《分级递阶智能控制系统.ppt》由会员分享，可在线阅读，更多相关《分级递阶智能控制系统.ppt（55页珍藏版）》请在三一办公上搜索。
1、Saridis提出的三级递阶智能控制理论，基于3个控制层和IPDI原理。,分级递阶智能控制（Hiearchical Intelligent Control）是在人工智能控制、自适应控制和自组织控制、运筹学等理论的基础上，逐渐发展形成的，是智能控制的最早理论之一。,分级递阶智能控制系统,Villa提出的两层混合智能控制理论，基于知识描述/数学解析。,内容,递阶智能控制的基本原理,递阶智能控制的结构与理论,2.1.1 递阶控制的基本原理,（1）大系统的基本结构,2.1.递阶智能控制的基本原理,复杂大系统的的特点：阶次高、子系统相互关联，系统的评价目标多且相互矛盾，故分解为互相关联的子系统。,1)集
2、中控制,2)分散控制,3)递阶控制,根据信息交换的方式和子系统关联方式的不同，可将大系统控制分为以下三种基本类型：,图2.1 集中控制系统框图,控制中心,子系统1,子系统n,被控对象或过程,图2.2 分散控制系统框图,控制中心,子系统1,子系统n,子系统i,被控对象或过程,分散控制器1,分散控制器i,分散控制器n,图2.3 递阶控制系统框图,全局组织级,子系统,子系统,子系统,被控对象或过程,局部控制器,局部协调级,局部协调级,局部控制器,局部控制器,局部控制器,子系统,递阶控制系统主要有以下3种基本的递阶形式：,多重描述(Stratified description):主要从建模考虑。,多层
3、描述(Multilayer description):把一个复杂决策问题进行纵向分解。,多级描述(Multilevel description):考虑各子系统之间的关联，将每一层的决策问题横向分解。,这三种形式可以单独或组合存在。,（2）递阶控制的基本原理,最下面一级的每个控制器只控制一个子系统。每一级控制器从上一级控制器接受信息，以控制下一级，各控制器之间的冲突由上一级进行协调。,协调的目的：通过对下层控制器施加干预信号来调整该层各控制器的决策，满足整个系统的控制目标,完成协调作用的决策单元称为协调器。,基本原理：,把一个总体问题P分解为若干有限数量的子问题Pi(i=1,n)。P的目标是使复
4、杂系统的总体准则取得极值，则不考虑子系统之间的关联时，有,P1,P2,Pn的解P的解,考虑到子问题之间因关联产生冲突，引入协调参数，以解决关联产生的目标冲突。,P1(),P2(),Pn()|*的解P的解,适当选择，从初值 0迭代到终值*，使递阶控制达到最优。,协调一般基于以下两种基本原则：,1）关联预测协调原则,在控制中，协调器预测各子系统的关联输入输出变量，下层的决策单元根据预测的关联变量求解各自的决策问题。协调器再根据各子系统达到的性能指标修正关联预测值，下层的预测但愿再根据新预测的关联变量求解决策问题。不断预测求解修正预测求解，直到总体最优。可在线应用。,2）关联平衡协调原则,在控制中，
5、下层的决策单元把关联变量作为独立变量处理，独立求解各自的决策问题。协调器通过施加干预信号去平衡、修正各自系统的性能指标，以保证最后子系统的关联约束满足，总体目标最优。又成为目标协调原则。,递阶系统协调控制的任务：,使各子系统相互协调、配合、制约、促进。从而在实现各自系统的子目标、子任务的基础上，实现整个大系统的总目标、总任务。,递阶结构兼有集中结构和分散结构的优点，成为大系统控制的重要形式。对于大型、复杂和不确定性系统，往往采用递阶控制。,2.1.2 分级递阶智能控制的基本结构,多级递阶的控制结构是智能控制的典型结构,递阶智能控制理论最早应用于工业实践。,多级递阶智能控制系统的结构与一般多级递
