动控制的发展过
6、程。从人工智能角度看控制发展。下图是自动控制的发展过程。从人工智能角度看,智能控制是智能科智能控制是智能科学的一个新的应用领域;而从自动控制的角度看,智能控制是控制科学一个新学的一个新的应用领域;而从自动控制的角度看,智能控制是控制科学一个新发展的学科。发展的学科。有趣的是,在相当长时间内,很少有人提到控制理论与人工智能的联系。有趣的是,在相当长时间内,很少有人提到控制理论与人工智能的联系。不过,这也不足为奇,因为传统的控制理论不过,这也不足为奇,因为传统的控制理论(包括古典的和近代的包括古典的和近代的)主要涉及对主要涉及对与伺服机构有关的系统或装置进行操作与数学运算,而人工智能所关心的则主与
7、伺服机构有关的系统或装置进行操作与数学运算,而人工智能所关心的则主要与符号运算及逻辑推理有关。要与符号运算及逻辑推理有关。3自动控制的发展过程自动控制的发展过程4线性控制理论线性控制理论 线性控制理论是系统与控制理论中最为成熟和最为基础的一个线性控制理论是系统与控制理论中最为成熟和最为基础的一个组成分支,是现代控制理论的基石。系统与控制理论的其他分支,组成分支,是现代控制理论的基石。系统与控制理论的其他分支,都不同程度地受到线性控制理论的概念、方法和结果的影响和推动。都不同程度地受到线性控制理论的概念、方法和结果的影响和推动。 严格地说,一切实际的系统都是非线性的,真正的线性系统在严格地说,一
8、切实际的系统都是非线性的,真正的线性系统在现实世界是不存在的。但是,很大一部分实际系统,它们的某些主现实世界是不存在的。但是,很大一部分实际系统,它们的某些主要关系特性,在一定的范围内,可以充分精确地用线性系统来加以要关系特性,在一定的范围内,可以充分精确地用线性系统来加以近似地代表。并且,实际系统与理想化了的线性系统间的差别,对近似地代表。并且,实际系统与理想化了的线性系统间的差别,对于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。因此,从这个意义上说,线性系统或者可线性化的系统又是大量存因此,从这个意义上说,线性系统或者可
9、线性化的系统又是大量存在的,而这正是研究线性系统的实际背景。在的,而这正是研究线性系统的实际背景。 简单说,线性系统理论主要研究线性系统状态的运动规律和改简单说,线性系统理论主要研究线性系统状态的运动规律和改变这种运动规律的可能性方法,建立和揭示系统结构、参数、行为变这种运动规律的可能性方法,建立和揭示系统结构、参数、行为和性能间的确定的和定量的关系。在对系统进行研究的过程中,建和性能间的确定的和定量的关系。在对系统进行研究的过程中,建立合理的系统数学模型是首要的前提,对于线性系统,常用的模型立合理的系统数学模型是首要的前提,对于线性系统,常用的模型有时间域模型和频率域模型,时间域模型比较直观
10、,而频率域模型有时间域模型和频率域模型,时间域模型比较直观,而频率域模型则是一个更强大的工具,两者建立的基本途径一般都通过解析法和则是一个更强大的工具,两者建立的基本途径一般都通过解析法和实验法。实验法。 5PID控制控制 PID(比例比例-积分积分-微分)控制器作为最早实用化的控制器已有微分)控制器作为最早实用化的控制器已有50多年历史,现在仍然是应用最广泛的工业控制器。多年历史,现在仍然是应用最广泛的工业控制器。PID控制器简单易控制器简单易懂,使用中不需精确的系统模型等先决条件,因而成为应用最为广懂,使用中不需精确的系统模型等先决条件,因而成为应用最为广泛的控制器。泛的控制器。 PID控
11、制器由比例单元(控制器由比例单元(P)、)、积分单元(积分单元(I)和微分单元(和微分单元(D)组成。其输入组成。其输入e (t)与输出与输出u (t)的关系为的关系为: 因此它的传递函数为:因此它的传递函数为: 它由于用途广泛、使用灵活,已有系列化产品,使用中只需设定它由于用途广泛、使用灵活,已有系列化产品,使用中只需设定三个参数(三个参数(Kp, Ki和和Kd)即可。在很多情况下,并不一定需要全即可。在很多情况下,并不一定需要全部三个单元,可以取其中的一到两个单元,但比例控制单元是必不部三个单元,可以取其中的一到两个单元,但比例控制单元是必不可少的可少的。 PID控制器是最简单的有时却是最
12、好的控制器控制器是最简单的有时却是最好的控制器6最优控制最优控制 最优控制问题研究的主要内容是:怎样选择控制规律才能使控最优控制问题研究的主要内容是:怎样选择控制规律才能使控制系统的性能和品质在某种意义下为最优,求解最优控制问题的方制系统的性能和品质在某种意义下为最优,求解最优控制问题的方法,目前主要的就是上述的两种方法,另外可能还会用到一些数值法,目前主要的就是上述的两种方法,另外可能还会用到一些数值解法。用这些方法已经成功的解决了许多动态控制问题,如最小时解法。用这些方法已经成功的解决了许多动态控制问题,如最小时间控制,最少燃料控制和最佳调节器等。最优控制已经在航天,航间控制,最少燃料控制
13、和最佳调节器等。最优控制已经在航天,航海,导弹,电力系统,控制装置,生产设备和生产过程中得到了比海,导弹,电力系统,控制装置,生产设备和生产过程中得到了比较成功的应用,而且在经济系统和社会系统中也得到了广泛的应用。较成功的应用,而且在经济系统和社会系统中也得到了广泛的应用。 最优控制问题有四个关键点:(最优控制问题有四个关键点:(1)受控对象为动态系统。()受控对象为动态系统。(2)初始与终端条件(时间和状态)。(初始与终端条件(时间和状态)。(3)性能指标。()性能指标。(4)容许控制。)容许控制。而最优控制问题的实质就是要找出容许的控制作用或控制规律,使而最优控制问题的实质就是要找出容许的
14、控制作用或控制规律,使动态系统(受控对象)从初始状态转移到某种要求的终端状态,并动态系统(受控对象)从初始状态转移到某种要求的终端状态,并且保证某种要求的性能指标达到最小值或者是最大值。且保证某种要求的性能指标达到最小值或者是最大值。 时至今日,最优控制理论的研究,无论在深度或是广度上,都时至今日,最优控制理论的研究,无论在深度或是广度上,都有了较大的进展。然而,随着人们对客观世界认识的不断深化,又有了较大的进展。然而,随着人们对客观世界认识的不断深化,又提出了一系列有待解决的新问题。可以毫不夸张地说,最优控制理提出了一系列有待解决的新问题。可以毫不夸张地说,最优控制理论依旧是极其活跃的科学领
15、域之论依旧是极其活跃的科学领域之一。一。7自适应控制自适应控制 在日常生活中,所谓自适应是指生物能改变自己的习性以适应在日常生活中,所谓自适应是指生物能改变自己的习性以适应新的环境的一种特征。因此,直观地讲,自适应控制器应当是这样新的环境的一种特征。因此,直观地讲,自适应控制器应当是这样一种控制器,它能修正自己的特性以适应对象和扰动的动态特性的一种控制器,它能修正自己的特性以适应对象和扰动的动态特性的变化。变化。 自适应控制的研究对象是具有一定程度不确定性的系统,这里自适应控制的研究对象是具有一定程度不确定性的系统,这里所谓的所谓的“不确定性不确定性”是指描述被控对象及其环境的数学模型不是完是
16、指描述被控对象及其环境的数学模型不是完全确定的,其中包含一些未知因素和随机因素。全确定的,其中包含一些未知因素和随机因素。 任何一个实际系统都具有不同程度的不确定性,这些不确定性任何一个实际系统都具有不同程度的不确定性,这些不确定性有时表现在系统内部,有时表现在系统的外部。从系统内部来讲,有时表现在系统内部,有时表现在系统的外部。从系统内部来讲,描述被控对象的数学模型的结构和参数,设计者事先并不一定能准描述被控对象的数学模型的结构和参数,设计者事先并不一定能准确知道。作为外部环境对系统的影响,可以等效地用许多扰动来表确知道。作为外部环境对系统的影响,可以等效地用许多扰动来表示。这些扰动通常是不
17、可预测的。此外,还有一些测量时产生的不示。这些扰动通常是不可预测的。此外,还有一些测量时产生的不确定因素进入系统。面对这些客观存在的各式各样的不确定性,如确定因素进入系统。面对这些客观存在的各式各样的不确定性,如何设计适当的控制作用,使得某一指定的性能指标达到并保持最优何设计适当的控制作用,使得某一指定的性能指标达到并保持最优或者近似最优,这就是自适应控制所要研究解决的问题。或者近似最优,这就是自适应控制所要研究解决的问题。8鲁棒控制鲁棒控制 鲁棒控制(鲁棒控制(Robust Control)方面的研究始于方面的研究始于20世纪世纪50年代。年代。在过去的在过去的50年中,鲁棒控制一直是国际自
18、控界的研究热点。所谓年中,鲁棒控制一直是国际自控界的研究热点。所谓“鲁棒性鲁棒性”,是指控制系统在一定(结构,大小)的参数摄动下,是指控制系统在一定(结构,大小)的参数摄动下,维持某些性能的特性。根据对性能的不同定义,可分为稳定鲁棒维持某些性能的特性。根据对性能的不同定义,可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。控制器称为鲁棒控制器。 鲁棒控制方法,是对时间域或频率域来说,一般要假设过程鲁棒控制方法,是对时间域或频率域来说,一般要假设过程动态特性的信息和它的变化范围。一些算法不需要精确的
19、过程模动态特性的信息和它的变化范围。一些算法不需要精确的过程模型,但需要一些离线辨识。型,但需要一些离线辨识。 一般鲁棒控制系统的设计是以一些最差的情况为基础,因此一般鲁棒控制系统的设计是以一些最差的情况为基础,因此一般系统并不工作在最优状态。常用的设计方法有:一般系统并不工作在最优状态。常用的设计方法有:INA方法,方法,同时同时 镇定,完整性控制器设计,鲁棒控制,镇定,完整性控制器设计,鲁棒控制, 鲁棒鲁棒PID控制以及控制以及鲁棒极点配置,鲁棒观测器等。鲁棒极点配置,鲁棒观测器等。 鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用,鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用,同
20、时过程的动态特性已知且不确定因素的变化范围可以预估。飞同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。机和空间飞行器的控制是这类系统的例子。92.智能控制的发展智能控制的发展智能控制思潮第一次出现于智能控制思潮第一次出现于60年代,几种智能控制的思想和方法得到提出和发展。年代,几种智能控制的思想和方法得到提出和发展。早在早在30年前,学习控制的研究就十分活跃,并获得应用。学习机器的要领是在控制论出年前,学习控制的研究就十分活跃,并获得应用。学习机器的要领是在控制论出现的时候提出的。自学习和自适应方法被开发用于解决控制系统的随机特性问题。现的时候提出
21、的。自学习和自适应方法被开发用于解决控制系统的随机特性问题。60年代中期,自动控制与人工智能开始交接。年代中期,自动控制与人工智能开始交接。1965年,傅京孙年,傅京孙(K.S.Fu)教授首先把教授首先把人工智能的启发式推理规则用于学习控制系统;他又于人工智能的启发式推理规则用于学习控制系统;他又于1971年论述了人工智能与自动控年论述了人工智能与自动控制的交接关系。他已成为国际公认的智能控制的先行者和奠基人。制的交接关系。他已成为国际公认的智能控制的先行者和奠基人。模糊控制是智能控制的又一活跃研究领域。模糊控制是智能控制的又一活跃研究领域。Zadeh于于1965年发表了他的著名论文年发表了他
22、的著名论文模模糊集合(糊集合(fuzzysets),开辟了模糊控制的新领域。此后,在模糊控制的理论探索和实开辟了模糊控制的新领域。此后,在模糊控制的理论探索和实际应用两个方面,都进行了大量研究,并取得一批令人感兴趣的成果。际应用两个方面,都进行了大量研究,并取得一批令人感兴趣的成果。1967年,年,Leondes等人首次正式使用等人首次正式使用智能控制智能控制一词。这一术语的出现要比一词。这一术语的出现要比人工智人工智能能晚晚11年,比年,比机器人机器人晚晚47年。初期的智能控制系统采用一些比较初级的智能方法,如年。初期的智能控制系统采用一些比较初级的智能方法,如模式识别和学习方法等,而且发展
23、速度十分缓慢。模式识别和学习方法等,而且发展速度十分缓慢。近十年来,随着人工智能和机器人技术的快速发展,对智能控制的研究出现一股新近十年来,随着人工智能和机器人技术的快速发展,对智能控制的研究出现一股新的热潮。各种智能决策系统、专家控制系统、学习控制系统、模糊控制、神经控制、主的热潮。各种智能决策系统、专家控制系统、学习控制系统、模糊控制、神经控制、主动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器人系统和智能化生产(制造)系统。人系统和智能化生产(制造)系统。103.智能控制学科的形成智能
24、控制学科的形成智能控制新学科形成的条件逐渐成熟。智能控制新学科形成的条件逐渐成熟。1985年年8月,月,IEEE在美国纽约召开在美国纽约召开了第一届智能控制学术讨论会。会上集中讨论了智能控制原理和智能控制系统了第一届智能控制学术讨论会。会上集中讨论了智能控制原理和智能控制系统的结构。的结构。这次会议之后不久,在这次会议之后不久,在IEEE控制系统学会内成立了控制系统学会内成立了IEEE智能控制专智能控制专业委员会,该专业委员会组织了对智能控制定义和研究生课程教学大纲的讨论。业委员会,该专业委员会组织了对智能控制定义和研究生课程教学大纲的讨论。1987年年1月,在美国费城由月,在美国费城由IEE
25、E控制系统学会与计算机学会联合召开了智控制系统学会与计算机学会联合召开了智能控制国际会议。这是有关智能控制的第一次国际会议,显示出智能控制的长能控制国际会议。这是有关智能控制的第一次国际会议,显示出智能控制的长足进展;同时也说明了:由于许多新技术问题的出现以及相关理论与技术的发足进展;同时也说明了:由于许多新技术问题的出现以及相关理论与技术的发展,需要重新考虑控制领域及其邻近学科。这次会议及其后续相关事件表明,展,需要重新考虑控制领域及其邻近学科。这次会议及其后续相关事件表明,智能控制作为一门独立学科已正式在国际上建立起来。智能控制作为一门独立学科已正式在国际上建立起来。11智能控制的定义智能
