人工智能读书报告-《智能控制》读书报告(机电工程学院)
《智能控制》读书报告机电工程学院 概述通过本学期对智能控制理论尤其是专家控制的学习,让我接触并了解了一个新的领域。智能控制作为当今多学科交叉的前沿领域之一,是应用人工智能的理论与技术和运筹学的优化方法,并将其同控制理论方法与技术相结合,在未知环境下,仿效人的智能,实现对系统的控制。1985年IEEE在美国纽约召开了第一届智能控制研讨会,随后成立了IEEE智能控制专业委员会。1987年在美国举行第一届国际智能控制大会,标志着智能控制领域的形成。20世纪90年底至今,智能控制进入了新的发展时期,随着对象规模的扩大以人工智能技术、信息论、系统论和控制论的发展,人们试从高层次研究智能控制,这不仅形成了智能控制的多元化,而且在应用实践方面取得了重大进展。我国智能控制也兴起于这一时期。纵观智能控制产生、发展的历史背景与现状,其研究中心始终是解决传统控制理论、方法(包括古典控制、现代控制、自适应控制、鲁棒控制、大系统方法等)所难以解决的不确定性问题。控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性愈益突出,智能控制的研究提供了解决这类问题的有效手段,集中表现在控制工程中运用智能方法解决复杂系统的控制已取得了相当多的成功。
智能控制通常被理解为智能化的自动控制系统,其研究的主流在自动控制界,将人工智能看作自动控制的技术服务学科,运用已有的人工智能方法、技术解决自动控制系统的部分问题;基于工程控制的观念,把智能控制系统理解为高度自治的自动控制系统;在智能控制方法上,运用已有控制算法作低层次的组合;智能控制已不是一个学科所能独自完成得了的,应结合多种学科知识来解决复杂系统的控制问题,这一点已得到专家的共识。基于这种认识,人们将各种学科大胆地应用于控制中引出了许多新理论和新方法。随着信息技术的发展,许多新方法和技术进入工程化、产品化阶段,这对自动控制技术提出更新的挑战人工智能读书报告人工智能读书报告,促进了智能理论在控制技术中的应用,以解决用传统的方法难以解决的复杂系统的控制问题。当前国际最新智能控制主要方法有: ①模糊控制;②神经网络控制;③专家控制;④分层递阶控制;⑤学习控制等。在本篇读书报告中,我主要从控制方法方面依次介绍了专家控制,模糊控制,神经网络控制,学习控制,分层递阶控制,并着重介绍了自己所选的课题专家控制。在内容上,我主要是介绍了五种控制的概述,核心思想方法,以及自己的心得体会和个人总结。一 专家控制1.概述专家控制(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。由人工智能领域发展起来的专家控制是一种基于知识的智能计算机程序的技术,专家控制的实质是基于控制对象和控制规律的各种知识,并且要以智能的方式利用这些知识,以求得控制系统尽可能的优化和实用化。一般的专家控制系统由三部分组成,一是控制机制,它决定控制过程的策略,即控制哪一个规则被激活以及什么时候被激活等。二是推理机制,它实现知识之间的逻辑推理以及知识库的匹配。三是知识库,包括事实、判断、规则、经验以及数学模型。传统的控制系统的设计和分析是建立在精确的系统的数学模型基础上的,而实际系统由于存在复杂性、时变性、不确定性或不完全性等非线性,一般难以获得精确的数学模型。过去在研究这些系统时,必须提出并遵循一些比较苛刻的假设条件,而这些假设在应用中又往往与实际不相符合。为了提高控制性能,传统控制系统可能变得很复杂,不仅增加设备投资,而且会降低系统的可靠性。因此,自动控制的出路就在于实现控制系统的智能化,或者采用传统的和智能的混合控制方式。自1965年费根鲍姆等人研制成功第一个专家系统DENLDRA以来,专家系统获得了飞速的发展,并且运用于包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域,产生了巨大的经济效益和社会效益。