6、阶控制系统的结构形式基本相同，差别是前者采用了智能控制器。,萨里迪斯提出的三级递阶智能控制理论的原则是IPDI（Increasing Precision with Decreasing Intelligent)“精度随智能降低而提高”。由组织级、协调级、执行级三级组成。如下图所示。,智能递增,精度递增,图2.4 分级递阶智能控制系统结构示意图,三个控制层级的功能和结构如下：,1.组织级（Organization level）,组织级是递阶智能控制系统的最高级，是智能系统的“大脑”，能模仿人的行为功能，具有相应的学习能力和高级决策能力，需要高级的信息处理。组织监视并指导协调级的所有行为，具有最高
7、的智能程度。根据用户对任务的不完全描述与实际过程和环境的有关信息，组织任务，提出适当的控制模式向下层传达，以实现预定控制目标。,（2）协调级(Coordination Level),次高级，任务：协调各控制器的控制作用与各子任务的执行。,进一步分为两层：控制管理分层和控制监督分层。管理分层：根据下层的信息决定如何完成组织级下达的任务，以产生施加于下一层的控制指令。监督分层：保证、维持执行级中各控制器的正常运行，并进行局部参数整定和性能优化。,由多个协调控制器组成。,是组织级和执行级之间的接口，运算精度较低，但有较高的决策能力与学习能力。,（3）执行级（Executive Level）,是最低一
8、级，由多个硬件控制器组成。任务：完成具体的控制任务，通常是执行一个确定的动作，直接产生控制信号，通过执行机构作用于被控对象；同时通过传感器测量环境的有关信息，并传递给上一级控制器，给高层提供相关决策依据。,智能程度最低，控制精度最高,递阶智能控制系统三个基本控制级的级联交互结构图,图2.5 递阶智能控制系统的级联结构,执行级至协调级的在线反馈信号,协调级至组织级的在线反馈信号,递阶智能控制系统作为一个整体，把用户指令转为一个物理序列，系统的输出是一组施加于被控过程的具体指令。系统的操作是由用户指令及与环境交互作用的传感器的输入信息决定的。,传感器分为外部传感器和内部传感器，分别提供工作环境（外
9、部）和每个子系统（内部）的监控信息。,2.1.3 递阶智能控制的熵准则,对于图2.4所示的多级递阶智能控制，从最低级执行级次高级协调级最高级组织级，智能要求逐步提高，而精度则递减。此类结构有如下特点：,1）越是处于高层的控制器，对系统影响也越大。,2）越是处于高层，就有越多的不确定性是问题的描述难以量化,可见，智能主要体现在高层,因次在高层应该采用基于知识的组织级。,对于不确定性问题，通常采用熵(Entropy)函数作为性能度量，以熵最小去确定最优控制策略。,香农提出的信息负熵,对于离散的随机过程x,熵H(x)的定义为。,式中P(x)为x的概率密度函数，E为期望值。,（2.1）,对于连续的随机
10、过程x,熵H(x)的定义为。,（2.2）,从熵的表达式可知，熵是随机变量自信息 的数学期望。熵越大，期望值越大。熵越大表明不确定性越大。选择对数度量信息的方便之处是两个信息相加的总信息量等于每个信息单独存在时各自信息量之和。,在萨里迪斯的递阶智能控制系统中，对各级采用熵作为测度。组织级用熵衡量所需知识；协调级用上测量协调的不确定性；执行机用上表示系统的执行代价。每一级的熵相加成为总熵，用于表示控制作用的总代价。设计和建立控制系统的原则就是总熵最小。,2.1.4 分级递阶智能控制的基本原理,智能机器中的高层功能模仿人的行为,是基于知识系统的。控制系统的规划、决策、学习、数据存取和任务协调等功能，
11、都可看作是知识的处理与管理。另一方面，控制系统的问题可用熵作为控制度量来重新阐述，以便综合高层中与机器有关的各种硬件活动。因此，在机器人控制的例子中，视觉协调、运动控制、路径规划和力觉传感等可集成为适当的函数。因此，可把知识流看作这种系统的关键变量。一台知识机器内的知识流分别代表下列几个方面作用：,1）数据处理与管理；2)由CPU执行的规划与决策；3)通过外围设备获取外界信息和数据；4)定义软件的形式语言。,为了介绍IPDI，首先介绍一下相关概念。,定义2.1 机器知识(Machine Knowledge,K),消除智能机器指定任务的不确定性所需要的结构信息。知识是一个由机器自然增长的累积量。