26、控制的定义智能机器:能够在定形或不定形,熟悉或不熟悉的环境中自主地或与操智能机器:能够在定形或不定形,熟悉或不熟悉的环境中自主地或与操智能机器:能够在定形或不定形,熟悉或不熟悉的环境中自主地或与操智能机器:能够在定形或不定形,熟悉或不熟悉的环境中自主地或与操作人员交互作用以执行各种拟人任务的机器叫做智能机器。作人员交互作用以执行各种拟人任务的机器叫做智能机器。作人员交互作用以执行各种拟人任务的机器叫做智能机器。作人员交互作用以执行各种拟人任务的机器叫做智能机器。自动控制:自动控制是能按规定程序对机器或装置进行自动操作或控制自动控制:自动控制是能按规定程序对机器或装置进行自动操作或控制自动控制:
27、自动控制是能按规定程序对机器或装置进行自动操作或控制自动控制:自动控制是能按规定程序对机器或装置进行自动操作或控制的过程。的过程。的过程。的过程。智能控制:智能控制是驱动智能机器自主地实现其目标的过程。智能控制:智能控制是驱动智能机器自主地实现其目标的过程。智能控制:智能控制是驱动智能机器自主地实现其目标的过程。智能控制:智能控制是驱动智能机器自主地实现其目标的过程。智能控制系统:用于驱动自主智能机器以实现其目标而无需操作人员干智能控制系统:用于驱动自主智能机器以实现其目标而无需操作人员干智能控制系统:用于驱动自主智能机器以实现其目标而无需操作人员干智能控制系统:用于驱动自主智能机器以实现其目
28、标而无需操作人员干预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制论、运筹学和信息论等学科的交叉。论、运筹学和信息论等学科的交叉。论、运筹学和信息论等学科的交叉。论、运筹学和信息论等学科的交叉。 121.智能机器人规划与控制智能机器人规划与控制机器人研究者们所关心的主要研究方向之一是机器人运动的规划与控制。给出一个规定机器人研究者们所关心的主要研究方向之一是机器人运动的规划与控制。给出一个规定的任
29、务之后,首先必须作出满足该任务要求的运动规划;然后,这个规划再由控制来执的任务之后,首先必须作出满足该任务要求的运动规划;然后,这个规划再由控制来执行,该控制足以使机器人适当地产生所期望的运动。行,该控制足以使机器人适当地产生所期望的运动。 智能控制的研究领域智能控制的研究领域132.生产过程的智能监控生产过程的智能监控许多工业连续生线,如轧钢、化工、炼油、材料加工、造纸和核反应等,其生产过程许多工业连续生线,如轧钢、化工、炼油、材料加工、造纸和核反应等,其生产过程需要监视和控制,以保证高性能和高可靠性。为保持物理参数具有一定的精度,确保产品需要监视和控制,以保证高性能和高可靠性。为保持物理参
30、数具有一定的精度,确保产品的优质高产,已在一些连续生产线或工业装置上采用了有效的智能控制模式。例如,旋转的优质高产,已在一些连续生产线或工业装置上采用了有效的智能控制模式。例如,旋转水泥窑的模糊控制、汽车工业的高级模糊逻辑控制、轧钢机的神经控制、分布式材料加工水泥窑的模糊控制、汽车工业的高级模糊逻辑控制、轧钢机的神经控制、分布式材料加工系统、分级智能材料处理、智能系统、分级智能材料处理、智能pH值过程控制、塑料剪切过程的智能控制、工业锅炉的递值过程控制、塑料剪切过程的智能控制、工业锅炉的递阶智能控制以及核反器的知识基控制等。阶智能控制以及核反器的知识基控制等。143.智能故障检测与诊断智能故障
31、检测与诊断所有智能故障检测与诊断(所有智能故障检测与诊断(IFDD)系统的一般任务是根据已观察到的状况、系统的一般任务是根据已观察到的状况、领域知识和经验,推断出系统、部件或器官的故障原因,以便尽可能及时发现领域知识和经验,推断出系统、部件或器官的故障原因,以便尽可能及时发现和排除故障,以提高系统或装备的可靠性。智能故障检测与诊断系统是一个问和排除故障,以提高系统或装备的可靠性。智能故障检测与诊断系统是一个问题求解的计算机系统,也是一种智能控制系统。它一般由知识库(故障信息库)题求解的计算机系统,也是一种智能控制系统。它一般由知识库(故障信息库)、诊断推理机构、接口和数据库等组成。典型的、诊断
32、推理机构、接口和数据库等组成。典型的IFDD系统有太空站热过程控制系统有太空站热过程控制系统的故障诊断、火电站锅炉给水过程控制系统的故障检测与诊断和雷达故障系统的故障诊断、火电站锅炉给水过程控制系统的故障检测与诊断和雷达故障诊断专家系统等。诊断专家系统等。154.自动加工系统的智能控制自动加工系统的智能控制计算机集成加工系统(计算机集成加工系统(CIMS)和柔性加工系统(和柔性加工系统(FMS)在近年来获得迅速在近年来获得迅速发展。在一个复杂的加工过程中,不同条件下的多种操作是必要的,以求保发展。在一个复杂的加工过程中,不同条件下的多种操作是必要的,以求保证产品质量。环境的不确定性以及系统硬件
33、和软件的复杂性,向当代控制工证产品质量。环境的不确定性以及系统硬件和软件的复杂性,向当代控制工程师们设计和实现有效的集成控制系统提出了挑战。程师们设计和实现有效的集成控制系统提出了挑战。165.飞行器的智能控制飞行器的智能控制自自80年代中叶以来,智能控制已被应用于飞行过程控制,尤其是飞机的俯倾年代中叶以来,智能控制已被应用于飞行过程控制,尤其是飞机的俯倾(flare)和降落(和降落(landing)控制。一种已经实现的神经网络结构,其输入信号控制。一种已经实现的神经网络结构,其输入信号包括飞行高度的指令和飞行高度估计值等。所考虑的输入包括当前飞行高度和包括飞行高度的指令和飞行高度估计值等。所
34、考虑的输入包括当前飞行高度和高长比误差值以及前一个仿真段的有关值。此外,还提供了前段的倾斜高度指高长比误差值以及前一个仿真段的有关值。此外,还提供了前段的倾斜高度指令。可训练适应飞行控制器主要由令。可训练适应飞行控制器主要由“教师教师”(人或控制规律)和可训练控制器组(人或控制规律)和可训练控制器组成,而后者则由神经网络(采用成,而后者则由神经网络(采用BP学习算法)实现。整个飞行控制过程由飞机学习算法)实现。整个飞行控制过程由飞机数学模型来表示。下图为一飞行器的飞行智能控制系统的制导、领航和控制结数学模型来表示。下图为一飞行器的飞行智能控制系统的制导、领航和控制结构,其中用虚线表示领航员的作
35、用,以期与计算机的作用进行比较。构,其中用虚线表示领航员的作用,以期与计算机的作用进行比较。176.医疗过程智能控制医疗过程智能控制早从早从70年代中叶起,专家系统技术就被成功的应用于各种医疗领域。作为医用智能过程年代中叶起,专家系统技术就被成功的应用于各种医疗领域。作为医用智能过程控制的新例子,介绍一个用于控制手术过程中麻醉深度的病人平均动脉血压(控制的新例子,介绍一个用于控制手术过程中麻醉深度的病人平均动脉血压(MAP)的的模糊逻辑控制系统。模糊逻辑控制系统。MAP是衡量麻醉深度的重要参数。在该控制系统的设计和实现时,是衡量麻醉深度的重要参数。在该控制系统的设计和实现时,采用模糊关系函数和
36、语言规则。本系统已在许多不同的外科手术中得到成功应用。下图采用模糊关系函数和语言规则。本系统已在许多不同的外科手术中得到成功应用。下图为麻醉深度模糊控制系统的方框图。为麻醉深度模糊控制系统的方框图。187.智能仪器智能控制智能仪器智能控制随着微电子技术、微机技术、人工智能技术和计算机通讯技术的迅速发展,自动化仪器随着微电子技术、微机技术、人工智能技术和计算机通讯技术的迅速发展,自动化仪器正朝着智能化、系统化、模块化和机电仪一体的方向发展,微型计算机或微处理机在仪正朝着智能化、系统化、模块化和机电仪一体的方向发展,微型计算机或微处理机在仪器中的广泛应用,已成为仪器的核心组成部件之一,它能够实现信
37、息的记忆、判断、处器中的广泛应用,已成为仪器的核心组成部件之一,它能够实现信息的记忆、判断、处理、执行以及测控过程的操作、监视和诊断,并使这类仪器被称为理、执行以及测控过程的操作、监视和诊断,并使这类仪器被称为“智能仪器智能仪器”。比较高级的智能仪器具有多功能、高性能、自动操作、对外接口、比较高级的智能仪器具有多功能、高性能、自动操作、对外接口、“硬件软化硬件软化”和和自自动测试与自动诊断等功能。智能仪器的动测试与自动诊断等功能。智能仪器的“智能智能”仍然较低。通常所说的智能仪器实际上仍然较低。通常所说的智能仪器实际上是是一种微机化的自动化仪器。比较高级的智能仪器大多正在研究之中,其中有一部分
38、已投一种微机化的自动化仪器。比较高级的智能仪器大多正在研究之中,其中有一部分已投入试用。例如,一种由连接器、用户接口、比较器和专家系统组成的系统,与心电图测入试用。例如,一种由连接器、用户接口、比较器和专家系统组成的系统,与心电图测试仪一起构成的心电图分析咨询系统,就已获得成功应用。试仪一起构成的心电图分析咨询系统,就已获得成功应用。19智能控制的结构理论智能控制的结构理论智能控制具有十分明显的跨学科智能控制具有十分明显的跨学科(多元多元)结构特点。在此,我们主要讨论智能控结构特点。在此,我们主要讨论智能控制的二元交集结构、三元交集结构和四元交集结构三种思想,它们分别由下列制的二元交集结构、三
39、元交集结构和四元交集结构三种思想,它们分别由下列各交集各交集(通集通集)表示:表示:IC=AIAC;IC=AICTOR;IC=AICTITOR式中,各子集式中,各子集(或合取项或合取项)的含义如下:的含义如下:AI人工智能人工智能(ArtificialIntelligence)AC自动控制自动控制(AutomaticControl)CT控制论控制论(ControlTheory,Cybernetics)OR运筹学运筹学(OperationResearch)IT信息论信息论(InformationTheory,Informatics)IC智能控制智能控制(IntelligentControl)在此
40、,我们主要讨论智能控制的二元交集结构、三元交集结构和四元交集结构在此,我们主要讨论智能控制的二元交集结构、三元交集结构和四元交集结构三种思想,它们分别由下列各交集三种思想,它们分别由下列各交集(通集通集)表示。表示。 智能控制的结构理论与特点智能控制的结构理论与特点201二元结构二元结构傅京孙提出的傅京孙提出的“智能控制系统智能控制系统”描述了自动控制系统与人工智能的交接作用。描述了自动控制系统与人工智能的交接作用。这种结构称之为二元交集结构。这种结构称之为二元交集结构。傅京孙研究的机器人系统如图所示:该系统主要的三个功能,即感知、模拟和傅京孙研究的机器人系统如图所示:该系统主要的三个功能,即
41、感知、模拟和问题求解。系统中比较高层的智能决策可由拟人控制器完成,如识别复杂的环问题求解。系统中比较高层的智能决策可由拟人控制器完成,如识别复杂的环境状况;较低层的智能作用,如数据收集、例行程序执行及在线计算等可以有境状况;较低层的智能作用,如数据收集、例行程序执行及在线计算等可以有机器控制器完成。机器控制器完成。212三元结构三元结构萨里迪斯萨里迪斯(Saridis)提出的智能控制结构,他把智能控制看作为有人工智能、自提出的智能控制结构,他把智能控制看作为有人工智能、自动控制和运筹学的交集。此外他提出的分级智能控制系统由三个智能级组成:动控制和运筹学的交集。此外他提出的分级智能控制系统由三个
42、智能级组成:第一级:组织级,它代表系统的主导思想,并由人工智能起控制作用。第一级:组织级,它代表系统的主导思想,并由人工智能起控制作用。第二级:协调级,是上下级间的接口,由人工智能和运筹学起控制作用。第二级:协调级,是上下级间的接口,由人工智能和运筹学起控制作用。第三级:执行级,是智能控制系统的最低层级,要求具有很高的精度,并由控第三级:执行级,是智能控制系统的最低层级,要求具有很高的精度,并由控制理论进行控制。制理论进行控制。223四元结构四元结构蔡自兴提出的四元智能控制结构包括人工智能、自动控制、运筹学和信息论的交集。蔡自兴提出的四元智能控制结构包括人工智能、自动控制、运筹学和信息论的交集
43、。(a)信息论是解释知识和智能的一种手段信息论是解释知识和智能的一种手段(b)控制论、系统论和信息论是紧密相互作用的控制论、系统论和信息论是紧密相互作用的(c)信息论已成为控制智能机器的工具信息论已成为控制智能机器的工具(d)信息熵成为智能控制的测度信息熵成为智能控制的测度(e)信息论参与智能控制的全过程,并对执行级起到核心作用信息论参与智能控制的全过程,并对执行级起到核心作用23智能控制的特点智能控制的特点(1)同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程。也往往同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程。也往往是那些含有复杂性、不完全性、模糊性或不
44、确定性以及不存在已知算法的非数字过程,是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数字过程,并以知识进行推理,以启发来引导求解过程。因此,智能控制系统的设计重点不在常规并以知识进行推理,以启发来引导求解过程。因此,智能控制系统的设计重点不在常规控制器上,而在智能机模型上。也就是说,重点放在对任务和世界模型(控制器上,而在智能机模型上。也就是说,重点放在对任务和世界模型(worldmodel)的描述、符号和环境的识别以及知识库和推理机的设计开发上。的描述、符号和环境的识别以及知识库和推理机的设计开发上。(2)智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或