现在,专家系统已成为人工智能领域中最活跃、最受重视的领域。2.工作原理2.1 专家系统的基本结构专家系统由知识库(Knowledge Base)、推理机(Inference Engine)、综合数据库(Global Database)、解释接口(Explanation Interface)和知识获取(Knowledge Acquisition)等五部分组成。如下图1所示,图1. 专家系统的基本组成专家系统中的知识的组织方式是,把问题领域的知识和系统的其他知识分离开来,后者是关于如何解决问题的一般知识或如何与用户打交道的知识。领域知识的集合称为知识库,而通用的问题求解知识称为推理机。按照这种方式组织知识的程序称为基于知识的系统,专家系统是基于知识的系统。知识库和推理机是专家系统中两个主要的组成要素。知识库是知识的存储器,用于存储领域专家的经验性知识以及有关的事实、一般常识等。知识库中的知识来源于知识获取机构,同时它又为推理机提供求解问题所需的知识。推理机是专家系统的“思维”机构,实际上是求解问题的计算机软件系统。推理机的运行可以有不同的控制策略。解释接口又称人-机界面,它把用户输人的信息转换成系统内规范化的表示形式,然后交给相应模块去处理,把系统输出的信息转换成用户易于理解的外部表示形式显示给用户,回答用户提出的问题。
综合数据库又称为“黑板”或“数据库”。它是用于存放推理的初始证据、中间结果以及最终结果等的工作存储器(Working Memory)。综合数据库的内容是在不断变化的。在求解问题的初始,它存放的是用户提供的初始证据。解释接口又称人—机界面,它把用户输入的信息转换成系统内规范化的表示形式,然后交给相应模块去处理,把系统输出的信息转换为用户易于理解的外部表示形式显示给用户。专家控制系统的工作原理专家控制系统有知识基系统、数值算法库和人-机接口三个并发运行的子过程。三个运行子过程之间的通信是通过五个信箱进行的,这五个信箱即出口信箱(Outbox)、人口信箱(In box)、应答信箱(Answer box)、解释信箱(Result box)和定时器信箱(Timer box)。如下图2为一个专家控制系统的典型结构图。图2 专家控制系统的典型结构图系统的控制器由位于下层的数值算法库和位于上层的知识基子系统两大部分组成。数值算法库包含的是定量的解析知识,进行数值计算,快速、精确,由控制、辨识和监控三类算法组成,按常规编程直接作用于受控过程,拥有最高的优先权。控制算法根据来自知识基系统的配置命令和测量信号计算控制信号,例如PID算法、极点配置算法、最小方差算法、离散滤波器算法等,每次运行一种控制算法。
当基于知识的控制器直接影响被控对象时,这种控制叫做直接专家控制。如图3所示。图3 直接专家控制系统专家系统间接地对控制信号起作用,或者说,当基于知识的控制器仅仅间接影响控制系统时(譬如监督控制系统,调节关键结构参数;又如为了避免控制回路的突发效应切断参数估计过程等),我们把这种专家控制称为间接专家控制系统,或监控专家控制。如图4所示。图4 间接专家控制系统专家控制虽然引用了专家系统的思想和方法,但它与一般的专家系统还有重要的差别:1. 通常的专家系统只完成专门领域问题的咨询功能,它的推理结果一般用于辅助用户的决策;而专家控制则要求能对控制动作进行独立的、自动的决策,它的功能一定要具有连续的可靠性和较强的抗扰性。2. 通常的专家系统一般处于离线工作方式,而专家控制则要求在线地获取动态反馈信息,因而是一种动态系统,它应具有使用的灵活性和实时性,即能联机完成控制。3.个人总结本学期的课题分组,我选择了专家控制小组,在对整个智能控制内容学习的基础之上,又着重对自己所选的专家控制进行了重点地研习,翻看了很多教材来了解专家控制的基本内容,并查阅了很多相关文献以追踪专家控制的前沿发展概况,了解到国内外相关领域的学者所做的一些工作。
