智能控制技术 ¶

约 2276 个字预计阅读时间 9 分钟

课程资源

作业资源

Robot_Path_Plan
导航规划
 导航规划
 ICP历程估计
 ICP历程估计
 EKF定位

课程资源

模糊控制 B 站网课
 模糊控制设计
 神经网络辨识

递阶控制 ¶

递阶控制系统由按照一定优先级和从属关系安排的子系统组成，这些子系统形成递阶结构，一般分为组织级、协调级和执行级。

执行级为直接控制级，其各个控制器分别控制被控对象的一部分；
协调级为监督控制级，其接受组织级的决策指令，协调和优化执行级各控制器的设定值，并向组织级传送执行结果信息；
组织级为决策控制级，其接受控制期望目标和协调级反馈信息，制定最优决策，对协调级下达决策指令。

多层控制结构

按系统中决策的复杂性来分级，是一种含有不确定因素的复杂系统。

直接控制层（需要很高的精度）
最优化层（确定控制器的设定值）
自适应层（关于模型和控制规律自适应）
自组织层（自动选择模型结构与控制，以适应环境的改变）

多级多目标结构

当系统由若干个可分的相互关联的子系统组成时，可按所有决策单元按一定支配关系递阶排列。
同一级各单元要受上一级的干预，同时又对下一级决策单元施加影响。同级之间不交换信息，上下级间交换信息。
同一级决策单元如有相互冲突的决策目标，由上一级决策单元加以协调。
协调的总目标是使全局达到优化或近似优化。
多级多目标决策单元在不同级间递阶排列，形成了金字塔式结构。

基本原理 ¶

智能机器

智能机器的高层功能模仿了人类行为，实现控制系统的规划、决策、学习、数据存取和任务协调等功能，进行知识处理与管理

机器知识
先验知识：由设计者或用户给予的初始信息。
经验知识：通过学习和体验取得与积累的信息。
机器知识率：通过智能机的知识流量，即执行任务
事件数据库
机器智能

IPDI 原理：

数学推导：\(H(R)=H(MI)+H(DB)\)

若知识流量不变，增大数据库 DB 的熵将减少机器智能 MI 的熵。
知识流 R 在信息理论意义上代表系统的工作能力。
在建立和执行任务期间，知识流量一般不变。

精度递增伴随智能递减

原理适用于递阶系统的单个层级和多个层级。

核心 ¶

递阶控制中的协调问题就是要选择干预向量或协调参数 ，从某个初值经过迭代达到终值，从而使递阶控制达到最优。

协调原则 ¶

关联预测协调原则——直接干预法

（1）协调级预测关联：协调器要预测各子系统的关联输入输出变量

（2）子系统决策：下层的各决策单元根据预测的关联变量求解各自的决策问题，然后把达到的性能指标值送给协调器，

（3）协调级修正关联：协调器再修正关联预测值，直到总体目标达到最优为止。

关联平衡协调原则——目标协调法

（1）协调级预定子系统目标：协调器预先给出每个子系统的性能目标

（2）子系统决策：下层的各决策层单元在求解各自的优化问题时，把关联变量当作独立变量来处理，即不考虑关联的约束条件，

（3）协调级修正子目标：依靠协调器的干预信号来修正各决策单元的优化指标，以保证最后关联约束得以满足，这时目标函数中修正的值应趋于零。

分级递阶智能控制 ¶

组织级 ¶

智能最高，执行最高决策的控制功能

对于给定的外部命令和任务，设法找到能够完成该任务的子任务（或动作）组合。

组织级将要求发送给协调级，同时接收协调及反馈的信息，对之前储存的信息进行修改，起到学习的作用

（左）组织级（右）协调级

协调级 ¶

分行架构：在内部再进行分级

分为分派器与协调器，两者具有统一的结构

数据处理器
任务处理器
学习处理器

执行级 ¶

智能程度最低，控制精度最高

递阶智能控制智能的分解 ¶

智能主要体现在高层次上

机械臂递阶控制系统结构

专家控制 ¶

基本知识 ¶

特点

启发性
透明性
灵活性

组成：知识库、推理机、综合数据库、解释接口、知识获取

专家系统与常规程序的区别

一般应用程序把问题求解的知识隐含地编入程序，把知识组织为两组：数据级和程序级
专家系统将知识组织成三级；数据、知识库和控制。即控制（推理）与知识库分离
例：中医的专家系统，将知识库变为西医，控制可以不变

知识表示方式 ¶

大多数知识表示法都需要对叙述性知识和过程性知识提供描述方法

产生式规则表示法 ¶

规则的一般形式为：“条件→行动”或“前提→结论“

条件部分可以是逻辑组合或表达式。行动部分可以是中间结果、最终结果或相应动作
为了表达时间概念，可引入一个时间因子嵌入到规则的条件或结论部分

基于规则的系统结构

框架表示法 ¶

框架通常是由框架 (frame) 名、槽 (slot) 名、侧面 (aspect) 名及值 (value) 四部分组成

框架常用的推理有继承推理和过程推理

黑板表示法 ¶

黑板模型是一种功能强大的知识处理结构和问题求解模型，可以处理大量不同的、错误的和不完整的知识，以求解问题。

黑板模型主要由一个具有层次结构的黑板、一套独立的知识源和调度器组成。

黑板
用于存储所有知识源可访问的知识，它的全局数据结构被用于组织问题求解数据，并处理各知识源之间的通讯问题。
知识源
专门用于处理一定类型的较窄领域信息或知识的独立程序，而且具有决定是否应当把自身信息提供给问题求解过程的能力。
调度器
由某个知识源向黑板增添新的信息，触发其它对新送来的信息感兴趣的知识源，执行某些测试过程，以决定它们是否能够被合法执行，最后，一个被触发了的知识源被选中，执行向黑板增添信息的任务。
这个循环不断进行下去。