45、过程进智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。为了实现这些任务,需要采用符号信息处行组织,即决策和规划,实现广义问题求解。为了实现这些任务,需要采用符号信息处理、启发式程序设计、知识表示以及自动推理和决策等相关技术。这些问题的求解过程理、启发式程序设计、知识表示以及自动推理和决策等相关技术。这些问题的求解过程与人脑的思维过程具有一定相似性,即具有不同程度的与人脑的思维过程具有一定相似性,即具有不同程度的“智能智能”。(3)智能控制是一门边缘交叉学科。智能控制的发展需要各相关学科的配合与支援,同智能控制是一门边缘交叉学科。智
46、能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。时也要求智能控制工程师是个知识工程师。(4)智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。善,需要进一步探索与开发。24智能控制的一般结构智能控制的一般结构控制工程师正在设计未来的控制系统,从任务形式化开始,至驱动器操作止。很久一段控制工程师正在设计未来的控制系统,从任务形式化开始,至驱动器操作止。很久一段时间内,控制过程设计被理解为系统各参数的综合。后来,越来越清楚地认识到,控制时间内,控制
47、过程设计被理解为系统各参数的综合。后来,越来越清楚地认识到,控制过程设计是系统模型和实际结构的综合。现在,更进一步明确到,这个综合包括任务形过程设计是系统模型和实际结构的综合。现在,更进一步明确到,这个综合包括任务形式化过程。此外,对任务集合的协调也是设计的一个组成部分。式化过程。此外,对任务集合的协调也是设计的一个组成部分。智能控制器的设计具有下列特点的组合:智能控制器的设计具有下列特点的组合:(1)具有以微积分具有以微积分(DIC)表示和以技术应用语言表示和以技术应用语言(LTA)表示的混合系统方法。表示的混合系统方法。(2)采用不精确的和不完全的装置分层(级)模型。采用不精确的和不完全的
48、装置分层(级)模型。(3)含有由多传感器递送的分级和不完全的外系统知识,并在学习过程中不断加以含有由多传感器递送的分级和不完全的外系统知识,并在学习过程中不断加以辨识、整理和更新。辨识、整理和更新。(4)把任务协商作为控制系统以及控制过程的一部分来考虑。把任务协商作为控制系统以及控制过程的一部分来考虑。在上述讨论的基础上,我们能够给出智能控制器的一般结构,如图所示。在上述讨论的基础上,我们能够给出智能控制器的一般结构,如图所示。251-智能控制系统;智能控制系统;2-多层控制器;多层控制器;3-多传感系统多传感系统26我们已在前面简要地讨论了智能控制的结构理论。从本节起,我们将对智能控我们已在
49、前面简要地讨论了智能控制的结构理论。从本节起,我们将对智能控制系统的理论基础作进一步的研究。所要研究的系统包括分级递阶控制系统、制系统的理论基础作进一步的研究。所要研究的系统包括分级递阶控制系统、专家控制系统、模糊控制系统、学习控制系统、神经控制系统、进化控制系统专家控制系统、模糊控制系统、学习控制系统、神经控制系统、进化控制系统等。实际上,几种方法和机制往往结合在一起,并用于一个实际的智能控制系等。实际上,几种方法和机制往往结合在一起,并用于一个实际的智能控制系统或装置,从而建立起混合或集成的智能控制系统。不过,为了便于研究与说统或装置,从而建立起混合或集成的智能控制系统。不过,为了便于研究
50、与说明,我们试图分别逐一讨论这些控制系统。明,我们试图分别逐一讨论这些控制系统。 智能控制系统智能控制系统271.定义与假设定义与假设首先对智能控制系统的某些概念作进一步的定义和假设。智能控制系统各级的共同要首先对智能控制系统的某些概念作进一步的定义和假设。智能控制系统各级的共同要素涉及机器各种作用的不确定性,这就建议采用概率模型来描述这些具有共同度量的作用,素涉及机器各种作用的不确定性,这就建议采用概率模型来描述这些具有共同度量的作用,即它们各自的熵即它们各自的熵(entropies)。这些熵在智能控制系统的不同层级所具有的物理意义如下:这些熵在智能控制系统的不同层级所具有的物理意义如下:(
51、1)在组织级在组织级(最高级最高级),按照香农,按照香农(Shannon)的观点,具有信息理论含义,因为这一的观点,具有信息理论含义,因为这一级涉及知识的表示与处理。我们定义:知识是结构信息的一种形式。因此,考虑用香农的级涉及知识的表示与处理。我们定义:知识是结构信息的一种形式。因此,考虑用香农的熵来衡量所需知识是很自然的。熵来衡量所需知识是很自然的。(2)在协调级,由几个嵌套自动装置以概率描述的决策方式来表示,这些方案的熵在协调级,由几个嵌套自动装置以概率描述的决策方式来表示,这些方案的熵用于度量协调的不确定性。用于度量协调的不确定性。(3)在执行级,执行代价等价于系统所消耗的能量,并由在执
52、行级,执行代价等价于系统所消耗的能量,并由Boltzman的熵来表示。的熵来表示。分级递阶智能控制系统分级递阶智能控制系统 282递阶智能机器的一般结构递阶智能机器的一般结构fCE为自执行级至协调级的在线反馈信号;为自执行级至协调级的在线反馈信号;fOE为自协调级至组织级的离线反馈信号;为自协调级至组织级的离线反馈信号;C=c1,c2,.,cm为输入指令;为输入指令;U=u1,u2,.,um为分类器的输出信号,即组织器的输为分类器的输出信号,即组织器的输入信号。入信号。这一递阶智能控制系统是个整体,它把定性的用户指令变换为一个物理操作序列。系统这一递阶智能控制系统是个整体,它把定性的用户指令变
53、换为一个物理操作序列。系统的输出是通过一组施于驱动器的具体指令来实现的。一旦接收到初始用户指令,系统就的输出是通过一组施于驱动器的具体指令来实现的。一旦接收到初始用户指令,系统就产生操作,这一操作是由一组与环境交互作用的传感器的输入信息决定的。这些外部和产生操作,这一操作是由一组与环境交互作用的传感器的输入信息决定的。这些外部和内部传感器提供工作空间环境(外部)和每个子系统状况(内部)的监控信息;对于机内部传感器提供工作空间环境(外部)和每个子系统状况(内部)的监控信息;对于机器人系统,子系统状况,有位置、速度和加速度等。智能机器融合这些信息,并从中选器人系统,子系统状况,有位置、速度和加速度
54、等。智能机器融合这些信息,并从中选择操作方案。择操作方案。293组织级与知识基系统组织级与知识基系统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内的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。换句话说,组织器本原数据集合,组织器能够组织绝对动作、一般任务和规则的序列。换句话说,组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作和记忆操作。组织级算法执行下列功能
55、:组织级算法执行下列功能:(1)接收指令,并对它进行推理。接收指令,并对它进行推理。(2)规划包含对活动的操作。完成一规划所需的活动次规划包含对活动的操作。完成一规划所需的活动次序及插入的重复本原事件是由所选择的规则来完成的。序及插入的重复本原事件是由所选择的规则来完成的。(3)决策选择最有希望的规划。决策选择最有希望的规划。(4)在完成和估计每项任务之后,通过学习算法,由反馈实现对概率的更新。在完成和估计每项任务之后,通过学习算法,由反馈实现对概率的更新。(5)记忆交记忆交换,实现对储存在长时存储器内信息的更新。换,实现对储存在长时存储器内信息的更新。304协调级与嵌套树协调级与嵌套树协调级
56、为一中间结构。它作为组织级与执行级的界面把组织信息发送至执行级。协调级协调级为一中间结构。它作为组织级与执行级的界面把组织信息发送至执行级。协调级的目标是把控制问题的实际公式与最有希望的完全的协调规划联系起来,此规划由组织的目标是把控制问题的实际公式与最有希望的完全的协调规划联系起来,此规划由组织级建立,并将实时执行所需要的工作任务。这包括在可供选择的规划原本中挑选一个规级建立,并将实时执行所需要的工作任务。这包括在可供选择的规划原本中挑选一个规划。这些规划原本根据工作空间模型和定时要求提出的约束,依不同方法完成同样的工划。这些规划原本根据工作空间模型和定时要求提出的约束,依不同方法完成同样的
57、工作任务。作任务。315具有熵函数的执行级具有熵函数的执行级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。执行级的性能也可由熵来表示,因而统一了行控制,对相关过程执行适当的控制作用。执行级的性能也可由熵来表示,因而统一了智能机器的功用。此熵的量度选择一适当的控制,以执行某任务的不确定性。我们能够智能机器的功用。此熵的量度选择一适当的控制,以执行某任务的不确定性。我们能够选择某个最优控制使此熵选择某个最优控制使此熵(即执行的不确定性即执行的不确定性)为最小。
58、可把此熵看作一种能量。为最小。可把此熵看作一种能量。智能控制已作为多级递阶结构而建立起来,它遵循提高精度而降低智能(智能控制已作为多级递阶结构而建立起来,它遵循提高精度而降低智能(IPDI)的原的原理。概率模型用于表示组织级推理、规划和决策的不确定性,指定协调级的任务以及执理。概率模型用于表示组织级推理、规划和决策的不确定性,指定协调级的任务以及执行级的控制作用。采用熵来度量智能机器执行各种指令的效果,并采用熵进行最优决策。行级的控制作用。采用熵来度量智能机器执行各种指令的效果,并采用熵进行最优决策。6递阶智能控制理论递阶智能控制理论通过上述讨论,可把递阶智能控制理论归纳如下:智能控制理论可被
59、假定为寻求某通过上述讨论,可把递阶智能控制理论归纳如下: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精度随智能降低而提高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精度随智能降低而提高(IPDI)的原理,而所求得序列能够使系统的总熵为最小。的原理,而所求得序列能够使系统的总熵为最小。32另一种比较重要的智能控制系统为专家式控制系统,或叫做专家控制系统另一种比较重要的智能控制系统为专家式控制系统,或叫做专家控制系统(expertcontrolsystem,ECS)它已广泛应用于故障诊断、工业设计和过程控制,为解决工业控制它已广泛应用于故障诊断、
60、工业设计和过程控制,为解决工业控制难题提供一种新的方法,是实现工业过程控制的重要技术。难题提供一种新的方法,是实现工业过程控制的重要技术。专家控制系统专家控制系统 331对专家控制器的要求对专家控制器的要求(1)运行可靠性高)运行可靠性高对于某些特别的装置或系统,如果不采用专家控制器来取代常规控制对于某些特别的装置或系统,如果不采用专家控制器来取代常规控制器,那么,整个控制系统将变得非常复杂,尤其是其硬件结构。其结果使系统的可靠性器,那么,整个控制系统将变得非常复杂,尤其是其硬件结构。其结果使系统的可靠性大为下降。因此,对专家控制器提出较高的运行可靠性要求。它通常具有方便的监控能大为下降。因此
61、,对专家控制器提出较高的运行可靠性要求。它通常具有方便的监控能力。力。(2)决策能力强)决策能力强决策是基于知识的控制系统的关键能力之一。大多数专家控制系统要求决策是基于知识的控制系统的关键能力之一。大多数专家控制系统要求具有不同水平的决策能力。专家控制系统能够处理不确定性、不完全性和不精确性之类具有不同水平的决策能力。专家控制系统能够处理不确定性、不完全性和不精确性之类的问题,这些问题难以用常规控制方法解决。的问题,这些问题难以用常规控制方法解决。(3)应用通用性好)应用通用性好应用的通用性包括易于开发、示例多样性、便于混合知识表示、全局应用的通用性包括易于开发、示例多样性、便于混合知识表示
62、、全局数据库的活动维数、基本硬件的机动性、多种推理机制以及开放式的可扩充结构等。数据库的活动维数、基本硬件的机动性、多种推理机制以及开放式的可扩充结构等。(4)控制与处理的灵活性)控制与处理的灵活性这个原则包括控制策略的灵活性、数据管理的灵活性、经验表这个原则包括控制策略的灵活性、数据管理的灵活性、经验表示的灵活性、解释说明的灵活性、模式匹配的灵活性以及过程连接的灵活性等。示的灵活性、解释说明的灵活性、模式匹配的灵活性以及过程连接的灵活性等。(5)拟人能力)拟人能力专家控制系统的控制水平必须达到人类专家的水准。专家控制系统的控制水平必须达到人类专家的水准。342专家控制器的特点与原则专家控制器
63、的特点与原则(1)模型描述的多样性模型描述的多样性所谓模型描述的多样性原则是指在设计过程中,对被控对象和控所谓模型描述的多样性原则是指在设计过程中,对被控对象和控制器的模型应采用多样化的描述形式,不应拘泥于单纯的解析模型。如:离散事件模型、制器的模型应采用多样化的描述形式,不应拘泥于单纯的解析模型。如:离散事件模型、模糊模型、规则模型、基于模型的模型等。模糊模型、规则模型、基于模型的模型等。(2)在线处理的灵巧性)在线处理的灵巧性智能控制系统的重要特征之一就是能够以有用的方式来划分和构智能控制系统的重要特征之一就是能够以有用的方式来划分和构造信息。在信息存储方面,应对那些对作出控制决策有意义的
64、特征信息进行记忆,对于造信息。在信息存储方面,应对那些对作出控制决策有意义的特征信息进行记忆,对于过时的信息则应加以遗忘;在信息处理方面,应把数值计算与符号运算结合起来。过时的信息则应加以遗忘;在信息处理方面,应把数值计算与符号运算结合起来。(3)控制决策的灵巧性)控制决策的灵巧性控制策略的灵活性是设计专家式控制器所应遵循的一条重要原则。控制策略的灵活性是设计专家式控制器所应遵循的一条重要原则。工业对象本身的时变性与不确定性以及现场干扰的随机性,要求控制器采用不同形式的工业对象本身的时变性与不确定性以及现场干扰的随机性,要求控制器采用不同形式的开环与闭环控制策略,并能通过在线获取的信息灵活地修
