智能控制第2章递阶智能系统.pptVIP

第2章 递阶智能系统 概述 递阶智能机器的一般结构 递阶智能系统的原理和结构 递阶智能控制系统举例 2.1 递阶智能系统概述 递阶智能控制（hierarchical intelligent control），简称递阶控制，它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和自适应控制、自学习控制和自组织控制的关系之后逐渐形成的，是智能控制的最早理论之一。 萨里迪斯（Saridis）提出的基于三个控制层次和IPDI（精度随智能降低而提高 ）原理的三级递阶控制系统最具代表性。 结构 2.2 递阶智能机器的一般结构 系统把定性的用户指令变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，并从中选择操作方案。 1、组织级 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 组织级 组织级 ①对于给定的外部命令和任务，设法找到 能够完成该任务的、 所有可能的子任务 (或动作)组合； ②选择最有利的子 任务组合作为进一步 的控制要求送到协调 级，通过协调处理，将具体的动作要求送至执行级完成所要求的任务； ③ 对任务执行的结果进行性能评价，并将评价结果逐级向上反馈，同时对以前存储的知识信息加以修改，起到学习的作用。 2、协调级 协调级是上（组织）级和下（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。这涉及短期存储器（如缓冲器）内决策与学习的协调。 分配器 从组织级来的命令体现为基元事件的组合，首先传到协调级中的分配器，分配器根据当前工作状态，将组织级送来的基元事件序列翻译为面向协调器的控制行动序列，然后在合适的时候将它们送至相应的协调器。任务执行完毕后，分配器还负责向组织级传送反馈信息。具体功能： ①通信：向上层组织级和下层协调器发送和接收信息； ②任务处理：识别要执行的任务，为相应的协调器选择合适的控制步骤，并为组织级产生反馈； ③学习：根据任务执行取得的经验，减小决策过程的不确定性，改进任务执行的能力。 协调器 将面向协调器的控制行动序列翻译为面向执行级的实时操作序列，并连同相关的数据一起送至具体的装置。任务执行完成后，负责向分配器报告执行的结果。 所有协调器必须在分配器的统一管理下协同工作； 协调器与分配器结构形式相同，但所处位置不同。 3、执行级（Execution level） 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。 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（IPDI）的原理，而所求得序列能够使系统的总熵为最小。 执行级 也称运行控制级，直接作用于局部过程并完成子任务。 该级特点：高精度执行局部任务，无需更多智能。 可采用常规的最优控制方法。 递阶智能控制通常用熵进行总体评估，故需将最优控制描述转化为用熵函数(一般指Jaynes最大熵函数)描述。 理论研究表明：这两种描述的实质是一致的，即：对于某个具体选择的控制，其反馈控制问题的(最优)平均性能测度等价于系统的Jaynes最大熵函数，最优控制对应于熵函数最小。 2.2 递阶智能系统的原理和结构 根据IPDI原理，可把递阶智能控制系统分为几个子系统，全部子系统连成树状结构，形成多层递阶模型。 为了实现递阶智能控制算法，需要一些特别简单的结构。专用硬件被装入组织级和协调级以便于系统的更新；更新内容涉及各个独立单元和派生单元现存的值、概率分布函数以及与具体规划有关的知识库。更新跟随规划的执行，并且采用自底向上的方法完成：与底层有关的值和概率首先被更新，接着再进行高层的更新。知识库的完全更新也被同时执行。 三个迭代层的结构模型描述各个硬件单元，包括用于存储暂时和永久信息的专用存储器，存储各种概率、值和终端装置信息的存储器，以及分别用于每层的其它专用硬件单元。 一、组织级原理和结构 1、机器推理 机器推理（MR） 是编译输入指令，与相关活动集 、产生式规则以及构成系统推理