12、,定义2.2 机器知识流量(Rate of Machine Knowledge,R),通过智能机器的知识流，即机器知识的流率。,对事件或活动的数据库(DB)进行操作以产生知识流的动作或规划的集合，即分析和组织数据，并把数据变换为知识。,定义2.3 机器智能(Machine Intelligence，MI),定义2.4 机器不精确性(Machine Imprecision),执行智能机器任务的不确定性。,定义2.5 机器精确性(Machine Precision),机器不精确性的补。,由于概率论是处理不确定性的经典理论，所以可用事件发生的概率去描述和计算推理的不确定性测度。知识流、机器智能、数据
13、库之间的概率关系如下：,MI 和DB 的联合概率产生知识流的概率为,由概率论的基本理论可推出,两端取对数,该公式表示出了知识流、机器智能与知识数据库之间的简单概率关系。,若MI和DB无关，则,由上式可看出，期望R不变，若增大DB的熵，就要减小MI的熵。反之，若减小DB的熵，就要增大MI的熵。这就是IPDI原则。,对该公式两端取数学期望，可得熵方程,综上所述，分级递阶智能控制原理为：系统按照自上而下精度渐增、智能渐减的原则建立递阶结构，而智能控制的设计任务是寻求正确的决策和控制序列，以使整个控制系统的总熵最小。这样，递阶智能控制系统就能在最高级组织级的统一组织下，实现对复杂、不确定系统的优化控制
14、。,组织级智能高，但精度低；协调级具有一定的智能；执行级有很高的控制精度，但智能低。,2.2 分级智能控制的结构与理论,组织级的结构图见图2.6。其主要功能有以下几种：,2.2.1 组织级的结构与理论,1）推理：把不同的基本动作与所接收的指令通过推理联系起来，并在概率上评估每个动作。,2）规划：对动作进行排序，并用熵函数计算活动的不确定性。,3）决策：选择最大可能的决策。,4）反馈：从较低层选取反馈信息通过学习算法更新概率。,5）存储变换：更新长效记忆存储器中的内容。,图2.6 组织级的结构框图,组织级通过人机接口和用户进行交互，执行最高决策的控制功能，主要对知识进行处理。组织级的功能建立在人
15、工智能的知识表示、推理、规划、决策、学习（反馈）和记忆操作的基础上，其任务是典型的人工智能中的问题求解，可以用模糊自动机或Boltzamann机神经网络(BM网络)等实现组织级的相关功能。图2.6可视为一个Botlzmann机结构。Boltzmann机能从几个代表不同基元事件的节点（神经元）搜索出最优内连关系，以产生某个定义最优任务的信息串。,学习时必须给出一组样本,协调级由一定数目的具有固定结构的协调器组成，接受从组织级传来的命令，经过实时信号处理，向执行级传送可供执行的具体动作的序列。,2.2.2 协调级的结构与理论,组织级中的每个任务在协调级分解为不同的子任务，协调级的目标便是阐述实际控
16、制问题并决定如何规划执行。由于系统是递阶控制结构的，因此规划是递减的。,协调级一般采用图2.8所示的树型结构。,协调级不具有组织级那样的推理能力，其智能在于：用最有希望的方式执行组织级的规划。,图2.8 协调级的结构框图,从组织级传来的命令首先送到分配器，分配器根据当前工作状态，将组织级的基元事件序列反映为面向协调器的控制行动，并送往相应的协调器。协调器能够将控制动作顺序变换成具有必需数据的和面向硬件的实时操作动作，并发送给执行装置；并把执行任务的结果报告给分配器。在分配器的监督下，协调器相互协作，共享信息。,分配器需要有以下能力:通信能力：数据处理能力：任务处理能力：学习能力:,协调器和组织