65、改控制策略或控制参数,以保开环与闭环控制策略,并能通过在线获取的信息灵活地修改控制策略或控制参数,以保证获得优良的控制品质。证获得优良的控制品质。(4)决策机构的递阶性决策机构的递阶性人的神经系统是由大脑、小脑、脑干、脊髓组成的一个分层递阶人的神经系统是由大脑、小脑、脑干、脊髓组成的一个分层递阶决策系统。以仿智为核心的智能控制,其控制器的设计必然要体现分层递阶的原则。决策系统。以仿智为核心的智能控制,其控制器的设计必然要体现分层递阶的原则。(5)推理与决策的实时性)推理与决策的实时性对于设计用于工业过程的专家式控制器,这一原则必不可少。对于设计用于工业过程的专家式控制器,这一原则必不可少。这就
66、要求知识库的规模不宜过大,推理机构应简单,以满足工业过程的实时性要求。这就要求知识库的规模不宜过大,推理机构应简单,以满足工业过程的实时性要求。353专家控制器的结构专家控制器的结构专家控制器专家控制器(EC)的基础是知识库的基础是知识库(KB),KB存放工业过程控制的领域知识,由经验数据库存放工业过程控制的领域知识,由经验数据库(DB)和学习与适应装置和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题功能就是根据在线获取的信息,补充或修改知
67、识库内容,改进系统性能,以便提高问题求解能力。求解能力。控制规则集控制规则集(CRS)是对被控过程的各种控制模式和经验的归纳和总结。由于规则条数是对被控过程的各种控制模式和经验的归纳和总结。由于规则条数不多,搜索空间很小,推理机构不多,搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。的条件,满足则执行,否则继续搜索。特征识别与信息处理特征识别与信息处理(FRIP)部分的作用是实现对信息的提取与加工,为控制决策和部分的作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动
68、态过程的特征信息,识别系统的特征状态,并对学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对特征信息作必要的加工。特征信息作必要的加工。36专家控制器的输入集为:专家控制器的输入集为:E = (R, e, Y, U); e = R - Y式中,式中,R为参考控制输入,为参考控制输入,为误差为误差信号,信号,Y为受控输出,为受控输出,U为控制器的输出集。为控制器的输出集。EC的模型可用下式表示:的模型可用下式表示:U = f (E,K,I) 智能算子智能算子f为几个算子的复合运算:为几个算子的复合运算:f=ghpf=ghp其中,其中,g:ES;h:SKI;p:IU g、
69、h、p均为智能算子,其形式为:均为智能算子,其形式为:IFATHENB其中,其中,A为前提或条件,为前提或条件,B为为结论。结论。A与与B之间的关系可以包括解析表达式、之间的关系可以包括解析表达式、Fuzzy关系、因果关系和经验规则等多种关系、因果关系和经验规则等多种形式。形式。B还可以是一个子规则集。还可以是一个子规则集。37模糊控制是一类应用模糊集合理论的控制方法。模糊控制的价值可从两个方面来考虑。模糊控制是一类应用模糊集合理论的控制方法。模糊控制的价值可从两个方面来考虑。一方面,模糊控制提供一种实现基于知识一方面,模糊控制提供一种实现基于知识(基于规则基于规则)的甚至语言描述的控制规律的
70、新机的甚至语言描述的控制规律的新机理。另一方面,模糊控制为非线性控制器提出一个比较容易的设计方法,尤其是当受控理。另一方面,模糊控制为非线性控制器提出一个比较容易的设计方法,尤其是当受控装置(对象或过程)含有不确定性而且很难用常规非线性控制理论处理时,更是有效。装置(对象或过程)含有不确定性而且很难用常规非线性控制理论处理时,更是有效。专家控制系统与模糊逻辑控制系统至少有一点是是相同的,即两者都想要建立人类经验专家控制系统与模糊逻辑控制系统至少有一点是是相同的,即两者都想要建立人类经验和决策行为模型。然而,它们存在一些明显的区别:和决策行为模型。然而,它们存在一些明显的区别:(1)现存的现存的
71、FLC系统源于控制工程而不是人工智能;系统源于控制工程而不是人工智能;(2)FLC模型绝大多数为基于规则系统;模型绝大多数为基于规则系统;(3)FLC的应用领域要比专家控制系统窄;的应用领域要比专家控制系统窄;(4)FLC系统的规则一般不是从人类专家提取,而是由系统的规则一般不是从人类专家提取,而是由FLC的设计者构造的。的设计者构造的。模糊控制系统模糊控制系统381模糊控制器的结构模糊控制器的结构在理论上,模糊控制器由在理论上,模糊控制器由N维关系维关系R表示。关系表示。关系R可视为受约于可视为受约于0,1区间的区间的N个变量的个变量的函数。函数。R是几个是几个N维关系维关系Ri的组合,每个
72、的组合,每个Ri代表一条规则代表一条规则ri:IFTHEN。控制器的输入控制器的输入x被模糊化为一关系被模糊化为一关系X,它对于多输入单输出它对于多输入单输出(MISO)控制时为控制时为(N-1)维。模糊输出维。模糊输出Y可应用可应用合成推理规则进行计算。对模糊输出合成推理规则进行计算。对模糊输出Y进行非模糊化进行非模糊化(模糊判决模糊判决),可得精确的数值输出,可得精确的数值输出y。理论模糊控制器框图理论模糊控制器框图 模糊逻辑控制器的一般结构模糊逻辑控制器的一般结构39自组织模糊控制的结构能够自动获得模糊控制器的规则库。当用自组织模糊控制的结构能够自动获得模糊控制器的规则库。当用FLC控制
73、装置控制装置(对象对象)至至期望响应时,新的条件一出现,规则就被产生和修改。该控制器由性能评价、对象建模、期望响应时,新的条件一出现,规则就被产生和修改。该控制器由性能评价、对象建模、规则库更新和规则库更新和FLC保持等部分组成。保持等部分组成。性能评价性能评价用于分析清晰装置有关性能目标的状态矢量用于分析清晰装置有关性能目标的状态矢量(位置误差位置误差PE和误差变化和误差变化CE),产产生对已辨识过的规则的校正,以补偿任何差劣的性能。生对已辨识过的规则的校正,以补偿任何差劣的性能。校正校正是通过标量来调整规则结是通过标量来调整规则结论的。采用可接受和不可接受阶跃响应相平面轨迹作为性能目标。论
74、的。采用可接受和不可接受阶跃响应相平面轨迹作为性能目标。装置装置(对象对象)模型模型用于考虑装置规则校正时的输入用于考虑装置规则校正时的输入-输出极性。规则库更新部分检查输出极性。规则库更新部分检查哪条或哪些规则可对当前差劣的性能产生响应,并进行校正。自组织模糊控制器在学习哪条或哪些规则可对当前差劣的性能产生响应,并进行校正。自组织模糊控制器在学习试验过程中的连续采样时间内,不断试验过程中的连续采样时间内,不断(迭代迭代)地改善规则库。地改善规则库。自组织模糊控制器的结构自组织模糊控制器的结构402模糊控制器的控制规则模糊控制器的控制规则专家模糊控制器(专家模糊控制器(EFC)容许复杂的分级规
75、则,容许复杂的分级规则,如:如:IF过程状态过程状态THEN中间变量中间变量1IF中间变量中间变量NTHEN控制作用控制作用这里中间变量代表一些稳含的不可测状态,它们能影响所采用的控制作用。这里中间变量代表一些稳含的不可测状态,它们能影响所采用的控制作用。在更复杂层次,在更复杂层次,EFC容许包含策略性知识。因此,就可以确定应用那一低级规则的容许包含策略性知识。因此,就可以确定应用那一低级规则的中级规则,即:中级规则,即:IF过程状态过程状态1THEN应用规则集应用规则集AIF过程状态过程状态NTHEN应用规则集应用规则集B也可有这类规则,它们被用来确定低级规则的某一时间次序。即也可有这类规则
76、,它们被用来确定低级规则的某一时间次序。即:IF过程状态过程状态1THEN应用规则集应用规则集A然后应用规则集然后应用规则集B上面所描述的规则全都是我们称之为上面所描述的规则全都是我们称之为事件事件-驱动规则驱动规则的例子,都以所谓正向链接的的例子,都以所谓正向链接的模式处理。即这些规则只有在过程的状态同预先确定的条件相模式处理。即这些规则只有在过程的状态同预先确定的条件相匹配匹配时才加以应用。时才加以应用。41此外,此外,EFC还容许问题的目标及约束函数作为规则的可能。这些目标驱动还容许问题的目标及约束函数作为规则的可能。这些目标驱动-规则将用于改规则将用于改变控制器的结构,比如说从一种控制
77、模式转换为另一种控制模式。例如,假定希望将过变控制器的结构,比如说从一种控制模式转换为另一种控制模式。例如,假定希望将过程从一个稳定状态驱动到另一个稳定状态程从一个稳定状态驱动到另一个稳定状态(也许是为了响应生产上所需的变化也许是为了响应生产上所需的变化),那么就,那么就需要这类形式的规则:需要这类形式的规则:IF新目标新目标THEN初始化规则组初始化规则组1这里这里新目标新目标是当前目标同新目标之间差是当前目标同新目标之间差别的某种陈述,而别的某种陈述,而初绐化规则组初绐化规则组1则指出应当采用完全不同的低级规则集。则指出应当采用完全不同的低级规则集。新规则新规则(如上述这些规则的引入对如上
78、述这些规则的引入对EFC的结构有重要的结论的结构有重要的结论)必然地使必然地使EFC比比FLC的的应用全部规则应用全部规则的方法要复杂得多。为了应用模糊推理并获得有效的操作效率,就需要某的方法要复杂得多。为了应用模糊推理并获得有效的操作效率,就需要某种形式的多级处理。当然,请注意,随着采用的规则愈精致,高速度和高精度的控制方种形式的多级处理。当然,请注意,随着采用的规则愈精致,高速度和高精度的控制方法就可以用响应时间较长、性能检测精度较差的控制方法来代替。众所周知,人控制器法就可以用响应时间较长、性能检测精度较差的控制方法来代替。众所周知,人控制器在高速度、高精度处理信息方面其能力有限,这就完
79、全同我们采用模糊的基于规则的方在高速度、高精度处理信息方面其能力有限,这就完全同我们采用模糊的基于规则的方法的动机一致。如果精度是目标,那么应采用精确方法,而不要用模糊试探法。法的动机一致。如果精度是目标,那么应采用精确方法,而不要用模糊试探法。总之,总之,EFC提供了一个相当丰富的表达过程控制信息的语言,从而加强了我们处理提供了一个相当丰富的表达过程控制信息的语言,从而加强了我们处理困难困难的控制问题的能力,这也正是模糊逻辑控制器的目的。的控制问题的能力,这也正是模糊逻辑控制器的目的。423模糊控制器的设计方法模糊控制器的设计方法用于模糊控制器的规则和隶属函数往往是试探地确定的;也就是说,它
80、们是在对正在进用于模糊控制器的规则和隶属函数往往是试探地确定的;也就是说,它们是在对正在进行的受控过程作用的直觉理解的基础上,加以人工编码的。曾尽力对规则及其隶属函数行的受控过程作用的直觉理解的基础上,加以人工编码的。曾尽力对规则及其隶属函数进行系统的设计。这方面的例子很多。例如,一个遗传算法被成功地用于优化模糊控制进行系统的设计。这方面的例子很多。例如,一个遗传算法被成功地用于优化模糊控制器,该控制器用于某自主太空飞行器的会合机动飞行。更新的例子是一个联想记忆型神器,该控制器用于某自主太空飞行器的会合机动飞行。更新的例子是一个联想记忆型神经网络,用于倒摆模糊控制器参数的初始离线训练和后续在线
81、应用。还有一种以模糊归经网络,用于倒摆模糊控制器参数的初始离线训练和后续在线应用。还有一种以模糊归纳推理为中心的模糊控制器的设计方法,此法用于动态连续时间过程的定性模拟。纳推理为中心的模糊控制器的设计方法,此法用于动态连续时间过程的定性模拟。有下列几种模糊控制器的设计方法:有下列几种模糊控制器的设计方法:(1)语言相平面法;语言相平面法;(2)专家系统法;专家系统法;(3)CAD环境工具;环境工具;(4)遗传优化算法等。遗传优化算法等。以上各种方法都是结合具体的控制器,如模糊以上各种方法都是结合具体的控制器,如模糊PID控制器,进行研究的。控制器,进行研究的。43学习控制系统是一个能在其运行过
82、程中逐步获得受控过程及环境的非预知信息,积累控学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息,积累控制经验,并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制制经验,并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制系统。系统。1.学习控制的发展及研究课题学习控制的发展及研究课题(1)学习控制的发展)学习控制的发展对学习机的设想与研究始于对学习机的设想与研究始于50年代,学习机是一种模拟人的记忆与条件反射的自动年代,学习机是一种模拟人的记忆与条件反射的自动装置。学习机的概念是与控制论同时出现的。下棋机是学习机器早期研究阶段的成功例装置。
83、学习机的概念是与控制论同时出现的。下棋机是学习机器早期研究阶段的成功例子。子。60年代发展了自适应和自学习等方法,并开始研究双重控制和人工神经网络的学习年代发展了自适应和自学习等方法,并开始研究双重控制和人工神经网络的学习控制理论,其控制原理是建立在模式识别方法的基础上的。另一类基于模式识别的学习控制理论,其控制原理是建立在模式识别方法的基础上的。另一类基于模式识别的学习控制方法把线性再励技术用于学习控制系统。研究基于模式识别的学习控制的第三种方控制方法把线性再励技术用于学习控制系统。研究基于模式识别的学习控制的第三种方法是利用法是利用Bayes学习估计方法。学习估计方法。80年代由于基于模式
84、识别的学习控制方法存在收敛速度慢、占用内存大、分类器选年代由于基于模式识别的学习控制方法存在收敛速度慢、占用内存大、分类器选择涉及训练样本的构造以及特征选择与提取较难等具体实现问题,反复学习控制及重复择涉及训练样本的构造以及特征选择与提取较难等具体实现问题,反复学习控制及重复学习控制,在学习控制,在80年代被提出来,并获得发展。年代被提出来,并获得发展。学习控制系统学习控制系统44(2)学习控制的研究课题)学习控制的研究课题学习控制具有学习控制具有4个主要功能,搜索、识别、记忆、推理。在学习系统研制初期,对搜个主要功能,搜索、识别、记忆、推理。在学习系统研制初期,对搜索和识别方面研究较多,而对