作为一个六人小团队,我们在课堂上所做的报告在内容上各有分工,我主要是对知识库中知识表示方法在课堂上作了自己的报告。在对知识表示方法作进一步深入学习的时候,自己还有一个很大的收获,我了解到在知识表示方法中有一种Petri网知识表示法,而petri网正是自己的研究生的专业方向,正是通过对专家控制的相关学习,我找到了petri和专家控制的知识表示两个不同学科之间的契合点,这也极大的引起了我的兴趣,而且通过查阅文献,我了解到国内的一些好多学者都在做petri网知识表示方法的相关研究,这为我自己今后的学习提供了一个很好的方向。下面我简单介绍一些自己所做报告的核心内容。知识库是专家系统的核心组成部分,用于存取和管理问题求解所需的专家知识和经验。一个专家系统的能力很大程度上取决于其知识库中所含知识的数量和质量。知识库的建立包括知识的获取和知识的表示,知识获取要解决的问题是如何从专家那里获得专门知识;而知识表示就是要将专家的知识和经验表达成计算机能理解的形式。知识表示的方法有很多种:状态空间法,问题归约法,谓词逻辑法,语义网络法,Petri网表示法,面向对象表示法,过程表示法,框架表示法等等。问题归约法:已知问题的描述,通过一系列变换把这个问题最终变为一个子问题集合,这些子问题的解可以直接得到,从而解决初试问题。
为了证明如何使用问题归约法求解问题我们引入一个例子——“梵塔难题”。如图5所示,图5 梵塔难题然后,我们引入这样的一种更容易被计算机所存储和处理的结构:所有问题归约的目的是最终产生具有明显解答的本原问题。这些问题可以由状态空间搜索中走动一步就能解决的问题,对终止搜索过程起着明显的作用。Petri网作为一种高效的建模和分析工具,近年来得到了快速的发展,但是Petri网作为一种纯理论工具,并不能适合所有领域的应用需求。所以,针对不同领域的研究对象,很多学者提出了各种各样改进的Petri网理论,如近年来得到普遍应用的随机Petri网、有色Petri网以及多值Petri网等,模糊Petri网作为Petri网的一个重要分支,也越来越多地引起了人们的兴趣。特别是应用在人类知识的表示和人工智能中非常合适,在这一方面,已有许多学者进行了研究。从整个专家控制领域看,遗憾的是,目前在国内化工应用的专家控制系统基本停留于理论研究阶段,还未产业化。二 模糊逻辑控制1.概述模糊控制是以模糊集合论、模糊语言变量及模糊逻辑为基础的计算机智能控制。模糊控制从其诞生至今也不过30年的时间,1974年马达尼(Maindani)教授在他的博士论文中首次论述了如何将模糊逻辑应用于过程控制,从而开创了模糊控制的先河。
在这之后的30年间的发展中,模糊控制在理论和应用研究方面均取得了重大的成功。传统的控制方法在执行控制时,往往需要取得对象的数学模型,比如PID控制。但是一些学者发现人类在处理复杂对象的过程,并不是首先建立被控对象的数学模型,然后根据这一模型去精确地计算出系统所需要的控制量,而是完全在模糊概念的基础上利用模糊的量完成对系统的合理控制。人们正是因为从中得到了启示,最终导致了模糊控制的诞生。可以看到,经验和知识将扮演重要的角色,通过对经验和知识进行推理进而产生相应的控制策略。模糊控制从1974年到现在,模糊控制的发展经历了两个阶段,即简单模糊控制阶段和自我完善模糊控制阶段。简单模糊控制阶段指在计算机系统上把控制器上的推理过程处理成控制表,这种模糊控制器结构简单但不灵活,自适应能力和鲁棒性有限,控制精度不高;自我完善模糊控制阶段指具有参数自调整、自组织和自学习功能的模糊控制器,这样使模糊控制系统的性能得到了很大的提高。20世纪80年代末,日本首先将模糊控制技术应用于家用电器领域,之后相继推出了模糊洗衣机、电冰箱、空调器、电饭锅等,显示了模糊控制强大的生命力。2.基本原理模糊控制是利用模糊数学的基本思想和理论的控制方法。在传统的控制领域里,控制系统动态模式的精确与否是影响控制优劣的最主要关键,系统动态的信息越详细,则越能达到精确控制的目的。然而,对于复杂的系统,由于变量太多,往往难以正确的描述系统的动态,于是工程师便利用各种方法来简化系统动态,以达成控制的目的,但却不尽理想。换言之,传统的控