第2章递阶智能系统_智能控制系统.ppt

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。 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 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。 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。 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机的程序之总合。 2、机器规划 机器规划（MP） 是执行预定工作所需要的完备的和可兼容的有序活动之形式化表示。机器规划包含对主动非重复本原活动事件进行排序，拒绝非兼容有序活动，在可兼容有序非重复事件的信息串中插入重复事件的有效序列，检查全部规划的完整性和组织情况。 3、机器决策 机器决策（MDM） 是在最大的相关成功概率中选择完备的和可兼容的有序活动。 4、机器学习和反馈 机器学习与反馈（MLF） 是对不同的单一的和派生的值函数进行计算，这些函数与执行需求工作有关，并通过学习算法更新各个概率。在完成所需工作和从低层至高层选择反馈的通讯之后，机器反馈功能就被执行了。 5、机器记忆交换 机器记忆交换（MME） 是对组织级的长期存储器进行信息检索、储存和更新。检索是在机器推理和机器规划期间进行的，而储存和更新是在机器决策和需求工作被实际执行之后进行的。 以上5种功能，前3种功能与自顶向下的局部目标有关，而后2种功能与自底向上的局部目标有关。 二、协调级原理和结构 协调级由不同的协调器组成，每个协调器由微型计算机来实现。图给出协调级结构的一个候选框图。一旦由组织级产生和选择的最好任务序列（完备规划）被送到协调级，就提供了全部必要的细节，成功地执行了所选规划。在有可能达到最小时间性能指标的地方，执行并行任务。该结构在横向上能够通过分配器实现各协调器间的数据共享。 三、执行级原理和结构 执行级执行由协调级发出的指令。根据具体要求对每个控制问题进行分析。因此，不存在一种通用的结构模型能够包括执行级的每项操作。尽管如此，执行级还是由许多与专门协调器相联接的执行装置组成的。每个执行装置由协调器发出的指令进行访问。可见，协调级模型维持了递阶结构 汽车自主驾驶系统 一、