85、记忆和推理的研究还是薄弱环节。傅京孙指出:几乎所有索和识别方面研究较多,而对记忆和推理的研究还是薄弱环节。傅京孙指出:几乎所有的学习算法都具有相似的学习特性。较复杂的在线学习技术的实现需要高速度和大容量的学习算法都具有相似的学习特性。较复杂的在线学习技术的实现需要高速度和大容量的计算机。对于运行在随机环境中的系统,必须用在线学习方法,但在线学习比离线学的计算机。对于运行在随机环境中的系统,必须用在线学习方法,但在线学习比离线学习需要更长的时间。在很多情况下都是两种方法结合使用,先用离线方法尽可能获取先习需要更长的时间。在很多情况下都是两种方法结合使用,先用离线方法尽可能获取先验信息,然后再进行
86、在线学习控制。此外,他还提出了需要进一步深入的课题:验信息,然后再进行在线学习控制。此外,他还提出了需要进一步深入的课题:(a)在非稳定环境中的学习在非稳定环境中的学习大多数学习算法仅在稳定的环境中有效,若把一个非稳定环境近似为若干个稳定的大多数学习算法仅在稳定的环境中有效,若把一个非稳定环境近似为若干个稳定的环境,则可应用模式识别等技术加以解决。环境,则可应用模式识别等技术加以解决。(b)提高学习效率提高学习效率多数算法都需要较长时间,不适于快速响应系统的控制,可增加有利的先验知识加多数算法都需要较长时间,不适于快速响应系统的控制,可增加有利的先验知识加以改进。以改进。45(c)结束规则结束
87、规则(stoppingrule)若系统已达到指定的要求,则需要有适当的结束规则,以缩短学习时间。若系统已达到指定的要求,则需要有适当的结束规则,以缩短学习时间。(d)学习系统的多级结构学习系统的多级结构对不同复杂程度的环境信息分别用不同的学习算法处理,且处于不同层次,高一级中对不同复杂程度的环境信息分别用不同的学习算法处理,且处于不同层次,高一级中的学习品质取决于低一级中一个或几个学习机构所获得的信息。的学习品质取决于低一级中一个或几个学习机构所获得的信息。(e)把模糊数学用于学习系统把模糊数学用于学习系统(f)直觉推理的应用直觉推理的应用很多很多(包括复杂的包括复杂的)控制问题,有时只需要用
88、直觉推理方法就可解决。控制问题,有时只需要用直觉推理方法就可解决。(g)文法推理文法推理近年来,控制理论正向广度和深度发展,把人工智能技术应用于自动控制取得了可喜近年来,控制理论正向广度和深度发展,把人工智能技术应用于自动控制取得了可喜的成果。的成果。Saridis提出了很多有关学习控制的新的思想方法。提出了很多有关学习控制的新的思想方法。Astrom等在以等在以专家控制专家控制为为题的开拓性论文中指出,用专家系统的方法实现工程控制中存在的很多启发式逻辑推理,题的开拓性论文中指出,用专家系统的方法实现工程控制中存在的很多启发式逻辑推理,可使常规控制系统得到简化,并获得新的功能。日本学者田口英郎
89、对人在对象特性变化时可使常规控制系统得到简化,并获得新的功能。日本学者田口英郎对人在对象特性变化时的适应控制能力进行了研究,用学习控制方法得出了双控制策略,模拟了人在学习控制中的适应控制能力进行了研究,用学习控制方法得出了双控制策略,模拟了人在学习控制中控制模型的变化,以及异常检验、操作保持和特征辨识等特点。但他单纯地全部模拟人的控制模型的变化,以及异常检验、操作保持和特征辨识等特点。但他单纯地全部模拟人的行为的方法,也引入了一些不良的因素行为的方法,也引入了一些不良的因素。462学习控制的设计原则学习控制的设计原则传统控制所面临的难题之一,就是由于对被控制对象数学模型的依赖性太强和理论推导传
90、统控制所面临的难题之一,就是由于对被控制对象数学模型的依赖性太强和理论推导的假设条件太严格,不适于实际应用。那么,如何在今后的生产过程自动化中应用学习的假设条件太严格,不适于实际应用。那么,如何在今后的生产过程自动化中应用学习控制的方法呢?最有效的途径仍是仿人和吸收人工智能的研究成果。近年来,仿人智能控制的方法呢?最有效的途径仍是仿人和吸收人工智能的研究成果。近年来,仿人智能控制器的研究已初见成效。智能控制算法的基本思想是仿人的学习、在线特征辨识、特控制器的研究已初见成效。智能控制算法的基本思想是仿人的学习、在线特征辨识、特征记忆、直觉推理和多模态控制策略等,而在结构上是分层的。征记忆、直觉推
91、理和多模态控制策略等,而在结构上是分层的。47一个通用的仿人智能控制器(一个通用的仿人智能控制器(SHIC)应具有在线特征辨识的分层递阶结构应具有在线特征辨识的分层递阶结构。主控制器。主控制器MC和协调器和协调器K构成运行控制级;自校正器构成运行控制级;自校正器ST构成控制参数自校正器;自学习器构成控制参数自校正器;自学习器SL构成控构成控制规则组织级。制规则组织级。MC、ST和和SL分别具有各自的在线特征辨识器分别具有各自的在线特征辨识器CI、规则库规则库RB和推理机和推理机IE,SL还有作为学习评价标准的性能指标库还有作为学习评价标准的性能指标库PB。3个层级公用一个公共数据库个层级公用一
92、个公共数据库CDB,以进以进行密切联系和快速通讯。各层级的信息处理和决策过程分别由行密切联系和快速通讯。各层级的信息处理和决策过程分别由3个三元序列个三元序列A,CM,F、B,TM,H和和C,LM,L描述。描述。来自指令来自指令R、系统输出系统输出和偏差和偏差E等在线信息,分别送到等在线信息,分别送到MC和和ST的的CI1和和CI2,与相应的与相应的特征模型特征模型A(系统动态运行特征集)及系统动态运行特征集)及B(系统动态特性变化特征集)进行比较和辩识,系统动态特性变化特征集)进行比较和辩识,并通过并通过IE1和和IE2内的产生式规则集内的产生式规则集F和和H映射到控制模式集映射到控制模式集
93、CM和参数校正集和参数校正集TM上,产生上,产生控制输出控制输出U和校正参数和校正参数M。U经协调器经协调器K形成受控对象形成受控对象G的输入向量的输入向量U,而,而M则输入到则输入到CDB,以取代原控制参数以取代原控制参数M。48对于执行控制级的对于执行控制级的MC和参数校正级的和参数校正级的ST,A,CM,F和和B,TM,H均为由设计者均为由设计者赋给的或由赋给的或由SL形成的先验知识,分别存放在规则库形成的先验知识,分别存放在规则库RB1、RB2和和CDB中。中。SL中的中的RB3是是控制器的总数据库,用于存放控制专家经验集控制器的总数据库,用于存放控制专家经验集C,LM,L,它包含它包
94、含A,CM,F和和B,TM,H,选择、修改和生成规则以及学习效果的评判规则。其中,存放的性能指选择、修改和生成规则以及学习效果的评判规则。其中,存放的性能指标包括总指标集标包括总指标集PA和子指标集和子指标集PB。PA由用户给定,由用户给定,PB则为则为PA的分解子集,由的分解子集,由CI3的特的特征辨识结果选择与组合,作为不同阶段和不同类型对象学习的依据。征辨识结果选择与组合,作为不同阶段和不同类型对象学习的依据。学习过程分为启动学习和运行学习两种。启动学习过程是控制器起动后初始运行的学习,学习过程分为启动学习和运行学习两种。启动学习过程是控制器起动后初始运行的学习,它反复依据当前特征状态它
95、反复依据当前特征状态C,前段运行效果的特征记忆前段运行效果的特征记忆D以及相应问题求解的子指标集以及相应问题求解的子指标集PB之间的关系,确定之间的关系,确定MC的的A,CM,F和和ST的的B,TM,H,即:即:IFTHENA,CM,FANDB,TM,H运行学习过程是指控制运行中对象类型变化时的自学习过程。首先,运行学习过程是指控制运行中对象类型变化时的自学习过程。首先,SL从反映对象类型从反映对象类型变化的特征集变化的特征集C确定出新的子指标集确定出新的子指标集PB,然后依据特征记忆然后依据特征记忆D来增删或修改来增删或修改A,CM,F和和B,TM,H,即:即:IFCTHENPBIFTHEN
96、A,CM,FANDB,TM,H49学习过程结束后,学习过程结束后,ST就停止工作,处于监视状态。对于受控对象类型不变时参数和环境就停止工作,处于监视状态。对于受控对象类型不变时参数和环境的不确定性变化,由的不确定性变化,由MC和和ST来实现快速自校正。来实现快速自校正。仿人智能控制器实时运行时,实现高品质、快速自适应和自学习控制的关键在于在仿人智能控制器实时运行时,实现高品质、快速自适应和自学习控制的关键在于在线信息处理和决策的速度。为此,需要从硬件和软件两方面来解决。硬件方面除采用高线信息处理和决策的速度。为此,需要从硬件和软件两方面来解决。硬件方面除采用高速微处理芯片外,可设计并行运算的多
97、速微处理芯片外,可设计并行运算的多CPU控制技术来支持分层递阶信息处理和决策机控制技术来支持分层递阶信息处理和决策机制。软件方面则要充分发挥特征辨识、特征记忆和直觉推理等作用,减少规则数,缩小制。软件方面则要充分发挥特征辨识、特征记忆和直觉推理等作用,减少规则数,缩小搜索空间,以减少信息处理量。搜索空间,以减少信息处理量。按照上述智能控制器的设计思想,学习控制系统的设计应遵循下列基本原则:按照上述智能控制器的设计思想,学习控制系统的设计应遵循下列基本原则:(1)控制系统应具有分层信息处理和决策能力。控制系统应具有分层信息处理和决策能力。(2)控制器应具有在线特征辨识和特征记忆的功能。当被控对象
98、的数学模型不完全清控制器应具有在线特征辨识和特征记忆的功能。当被控对象的数学模型不完全清楚,且处于快速瞬变过程时,现有的系统辨识算法难以满足实时控制的要求。而在仿人楚,且处于快速瞬变过程时,现有的系统辨识算法难以满足实时控制的要求。而在仿人智能控制中,往往只需要有限的反映受控对象特性的动态特征量,就能满足控制要求。智能控制中,往往只需要有限的反映受控对象特性的动态特征量,就能满足控制要求。另外,通过特征记忆,可以积累有用的信息,使控制决策更有预见性。另外,通过特征记忆,可以积累有用的信息,使控制决策更有预见性。(3)控制器应具有多模态控制。在研究人的手动控制行为时可以发现,人的控制策略控制器应
99、具有多模态控制。在研究人的手动控制行为时可以发现,人的控制策略是多模态的和开闭环结合的控制方式。仿人控制具有类似的控制方式。是多模态的和开闭环结合的控制方式。仿人控制具有类似的控制方式。(4)应用直觉推理逻辑,使控制器的决策更灵活和迅速,以提高自学习效率。应用直觉推理逻辑,使控制器的决策更灵活和迅速,以提高自学习效率。50基于人工神经网络的控制基于人工神经网络的控制(ANN-basedcontrol),简称神经控制简称神经控制(neuralcontrol),是智是智能控制的一个崭新研究方向,可能成为智能控制的能控制的一个崭新研究方向,可能成为智能控制的“后起之秀后起之秀”。1.神经网络的发展神
100、经网络的发展(1)神经网络的发展简介)神经网络的发展简介自自1960年威德罗年威德罗(Widrow)和霍夫和霍夫(Hoff)率先把神经网络用于自动控制研究以来,对率先把神经网络用于自动控制研究以来,对这一课题的研究艰难地取得一些进展。这一课题的研究艰难地取得一些进展。60年代末期至年代末期至80年代中期,神经网络控制与整个神经网络研究一样,处于低潮。年代中期,神经网络控制与整个神经网络研究一样,处于低潮。80年代后期以来,随着人工神经网络研究的复苏和发展,对神经网络控制的研究也年代后期以来,随着人工神经网络研究的复苏和发展,对神经网络控制的研究也十分活跃。这方面的研究进展主要在神经网络自适应控
101、制和模糊神经网络控制及其在机十分活跃。这方面的研究进展主要在神经网络自适应控制和模糊神经网络控制及其在机器人控制中的应用上。器人控制中的应用上。神经控制系统神经控制系统 51(2)神经网络的特性)神经网络的特性尽管我们尚无法肯定神经网络控制理论及其应用研究将会有什么大的突破性成果;尽管我们尚无法肯定神经网络控制理论及其应用研究将会有什么大的突破性成果;但是,可以确信的是,神经控制是个很有希望的研究方向。这不但是由于神经网络技术但是,可以确信的是,神经控制是个很有希望的研究方向。这不但是由于神经网络技术和计算机技术的发展为神经控制提供了技术基础,而且还由于神经网络具有一些适合于和计算机技术的发展
102、为神经控制提供了技术基础,而且还由于神经网络具有一些适合于控制的特性和能力。这些特性和能力包括:控制的特性和能力。这些特性和能力包括:(a)神经网络对信息的并行处理能力和快速性,适于实时控制和动力学控制。神经网络对信息的并行处理能力和快速性,适于实时控制和动力学控制。(b)神经网络的本质非线性特性,为非线性控制带来新的希望。神经网络的本质非线性特性,为非线性控制带来新的希望。(c)神经网络可通过训练获得学习能力,能够解决那些用数学模型或规则描述难以神经网络可通过训练获得学习能力,能够解决那些用数学模型或规则描述难以处理或无法处理的控制过程。处理或无法处理的控制过程。(d)神经网络具有很强的自适
103、应能力和信息综合能力,因而能够同时处理大量的不神经网络具有很强的自适应能力和信息综合能力,因而能够同时处理大量的不同类型的控制输入,解决输入信息之间的互补性和冗余性问题,实现信息熔合处理。这同类型的控制输入,解决输入信息之间的互补性和冗余性问题,实现信息熔合处理。这特别适用于复杂系统、大系统和多变量系统的控制。特别适用于复杂系统、大系统和多变量系统的控制。522神经元及其特性神经元及其特性连接机制结构的基本处理单元与神经生理学类比往往称为神经元。每个构造起网络的神连接机制结构的基本处理单元与神经生理学类比往往称为神经元。每个构造起网络的神经元模型模拟一个生物神经元,如图所示。该神经元单元由多个