17、器具有相同的组织结构和功能。,数据处理器完成任务描述、状态描述和数据描述。,任务处理器完成任务调度、任务转换和任务建立。,学习处理器使用不同的学习机制，改善任务处理器的特性，以减少在决策和信息处理中的不确定性。,都有一个监督器。,协调级的基本功能：将组织级发出的高级命令语言翻译成低层装置可以执行的操作语言。实现方法有很多，常用方法是Petri网翻译器。,执行级是递阶智能控制的最低层，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。可采用最优控制理论进行设计。执行级的性能也可由熵来表示，可将低层的实际控制问题与高层的信息论的分析方法统一起来。此熵测量并选择控制(
18、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(即执行的不确定性)为最小。可把此熵看作一种能量。,2.2.3 执行级的分析理论,以上介绍的是 Saridis 提出的用熵的概念将递阶智能机器人的三级统一描述的方法。也适用于一般的递阶智能控制系统。,由于熵满足可加性，因此由任何子系统组合而成的系统都可以对其总熵最小化而成为最优系统。,（1）机械手分级智能控制系统,2.2.4 递阶智能控制系统,美国普渡大学高级自动化研究实验室成功地将分级智能控制系统理论应用于机器人控制，设计了一个PUMA600机械手智能控制系统，如图2.10。,图2.10 机械手分级递阶智能控制系统结构示意图,组织控制器,
19、传感器协调器,手臂协调器,视觉协调器,上臂控制器,手部控制器,传感器,关节1-3,关节4-6,手指,摄像机,输入指令,第一级组织级,第二级协调级,第三级执行级,对象,该机械手分级智能控制系统的第一级为组织级；第二级协调级由视觉系统协调器、机械臂协调器、传感协调器组成；执行级由上臂控制器与手部控制器组成，实现6个关节及一个夹手的具体控制。,该机械手可以实现7个自由运动，其中三个是臂关节的转动，3个是手的定位，1个是手指的开闭动作。,2）协调运动控制功能，自主协调位置控制和速度控制。,该系统能实现以下功能：,1）人-机械手通讯功能，识别操作人员指令，与操作人员交互作用。,3）与环境交互的功能，对来
20、自摄像机或其它传感器的反馈信息进行综合，并修正控制策略与动作序列，实现各种控制任务。当发出某个具体指令时，机器人手臂控制器就能把相应的控制信号加至各关节控制器，以移动手臂到期望的最后位置。,（2）递阶智能集散控制系统,集散控制系统(Distributed Control System)出现于20世纪70 年代中期，是计算机技术、通信技术与CRT显示技术相结合的产物。以微处理机为核心，并把工业控制机、数据通讯系统、显示操作装置、模拟仪表等有机结合起来，在控制领域已得到广泛的应用。,典型的集散控制系统是分级分布式控制结构，是一种自然的分级递阶结构。将分级递阶智能控制理论引入到集散控制系统中，以基本
21、控制器为执行级，监控计算机为协调级，管理计算机为组织级，采用智能控制技术，便可相应的构成递阶智能集散控制系统。,典型的集散控制系统是分级分布式控制结构，是一种自然的分级递阶结构。将分级递阶智能控制理论引入到集散控制系统中，以基本控制器为执行级，监控计算机为协调级，管理计算机为组织级，采用智能控制技术，便可相应的构成递阶智能集散控制系统。,集散控制系统(Distributed Control System)出现于20世纪70 年代中期，是计算机技术、通信技术与CRT显示技术相结合的产物。以微处理机为核心，并把工业控制机、数据通讯系统、显示操作装置、模拟仪表等有机结合起来，在控制领域已得到广泛的应用。,1）组织级的设计,（3）变电站递阶智能控制系统,在变电站的综合自动控制中，也可引入递阶智能控制理论。以变压器有载调压监控系统为例，由福州大学王志凯等提出的基于PLC的变电站递阶智能控制系统设计方案见图2.11。,利用计算机进行模糊推理，得到最优空控制策略，形成控制规则表，将其传递到下级进行协调控制。,2）协调级的设计 3）执行级的设计,局域网,计算机,监控计算机,现场总线,PLC,PLC,PLC,PLC,数据采集,变压器分接头,变压器分接头,变压器分接头,变压器分接头,电压矢量,电流矢量,组织级,监督/协调级,执行级,图2.11 变电站递阶智能控制系统结构图,