104、输入经元模型模拟一个生物神经元,如图所示。该神经元单元由多个输入xi,i=1,2,.,n和一和一个输出个输出y组成。中间状态由输入信号的权和表示,而输出为:组成。中间状态由输入信号的权和表示,而输出为:53式中,式中,j为神经元单元的偏置(阈值),为神经元单元的偏置(阈值),wji为连接权系数(对于激发状态,为连接权系数(对于激发状态,wji取正值,取正值,对于抑制状态,对于抑制状态,wji取负值),取负值),n为输入信号数目,为输入信号数目,yj为神经元输出,为神经元输出,t为时间,为时间,f()为输出为输出变换函数,有时叫做激发或激励函数,往往采用变换函数,有时叫做激发或激励函数,往往采用
105、0和和1二值函数或二值函数或S形函数,见形函数,见下下图,这三图,这三种函数都是连续和非线性的。其解析式分别为种函数都是连续和非线性的。其解析式分别为543神经网络学习控制神经网络学习控制由于受控系统的动态特性是未知的或者仅有部分是已知的,因此需要寻找某些支配系统由于受控系统的动态特性是未知的或者仅有部分是已知的,因此需要寻找某些支配系统动作和行为的规律,使得系统能被有效地控制。在有些情况下,可能需要设计一种能够动作和行为的规律,使得系统能被有效地控制。在有些情况下,可能需要设计一种能够模仿人类作用的自动控制器。基于规则的专家控制和模糊控制是实现这类控制的两种方模仿人类作用的自动控制器。基于规
106、则的专家控制和模糊控制是实现这类控制的两种方法,而神经网络(法,而神经网络(NN)控制是另一种方法,我们称它为基于神经网络的学习控制、监督控制是另一种方法,我们称它为基于神经网络的学习控制、监督式神经控制,或式神经控制,或NN监督式控制。监督式控制。如如图图所示所示给出一个给出一个NN学习控制的结构,图中,包括一学习控制的结构,图中,包括一个导师(监督程序)和一个可训练的神经网络控制器(个导师(监督程序)和一个可训练的神经网络控制器(NNC)。)。控制器的输入对应于由控制器的输入对应于由人接收(收集)的传感输入信息,而用于训练的输出对应于人对系统的控制输入。人接收(收集)的传感输入信息,而用于
107、训练的输出对应于人对系统的控制输入。55实现实现SNC包括下列步骤:包括下列步骤:(1)通过传感器及传感信息处理获取必要的和有用的控制信息;通过传感器及传感信息处理获取必要的和有用的控制信息;(2)构造神经网络,包括选择合适的神经网络类型、结构参数和学习算法等;构造神经网络,包括选择合适的神经网络类型、结构参数和学习算法等;(3)训练训练NN控制器,实现输入和输出间的映射,以便进行正确的控制。在训练过控制器,实现输入和输出间的映射,以便进行正确的控制。在训练过程中,可采用线性律、反馈线性化或解耦变换的非线性反馈作为导师(监督程序)来训程中,可采用线性律、反馈线性化或解耦变换的非线性反馈作为导师
108、(监督程序)来训练练NN控制器。控制器。NN监督式控制已被用于标准的倒摆小车控制系统。监督式控制已被用于标准的倒摆小车控制系统。564神经网络非线性控制神经网络非线性控制神神经网络非线性控制具有多种结构,例如内模控制、非线性预测控制和级联多层回转网经网络非线性控制具有多种结构,例如内模控制、非线性预测控制和级联多层回转网络非线性控制等。络非线性控制等。如如图表示图表示NN预测控制的一种结构方案。预测控制的一种结构方案。预测控制又称为基于模型的控制,它是预测控制又称为基于模型的控制,它是70年代发展起来的一种新的控制算法,其算法的年代发展起来的一种新的控制算法,其算法的本质是预测模型、滚动优化和
109、反馈校正。预测模型用于描述控制对象的动态行为,根据本质是预测模型、滚动优化和反馈校正。预测模型用于描述控制对象的动态行为,根据系统当前输入和输出信息以及未来输出信息,预测未来的输出值。由于神经网络模型能系统当前输入和输出信息以及未来输出信息,预测未来的输出值。由于神经网络模型能够足够精确地描述动态过程,所以可用作基本模型,使控制器具有更强的鲁棒性。够足够精确地描述动态过程,所以可用作基本模型,使控制器具有更强的鲁棒性。575神经网络自适应控制神经网络自适应控制对于复杂的控制对象和环境,希望控制器能够根据受控对象行为的观测量,自适应地控对于复杂的控制对象和环境,希望控制器能够根据受控对象行为的观
110、测量,自适应地控制对象至期望要求。神经网络自适应控制器能够通过学习,不断获取控制对象的知识,制对象至期望要求。神经网络自适应控制器能够通过学习,不断获取控制对象的知识,且不断适应过程的变化。且不断适应过程的变化。模型参考自适应控制模型参考自适应控制(MRAC)是应用较广的自适应控制,而且多采用间接控制方式。间接是应用较广的自适应控制,而且多采用间接控制方式。间接控制对应于神经网络中的泛化学习,即利用受控对象的输入数据来学习对象的逆系统或控制对应于神经网络中的泛化学习,即利用受控对象的输入数据来学习对象的逆系统或预报模型。在训练时,随意地产生控制器的输出信号,传送至对象,由该输出信号和对预报模型
111、。在训练时,随意地产生控制器的输出信号,传送至对象,由该输出信号和对象的实际输出来训练控制器,使控制器最终能够产生正确的控制信号,以求对象的输出象的实际输出来训练控制器,使控制器最终能够产生正确的控制信号,以求对象的输出尽可能地接近期望轨迹。为了使泛化学习具有自适应能力,可把它与尽可能地接近期望轨迹。为了使泛化学习具有自适应能力,可把它与MRAC结合构成神结合构成神经网络经网络MRAC控制,即神经网络间接自适应控制;如图所示。图中,控制,即神经网络间接自适应控制;如图所示。图中,TDL为延时线,对为延时线,对当前信号进行一定的延时。神经网络当前信号进行一定的延时。神经网络Ni是对非线性对象的识
112、别,它利用当前及先前时刻是对非线性对象的识别,它利用当前及先前时刻对象的输入输出数据来预报下一步对象的输出。对象的输入输出数据来预报下一步对象的输出。58引入神经网络引入神经网络Ni后,如果辨识的模型中当前控制器后,如果辨识的模型中当前控制器u(k)是显式的非线性映射,那么可直接是显式的非线性映射,那么可直接由辨识模型构成控制器。如果当前控制由辨识模型构成控制器。如果当前控制u(k)不便表达,那么需要再引入一个神经网络不便表达,那么需要再引入一个神经网络Nc进行训练,直至获得明显的非线性映射为止。进行训练,直至获得明显的非线性映射为止。596其它神经网络控制其它神经网络控制除上述各种神经网络控
113、制器外,还有神经网络鲁棒自适应控制、模糊神经网络控制、神除上述各种神经网络控制器外,还有神经网络鲁棒自适应控制、模糊神经网络控制、神经网络变结构控制、神经网络自寻优控制和神经网络自校正控制等控制结构。经网络变结构控制、神经网络自寻优控制和神经网络自校正控制等控制结构。神经网络控制已获一定应用,特别是在过程控制、小车倒摆系统控制和机器人控制神经网络控制已获一定应用,特别是在过程控制、小车倒摆系统控制和机器人控制等方面的应用尤多。等方面的应用尤多。60智能控制领域内的几种典型方法(如模糊控制、专家控制、神经网络控智能控制领域内的几种典型方法(如模糊控制、专家控制、神经网络控制等),这些控制方法无需
114、精确的数学模型描述。而且,可根据有关对制等),这些控制方法无需精确的数学模型描述。而且,可根据有关对象的大量先验知识,然后通过一定的方法(如学习、训练等)将这些先象的大量先验知识,然后通过一定的方法(如学习、训练等)将这些先验知识转化为控制器的知识。但构造一个自学习系统决非易事。因此,验知识转化为控制器的知识。但构造一个自学习系统决非易事。因此,寻找一种更为通用的学习和适应机制是智能控制的重要研究方向,进化寻找一种更为通用的学习和适应机制是智能控制的重要研究方向,进化控制就是一种有意的尝试。控制就是一种有意的尝试。进化控制系统进化控制系统611.结构描述结构描述移动机器人的自主导航进化控制系统
115、如图所示,主要包括离线进化算法模块、在线进化移动机器人的自主导航进化控制系统如图所示,主要包括离线进化算法模块、在线进化算法模块、路径选择、基本地图、姿态控制等模块。其中,离线进化算法与在线进化算算法模块、路径选择、基本地图、姿态控制等模块。其中,离线进化算法与在线进化算法的结构形式基本相同,不同之处在于参数的选取,不同的参数决定于在线模块与离线法的结构形式基本相同,不同之处在于参数的选取,不同的参数决定于在线模块与离线模块的不同目标。离线进化算法模块强调的是路径的优化,在线模块的目的在于迅速地模块的不同目标。离线进化算法模块强调的是路径的优化,在线模块的目的在于迅速地产生一条可行路径。值得指
116、出的是离线进化算法模块与在线进化算法模块执行的都是全产生一条可行路径。值得指出的是离线进化算法模块与在线进化算法模块执行的都是全局路径规划,在线模块的运行基于由感知器更新的环境知识。特别是当开始运行时,如局路径规划,在线模块的运行基于由感知器更新的环境知识。特别是当开始运行时,如果不知道环境中是否存在障碍物,那么离线模块直接产生从起始点到目标的路径,然后果不知道环境中是否存在障碍物,那么离线模块直接产生从起始点到目标的路径,然后由在线模块引导机器人朝着目标前进,同时避开未知的或新出现的障碍。由在线模块引导机器人朝着目标前进,同时避开未知的或新出现的障碍。62632.进化控制器的设计进化控制器的
117、设计首先讨论离线规划的设计与运行过程首先讨论离线规划的设计与运行过程移动机器人自主导航的控制问题可以由提出的进化控制移动机器人自主导航的控制问题可以由提出的进化控制6元组描述,即:元组描述,即:需要着重指出的是,进化控制的思想精髓是实现进化机制与需要着重指出的是,进化控制的思想精髓是实现进化机制与反馈控制的有机结合。因此,工作的重点和目标就是要在进化控制反馈控制的有机结合。因此,工作的重点和目标就是要在进化控制6元组表示的系统所包元组表示的系统所包含的进化机制中有效地融入各种反馈信息,使整个系统的调节过程体现进化控制的特征。含的进化机制中有效地融入各种反馈信息,使整个系统的调节过程体现进化控制
118、的特征。(1)Ta的描述的描述Ta在这里可以描述为:在给定起始点和目标点之后,移动机器人在已知或未知的环在这里可以描述为:在给定起始点和目标点之后,移动机器人在已知或未知的环境中按某种性能指标(如路径最短)寻找一条可行的安全路径,并沿着这条路径到达目境中按某种性能指标(如路径最短)寻找一条可行的安全路径,并沿着这条路径到达目标。标。64(2)P的设计的设计进化控制进化控制6元组中的元组中的P表示对系统解空间的一种描述。针对移动机器人导航问题,表示对系统解空间的一种描述。针对移动机器人导航问题,P表示的是从起始点到目标点的路径。定义机器人移动路径由起始位置至目标位置的一条表示的是从起始点到目标点
119、的路径。定义机器人移动路径由起始位置至目标位置的一条或多条线段连接而成,两条线段的交汇点定义为节点。一条可行路径由可行节点组成,或多条线段连接而成,两条线段的交汇点定义为节点。一条可行路径由可行节点组成,一条不可行路径至少包含一个不可行节点,该不可行节点要么落在障碍区内,要么由于一条不可行路径至少包含一个不可行节点,该不可行节点要么落在障碍区内,要么由于障碍物的存在而不能与路径上的另一节点相连。由顺序相连的节点组成的基因表示一条障碍物的存在而不能与路径上的另一节点相连。由顺序相连的节点组成的基因表示一条路径路径。mi表示节点的坐标值,表示节点的坐标值,bi表示节点是否可行的状态。需要指出的是,
120、每个基因包含的节表示节点是否可行的状态。需要指出的是,每个基因包含的节点数目可变,这就为路径的调整提供了一种灵活的机制。用节点状态点数目可变,这就为路径的调整提供了一种灵活的机制。用节点状态bi提供对路径可行提供对路径可行性的一种评价,是一个重要的反馈信息。性的一种评价,是一个重要的反馈信息。65(3)F的设计的设计进化控制进化控制6元组中的元组中的F表示进化算法的适应度函数。适应度函数是实现将给定任务转表示进化算法的适应度函数。适应度函数是实现将给定任务转化为系统控制目标的关键环节。在化为系统控制目标的关键环节。在F的设计中尤其要注意利用反馈信息,这里的反馈主要的设计中尤其要注意利用反馈信息
121、,这里的反馈主要体现在环境障碍信息的反馈。体现在环境障碍信息的反馈。根据对路径反馈信息的判断,可以分为两种状态:可行与不可行,因此用根据对路径反馈信息的判断,可以分为两种状态:可行与不可行,因此用evalf和和evalu分别对可行路径与不可行路径进行评价。分别对可行路径与不可行路径进行评价。在设计在设计evalf时主要考虑了总的距离、光滑度和安全度等几个因素。总的距离反映了整个时主要考虑了总的距离、光滑度和安全度等几个因素。总的距离反映了整个过程的代价;安全度建立在对环境障碍反馈信息与当前机器人位置比较的基础上;光滑过程的代价;安全度建立在对环境障碍反馈信息与当前机器人位置比较的基础上;光滑度
122、满足实际跟踪控制的需要。可以有许多定义度满足实际跟踪控制的需要。可以有许多定义evalf的方法,为了简便起见,这里采用它的方法,为了简便起见,这里采用它们的线性组合方式,其表达式如下:们的线性组合方式,其表达式如下:evalf=dist(p)+(p)+(p)其中:其中:dist(p)、(p)、(p)分别代表路径长度、光滑度和安全度,分别代表路径长度、光滑度和安全度,、为系数。这里为系数。这里的目标是要使的目标是要使evalf取极小。取极小。66在在evalu的设计中考虑了几个因素,如路径与障碍物的相交次数的反馈信息,每条线段与的设计中考虑了几个因素,如路径与障碍物的相交次数的反馈信息,每条线段
123、与障碍物的平均相交次数等。其表达形式如下式所示。障碍物的平均相交次数等。其表达形式如下式所示。evalu=x+其中,其中,x代表整个路径与障碍物的相交次数,代表整个路径与障碍物的相交次数,代表每条线段与障碍物的平均相交次数,代表每条线段与障碍物的平均相交次数,为了实现上的方便,在总的路径排序时,规定任何一条可行路径的适应值大于不可行路为了实现上的方便,在总的路径排序时,规定任何一条可行路径的适应值大于不可行路径的适应值。径的适应值。(4)的设计的设计6元组中的元组中的表示进化机制中的操作算子。这是一个与领域问题密切相关的设计过程。表示进化机制中的操作算子。这是一个与领域问题密切相关的设计过程。
124、我们根据问题的实际情况,在算法设计中,除了引进进化算法所必须的几种操作,如变我们根据问题的实际情况,在算法设计中,除了引进进化算法所必须的几种操作,如变异、选择等之外,还增加了旨在加强反馈信息的进化算子,如节点的移动、删除、增加、异、选择等之外,还增加了旨在加强反馈信息的进化算子,如节点的移动、删除、增加、平滑等操作。各种操作算子具体描述如下:平滑等操作。各种操作算子具体描述如下:(a)变异操作算子变异操作算子在路径上随机选一个节点(非起点和终点),将此节点的在路径上随机选一个节点(非起点和终点),将此节点的y坐标用随机产生的值代之,坐标用随机产生的值代之,x坐标用原来的坐标用原来的x坐标附近
125、的一个随机值代之。坐标附近的一个随机值代之。将种群中的个体按适应度的变化情况分成两类:连续三代适应度不增加的个体为一将种群中的个体按适应度的变化情况分成两类:连续三代适应度不增加的个体为一类,其他的个体归为另一类,对前一类取较大的变异概率,相反地对后一类取较小的变类,其他的个体归为另一类,对前一类取较大的变异概率,相反地对后一类取较小的变异概率。异概率。67(b)删除操作算子删除操作算子删除一个节点,要求产生的新线段与障碍物不相交。删除一个节点,要求产生的新线段与障碍物不相交。(c)切角操作算子切角操作算子将将夹角夹角平滑化。路径上一个节点处夹角平滑化。路径上一个节点处夹角的大小反映了这个节点
126、处的光滑性。的大小反映了这个节点处的光滑性。(d)修理修理/插入操作算子插入操作算子使路径避开障碍物。如果两个相邻节点组成的线段与障碍物相交,则试增加两个新使路径避开障碍物。如果两个相邻节点组成的线段与障碍物相交,则试增加两个新节点,要求此两个新节点组成的线段与障碍物不相交;若仍不可行,则增加一个不在障节点,要求此两个新节点组成的线段与障碍物不相交;若仍不可行,则增加一个不在障碍物内的新节点,这样逐步绕过障碍物。碍物内的新节点,这样逐步绕过障碍物。(e)交换操作算子交换操作算子交换两个相邻节点的先后顺序。交换两个相邻节点的先后顺序。(f)选择操作算子选择操作算子为了使算法收敛,采用精英选择法。
127、选择每代中一定数量的最优个体,使之直接进为了使算法收敛,采用精英选择法。选择每代中一定数量的最优个体,使之直接进入下一代。这样可以防止优秀个体由于复制、或变异中的偶然因素而被破坏掉。入下一代。这样可以防止优秀个体由于复制、或变异中的偶然因素而被破坏掉。(g)U及及Y的描述的描述6元组中的元组中的U为待求的控制器为待求的控制器-即即X中的最优个体(最优路径),中的最优个体(最优路径),Y为环境的反馈信息。为环境的反馈信息。68(h)离线规划运行过程离线规划运行过程离线规划的目标是在先验环境地图的基础上产生一条从起始点到目标点的路径,其离线规划的目标是在先验环境地图的基础上产生一条从起始点到目标点
128、的路径,其进化过程中的各种环境的反馈信息均是基于先验地图的虚拟过程,若环境信息完全未知,进化过程中的各种环境的反馈信息均是基于先验地图的虚拟过程,若环境信息完全未知,离线设计过程则直接返回从起始点到目标点的一条路径。否则按如下过程求解离线设计过程则直接返回从起始点到目标点的一条路径。否则按如下过程求解U。在线运行过程与离线过程遵循相同的范式,即它的在线运行过程与离线过程遵循相同的范式,即它的6元组中各要素的设计与离线形式完全元组中各要素的设计与离线形式完全相同,区别之处在于它接受的是实际的反馈信息,并且每次调节时,相同,区别之处在于它接受的是实际的反馈信息,并且每次调节时,X的起始点均为当前的
129、起始点均为当前机器人的实际位置值。机器人的实际位置值。由于离线与在线运行的运行流程形式一致,因此可以很方便地统一在同一程序结构由于离线与在线运行的运行流程形式一致,因此可以很方便地统一在同一程序结构中。中。69小小 结结 本章在评述了智能控制的发展过程并给出智能控制的定义之后,着重讨本章在评述了智能控制的发展过程并给出智能控制的定义之后,着重讨论了智能控制的结构理论与特点;另外重点讨论了智能控制系统的原理与构论了智能控制的结构理论与特点;另外重点讨论了智能控制系统的原理与构成,并分别介绍了分级递阶智能控制、专家控制、模糊控制、学习控制和神成,并分别介绍了分级递阶智能控制、专家控制、模糊控制、学
130、习控制和神经网络控制等基本内容。经网络控制等基本内容。 智能控制是一门形成不久的年轻学科,无论在理论上或应用上,还不够智能控制是一门形成不久的年轻学科,无论在理论上或应用上,还不够成熟、不够完善,有待于进一步研究和发展。成熟、不够完善,有待于进一步研究和发展。70第七章第七章 人工智能的争论与展望人工智能的争论与展望对人工智能理论的争论对人工智能理论的争论1 1、符号主义:、符号主义:符号主义符号主义认为人的认知基元是符号,而且认知过程即符号操作过程。它认为人是一认为人的认知基元是符号,而且认知过程即符号操作过程。它认为人是一个物理符号系统,计算机也是一个物理符号系统,因此,我们就能够用计算机
131、来模拟人个物理符号系统,计算机也是一个物理符号系统,因此,我们就能够用计算机来模拟人的智能行为,即用计算机的符号操作来模拟人的认知过程。也就是说,人的思维是可操的智能行为,即用计算机的符号操作来模拟人的认知过程。也就是说,人的思维是可操作的。它还认为,知识是信息的一种形式,是构成智能的基础。人工智能的核心问题是作的。它还认为,知识是信息的一种形式,是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示,也可用符号进行推理,因而有可知识表示、知识推理和知识运用。知识可用符号表示,也可用符号进行推理,因而有可能建立起基于知识的人类智能和机器智能的统一理论体系。能建立起
132、基于知识的人类智能和机器智能的统一理论体系。 人工智能的争论人工智能的争论712 2、联结主义:、联结主义:联结主义联结主义认为人的思维基元是神经元,而不是符号处理过程。它对物理符号系统假认为人的思维基元是神经元,而不是符号处理过程。它对物理符号系统假设持反对意见,认为人脑不同于电脑,并提出联结主义的大脑工作模式,用于取代符号设持反对意见,认为人脑不同于电脑,并提出联结主义的大脑工作模式,用于取代符号操作的电脑工作模式。操作的电脑工作模式。3 3、行为主义、行为主义行为主义行为主义认为智能取决于感知和行动认为智能取决于感知和行动( (所以被称为行为主义所以被称为行为主义) ),提出智能行为的,
133、提出智能行为的“感感知动作知动作”模式。行为主义者认为智能不需要知识、不需要表示、不需要推理;人工智模式。行为主义者认为智能不需要知识、不需要表示、不需要推理;人工智能可以像人类智能一样逐步进化能可以像人类智能一样逐步进化( (所以称为进化主义所以称为进化主义) );智能行为只能在现实世界中与周;智能行为只能在现实世界中与周围环境交互作用而表现出来。行为主义还认为:符号主义围环境交互作用而表现出来。行为主义还认为:符号主义( (还包括联结主义还包括联结主义) )对真实世界对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象,因而是不能真实地反映客观客观事物的描述及其智能行为工作模式是过
134、于简化的抽象,因而是不能真实地反映客观存在的。存在的。72对人工智能方法的争论对人工智能方法的争论1 1、符号主义:、符号主义:符号主义符号主义认为人工智能的研究方法应为功能模拟方法。通过分析人类认知系统所具认为人工智能的研究方法应为功能模拟方法。通过分析人类认知系统所具备的功能和机能,然后用计算机模拟这些功能,实现人工智能。符号主义力图用数学逻备的功能和机能,然后用计算机模拟这些功能,实现人工智能。符号主义力图用数学逻辑方法来建立人工智能的统一理论体系,但遇到不少暂时无法解决的困难,并受到其它辑方法来建立人工智能的统一理论体系,但遇到不少暂时无法解决的困难,并受到其它学派的否定。学派的否定。
135、2 2、联结主义:、联结主义:联结主义联结主义主张人工智能应着重于结构模拟,即模拟人的生理神经网络结构,并认为主张人工智能应着重于结构模拟,即模拟人的生理神经网络结构,并认为功能、结构和智能行为是密切相关的。不同的结构表现出不同的功能和行为。已经提出功能、结构和智能行为是密切相关的。不同的结构表现出不同的功能和行为。已经提出多种人工神经网络结构和众多的学习算法。多种人工神经网络结构和众多的学习算法。3 3、行为主义:、行为主义:行为主义行为主义认为人工智能的研究方法应采用行为模拟方法,也认为功能、结构和智能认为人工智能的研究方法应采用行为模拟方法,也认为功能、结构和智能行为是不可分开的。不同的
136、行为表现出不同的功能和不同的控制结构。行为主义的研究行为是不可分开的。不同的行为表现出不同的功能和不同的控制结构。行为主义的研究方法也受到其它学派的怀疑与批判,认为行为主义最多只能创造出智能昆虫行为,而无方法也受到其它学派的怀疑与批判,认为行为主义最多只能创造出智能昆虫行为,而无法创造出人的智能行为。法创造出人的智能行为。73对人工智能技术路线的争论对人工智能技术路线的争论1 1、专用路线:、专用路线:专用路线专用路线强调研制与开发专用的智能计算机、人工智能软件、专用开发工强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备,如具、人工智能语言和其它专用设备,
137、如LISPLISP机、机、PROLOGPROLOG机、机、PROLOGPROLOG、LISPLISP语言、语言、M.IM.I语言、语言、OPSS83OPSS83语言、专家系统开发工具语言、专家系统开发工具EMYCINEMYCIN、EXPERTEXPERT、INSIGHT2INSIGHT2和和GURUGURU等。等。2 2、通用路线:、通用路线:通用路线通用路线认为通用的计算机硬件和软件能够对人工智能开发提供有效的支认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持,并能够解决广泛的和一般的人工智能问题。这方面的例子有以持,并能够解决广泛的和一般的人工智能问题。这方面的例子有以VLSIV
138、LSI技术为基础的技术为基础的RISCRISC技术、技术、UNIXUNIX分时操作系统、分时操作系统、C C语言及其改进型、语言及其改进型、SUNSUN工作站和工作站和SPARCSPARC工作站等。通用路工作站等。通用路线强调人工智能应用系统和人工智能产品的开发,应与计算机立体技术和主流技术相结线强调人工智能应用系统和人工智能产品的开发,应与计算机立体技术和主流技术相结合,并把知识工程视为软件工程的一个分支。合,并把知识工程视为软件工程的一个分支。3 3、硬件路线:、硬件路线:硬件路线硬件路线认为人工智能的发展主要依靠硬件技术,如认为人工智能的发展主要依靠硬件技术,如VLSIVLSI、人工神经
139、网络、人工神经网络、脑模型、智能机和智能机器人等。该路线还认为智能机器的开发主要有赖于各种智能硬脑模型、智能机和智能机器人等。该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。件、智能工具及固化技术。4 4、软件路线:、软件路线:软件路线软件路线强调人工智能的发展主要依靠软件技术,例如,启发性程序设计、强调人工智能的发展主要依靠软件技术,例如,启发性程序设计、自动编程专家系统、知识工程以及其它各种智能算法等。软件路线认为智能机器的研制自动编程专家系统、知识工程以及其它各种智能算法等。软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。主要在于开发各种智能软
140、件、工具及其应用系统。74人工智能对经济的影响人工智能对经济的影响人工智能系统的开发和应用,已为人类创造出可观的经济效益,专家系人工智能系统的开发和应用,已为人类创造出可观的经济效益,专家系统就是一个例子。随着计算机系统价格的继续下降,人工智能技术必将统就是一个例子。随着计算机系统价格的继续下降,人工智能技术必将得到更大的推广,产生更大的经济效益。得到更大的推广,产生更大的经济效益。举例:举例: 1. 1. 专家系统的效益专家系统的效益2.2.人工智能推动计算机技术发展人工智能推动计算机技术发展 人工智能对人类的影响人工智能对人类的影响75人工智能对社会的影响人工智能对社会的影响1 1、劳务就
141、业问题、劳务就业问题由于人工智能能够代替人类进行各种脑力劳动,例如用专家系统代替管理人员或医由于人工智能能够代替人类进行各种脑力劳动,例如用专家系统代替管理人员或医生进行决策或诊断与治疗病人疾病,所以,将会使一部分人不得不改变他们的工种,甚生进行决策或诊断与治疗病人疾病,所以,将会使一部分人不得不改变他们的工种,甚至造成失业。人工智能在科技和工程中的应用,会使一些人失去介入信息处理活动至造成失业。人工智能在科技和工程中的应用,会使一些人失去介入信息处理活动( (如规如规划、诊断、理解和决策等划、诊断、理解和决策等) )的机会,甚至不得不改变自己的工作方式。的机会,甚至不得不改变自己的工作方式。
142、2 2、社会结构变化、社会结构变化人们一方面希望人工智能和智能机器能够代替人类从事各种劳动,另一方面又担心人们一方面希望人工智能和智能机器能够代替人类从事各种劳动,另一方面又担心它们的发展会引起新的社会问题。实际上,近十多年来,社会结构正在发生一种静悄悄它们的发展会引起新的社会问题。实际上,近十多年来,社会结构正在发生一种静悄悄的变化。的变化。3 3、思维方式与观念的变化思维方式与观念的变化人工智能的发展与推广应用,将影响到人类的思维方式和传统观念,并使它们发生人工智能的发展与推广应用,将影响到人类的思维方式和传统观念,并使它们发生改变。例如,传统知识一般印在书本报刊或杂志上,因而是固定不变的
143、,而人工智能系改变。例如,传统知识一般印在书本报刊或杂志上,因而是固定不变的,而人工智能系统的知识库的知识却是可以不断修改、扩充和更新的。又如,一旦专家系统的用户开始统的知识库的知识却是可以不断修改、扩充和更新的。又如,一旦专家系统的用户开始相信系统相信系统( (智能机器智能机器) )的判断和决定,那么他们就可能不愿多动脑筋,变得懒惰,并失去的判断和决定,那么他们就可能不愿多动脑筋,变得懒惰,并失去对许多问题及其求解任务的责任感和敏感性。过分地依赖计算机的建议而不加分析地接对许多问题及其求解任务的责任感和敏感性。过分地依赖计算机的建议而不加分析地接受,将会使智能机器用户的认知能力下降,并增加误
144、解。受,将会使智能机器用户的认知能力下降,并增加误解。764 4、心理上的威胁、心理上的威胁人工智能还使一部分社会成员感到心理上的威胁,或叫做精神威胁。人们人工智能还使一部分社会成员感到心理上的威胁,或叫做精神威胁。人们一般认为,只有人类才具有感知精神,而且以此与机器相别。如果有一天,这一般认为,只有人类才具有感知精神,而且以此与机器相别。如果有一天,这些人开始相信机器也能够思维和创作,那么他们可能会感到失望,甚至感到威些人开始相信机器也能够思维和创作,那么他们可能会感到失望,甚至感到威胁。他们担心:有朝一日,智能机器的人工智能会超过人类的自然智能,使人胁。他们担心:有朝一日,智能机器的人工智
145、能会超过人类的自然智能,使人类沦为智能机器和智能系统的奴隶。按照人工智能的观点,人类有可能用机器类沦为智能机器和智能系统的奴隶。按照人工智能的观点,人类有可能用机器来规划自己的未来,甚至可以把这个规划问题想象为一类状态空间搜索。当社来规划自己的未来,甚至可以把这个规划问题想象为一类状态空间搜索。当社会上一部分人欢迎这种新观念时,另一部分人则发现这些新观念是惹人烦恼的会上一部分人欢迎这种新观念时,另一部分人则发现这些新观念是惹人烦恼的和无法接受的,尤其是当这些观念与他们钟爱的信仰和观念背道而驰时。和无法接受的,尤其是当这些观念与他们钟爱的信仰和观念背道而驰时。5 5、技术失控的危险、技术失控的危
146、险任何新技术最大危险莫过于人类对它失去了控制,或者是它落入那些企图任何新技术最大危险莫过于人类对它失去了控制,或者是它落入那些企图利用新技术反对人类的人手中。有人担心机器人有一天会反宾为主,奴役它们利用新技术反对人类的人手中。有人担心机器人有一天会反宾为主,奴役它们的创造者的创造者77人工智能对文化的影响人工智能对文化的影响1 1、改善人类知识、改善人类知识在重新阐述我们的历史知识的过程中,哲学家、科学家和人工智能学家有机会努力在重新阐述我们的历史知识的过程中,哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果,可能导致知识的某些改解决知识的模糊性以及
147、消除知识的不一致性。这种努力的结果,可能导致知识的某些改善,以便能够比较容易地推断出令人感兴趣的新的真理。善,以便能够比较容易地推断出令人感兴趣的新的真理。2 2、改善人类语言、改善人类语言人类语言是伴随人类的进化和发展而产生和发展的,对人类的智能活动起到极其重人类语言是伴随人类的进化和发展而产生和发展的,对人类的智能活动起到极其重要的作用。根据语言学的观点,语言是思维的表现和工具,思维规律可用语言学方法加要的作用。根据语言学的观点,语言是思维的表现和工具,思维规律可用语言学方法加以研究,但人的下意识和潜意识往往以研究,但人的下意识和潜意识往往“只能意会,不可言传只能意会,不可言传”。由于采用
148、人工智能技术,。由于采用人工智能技术,综合应用语法、语义和形式知识表示方法,有可能在改善知识的自然语言表示的同时,综合应用语法、语义和形式知识表示方法,有可能在改善知识的自然语言表示的同时,把知识阐述为适用的人工智能形式。把知识阐述为适用的人工智能形式。3 3、改善文化生活、改善文化生活人工智能技术为人类文化生活打开了许多新的窗口。现有的各种智力游戏机将发展人工智能技术为人类文化生活打开了许多新的窗口。现有的各种智力游戏机将发展为具有更高智能的文化娱乐手段。机器视觉技术能够提供为具有更高智能的文化娱乐手段。机器视觉技术能够提供“看看”的新方法,可能产生特的新方法,可能产生特别的对应画面解释的图
149、象变换,能够产生相似状况的幻觉,并显示出接收效果的超现实别的对应画面解释的图象变换,能够产生相似状况的幻觉,并显示出接收效果的超现实表示。视觉系统还能够以特别方式重构场景;这种能力必将对图形艺术、广告和社会教表示。视觉系统还能够以特别方式重构场景;这种能力必将对图形艺术、广告和社会教育部门产生深远的影响,例如,将改变电视的面貌,使人们在电视机前享受更高级的文育部门产生深远的影响,例如,将改变电视的面貌,使人们在电视机前享受更高级的文娱生活。娱生活。78更新的理论框架更新的理论框架人工智能研究存在不少问题:人工智能研究存在不少问题:(1) 宏观与微观隔离宏观与微观隔离一方面是哲学、认知科学、思维
150、科学和心理学等学科所研究的智能层次太一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象;另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智高、太抽象;另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远,中间还有许多层次未予研究,无法把宏能层次太低。这两方面之间相距太远,中间还有许多层次未予研究,无法把宏观与微观有机地结合起来和相互渗透。观与微观有机地结合起来和相互渗透。(2)(2)全局与局部割裂全局与局部割裂人类智能是脑系统的整体效应,有着丰富的层次和多个侧面。但是,符号人类智能是脑系统的整体效应,有着丰富的层次和多个侧面。但
151、是,符号主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。 对人工智能的展望对人工智能的展望79(3)(3)理论和实际脱节理论和实际脱节大脑的实际工作,在宏观上我们已知道得不少;但是智能的千姿百态,变大脑的实际工作,在宏观上我们已知道得不少;但是智能的千姿百态,变幻莫测,复杂得难以理出清晰的头绪。在微观上,我们对大脑的工作机制却知幻莫测,复杂得难以理出清晰的头绪。在微观上,我们对大脑的工
152、作机制却知之甚少,似是而非,使我们难以找出规律。在这种背景下提出的各种人工智能之甚少,似是而非,使我们难以找出规律。在这种背景下提出的各种人工智能理论,只是部分人的主观猜想,能在某些方面表现出理论,只是部分人的主观猜想,能在某些方面表现出“智能智能”就算相当成功了。就算相当成功了。上述存在问题和其它问题说明,人脑的结构和功能要比人们想象的复杂得上述存在问题和其它问题说明,人脑的结构和功能要比人们想象的复杂得多,人工智能研究面临的困难要比我们估计的重大得多,人工智能研究的任务多,人工智能研究面临的困难要比我们估计的重大得多,人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明,要从根本上了解人
153、脑的结构和功能,要比我们讨论过的艰巨得多。同时也说明,要从根本上了解人脑的结构和功能,解决面临的难题,完成人工智能的研究任务,需要寻找和建立更新的人工智能解决面临的难题,完成人工智能的研究任务,需要寻找和建立更新的人工智能框架和理论体系,打下人工智能进一步发展的理论基础。我们至少需要经过几框架和理论体系,打下人工智能进一步发展的理论基础。我们至少需要经过几代人的持续奋斗,进行多学科联合协作研究,才可能基本上解开代人的持续奋斗,进行多学科联合协作研究,才可能基本上解开“智能智能”之谜,之谜,使人工智能理论达到一个更高的水平。使人工智能理论达到一个更高的水平。80更好的技术集成更好的技术集成人工智
154、能技术是智能技术与各种信息处理技术及相关学科技术的集成。要人工智能技术是智能技术与各种信息处理技术及相关学科技术的集成。要集成的信息技术除数字技术外,还包括计算机网络、远程通信、数据库、计算集成的信息技术除数字技术外,还包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算、量子计算、光计算机图形学、语音与听觉、机器人学、过程控制、并行计算、量子计算、光计算和生物信息处理等技术。和生物信息处理等技术。智能系统不仅包括心理学、语言学、现代计算技术、认知科学和计算语言智能系统不仅包括心理学、语言学、现代计算技术、认知科学和计算语言学,而且还包括社会学、人类学以及哲
155、学和系统科学等。计算不仅是智能系统学,而且还包括社会学、人类学以及哲学和系统科学等。计算不仅是智能系统支持结构的重要部分,而且是智能系统的活力所在,就象血液对于人体一样重支持结构的重要部分,而且是智能系统的活力所在,就象血液对于人体一样重要。要。81更成熟的应用方法更成熟的应用方法人工智能的实现固然需要硬件的保证,然而,软件应是人工智能的核心技人工智能的实现固然需要硬件的保证,然而,软件应是人工智能的核心技术。许多人工智能应用问题需要开发复杂的软件系统,这有助于促进软件工程术。许多人工智能应用问题需要开发复杂的软件系统,这有助于促进软件工程学科的出现与发展。软件工程能为一定类型的问题求解提供标
156、准化程序;知识学科的出现与发展。软件工程能为一定类型的问题求解提供标准化程序;知识软件则能为人工智能问题求解提供有效的编程手段。由于人工智能应用问题的软件则能为人工智能问题求解提供有效的编程手段。由于人工智能应用问题的复杂性和广泛性,传统的软件设计方法显然是不够用和不适用的。人工智能方复杂性和广泛性,传统的软件设计方法显然是不够用和不适用的。人工智能方法必须支持人工智能系统的开发实验,并允许系统有组织地从一个较小的核心法必须支持人工智能系统的开发实验,并允许系统有组织地从一个较小的核心原型逐渐发展为一个完整的应用系统。原型逐渐发展为一个完整的应用系统。应当有信心地期望将要研究出通用而有效的人工
157、智能开发方法。更高级的应当有信心地期望将要研究出通用而有效的人工智能开发方法。更高级的AIAI通用语言、更有效的通用语言、更有效的AIAI专用语言与开发环境或工具以及人工智能开发专用机专用语言与开发环境或工具以及人工智能开发专用机器将会不断出现及更新,为人工智能研究和开发提供有力的工具。我们确信,器将会不断出现及更新,为人工智能研究和开发提供有力的工具。我们确信,最终定能研究出使人工智能成功地应用于更多领域的和更成熟的方法。最终定能研究出使人工智能成功地应用于更多领域的和更成熟的方法。在当前的人工智能应用方法研究中,有几个引人注目的课题,即多种方法在当前的人工智能应用方法研究中,有几个引人注目
158、的课题,即多种方法混合技术、多专家系统技术、机器学习混合技术、多专家系统技术、机器学习( (尤以神经网络学习和知识发现尤以神经网络学习和知识发现) )方法、方法、硬件软件一体化技术以及并行分布处理技术等。其中,有人认为:对人脑机理硬件软件一体化技术以及并行分布处理技术等。其中,有人认为:对人脑机理和分布式人工智能的研究,确立了新一代计算机的基础。和分布式人工智能的研究,确立了新一代计算机的基础。随着人工智能应用方法的日渐成熟,人工智能的应用领域必将不断扩大。随着人工智能应用方法的日渐成熟,人工智能的应用领域必将不断扩大。我们可以预言,人工智能、智能机器和智能系统比现在的电子计算机一定会有我们可
159、以预言,人工智能、智能机器和智能系统比现在的电子计算机一定会有广泛得多的应用领域。哪里有人类活动,哪里就将应用到人工智能技术。广泛得多的应用领域。哪里有人类活动,哪里就将应用到人工智能技术。82小小结结 本章简要介绍人工智能学派的争论,讨论人工智能对人类未来的影响,本章简要介绍人工智能学派的争论,讨论人工智能对人类未来的影响,并展望人工智能发展的某些问题。对于人工智能的未来发展,我们是持乐观并展望人工智能发展的某些问题。对于人工智能的未来发展,我们是持乐观态度的。我们相信人工智能有个更加美好的未来,尽管这一天可能相距尚远;态度的。我们相信人工智能有个更加美好的未来,尽管这一天可能相距尚远;而且
160、,这一天的到来,需要付出辛勤劳动和昂贵代价,需要好几代人的持续而且,这一天的到来,需要付出辛勤劳动和昂贵代价,需要好几代人的持续奋斗。奋斗。83复复习习第一章第一章 绪论绪论 人工智能的定义和起源;人工智能的研究和应用领域人工智能的定义和起源;人工智能的研究和应用领域第二章第二章 知识表示方法知识表示方法 人工智能的常用知识表示方法;状态空间法,语义网络法,谓词人工智能的常用知识表示方法;状态空间法,语义网络法,谓词逻辑法,框架表示法等具体解决问题的基本步骤及方法。逻辑法,框架表示法等具体解决问题的基本步骤及方法。第三章第三章 搜索原理搜索原理 盲目搜索和启发式搜索的本质及具体的分类;运用盲目
161、搜索中的盲目搜索和启发式搜索的本质及具体的分类;运用盲目搜索中的图搜索策略,宽度优先搜索及深度优先搜索方法解决具体的问题。图搜索策略,宽度优先搜索及深度优先搜索方法解决具体的问题。 遗传算法等高级的搜索方法。遗传算法等高级的搜索方法。84第四章第四章 专家系统专家系统 产生式系统的框图及组成;专家系统的框图及组成;专家系统产生式系统的框图及组成;专家系统的框图及组成;专家系统的特点和优点;专家系统的分类。的特点和优点;专家系统的分类。第五章第五章 机器视觉机器视觉 摄像机成像基本原理及图像几何学介绍。摄像机成像基本原理及图像几何学介绍。 摄像机标定方法的分类;分层三维重建的定义及其原理。摄像机标定方法的分类;分层三维重建的定义及其原理。第六章第六章 智能控制智能控制 智能控制的定义;智能控制的结构理论(二元论,三元论,四智能控制的定义;智能控制的结构理论(二元论,三元论,四元论);智能控制的研究领域;智能控制系统。元论);智能控制的研究领域;智能控制系统。第七章第七章 人工智能的争论与展望人工智能的争论与展望85