智能控制导论 # 专家控制
特定领域的专家: 对问题的求解是基于自己的知识和推理完成的。
1.1 专家系统的定义
定义的3个关键点:1.计算机程序系统 2.内部有大量专家知识 3.这个系统能模拟人类专家推理解决问题
1.2 专家系统的基本组成
规则有两种:
- 基于专家经验的判断性规则
- 用于推理、问题求解的控制性规则
知识库
包含多种功能模块:知识查询、检索、增删、修改、扩充。
通过人机接口获取专家知识。
推理机
对知识库中的知识进行推理来得到结论的“思维”机构,完成基于知识的推理
推理机包括三种推理方式:
1.正向推理
从原始数据和已知条件得到结论
2.反向推理
先提出假设的结论,寻找支持的证据
3.双向推理
先用正向推理得到假设的结论,再用反向推理证实假设
知识库和推理机=》模拟了人类专家的思考和决策过程
1.3 专家系统的实现
怎样在知识库中表示专家的知识?
常用知识表述方法有:产生式规则,框架,语义网络,过程。
- 产生式规则最流行。
IF E THEN H WITH CF(E,H)
E - 规则的前提条件,即:证据
H - 规则的结论,即假设,也是命题
CF - 规则的强度。 E为true时对结论的影响程度
如何开发专家系统?
ES的开发工具
- 编程语言:C语言、Lisp语言、PROLOG语言等
- 专家系统外壳:EMYCIN,KAS,EXPERT等
- 通用型专家系统工具和开发环境:Insight2,Exsys
专家系统的建立步骤
瑞典学者K.J.Astrom在1983年把专家系统引入控制领域,与1986年提出“专家控制”。
2.1 专家控制定义
专家控制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,从而实现对系统的控制。
2.2 专家控制的结构
Note:在推理机上特别注明了“实时”。因为控制系统对实时性具有极高的要求。
实时性
任务要在限定时间内完成
故此:专家系统的推理机必须在指定时间内决策,因此是:实时推理机。
专家系统与专家控制系统是不同的。 有重大区别的。 只是在控制领域借鉴了专家系统的思想。而不是单纯地对专家系统的应用。
专家控制比专家系统对可靠性和抗干扰性有更高的要求。
2.3 专家控制系统的优越性
- 专家控制能满足任意动态过程的控制需要,尤其是适用于那些带有时变、非线性和强干扰的系统的控制。
- 使用专家控制在控制过程中可以充分的利用对象的先验知识。
- 使用专家控制通过修改、增加控制规则、可不断累积知识,改进控制性能。
- 使用专家控制能够定性的描述控制系统的性能。如:“超调小”,“偏差增大”等。
- 使用专家控制对控制性能可以进行解释。 (可解释性:与后面的博客将写到的神经网络控制相对比,这是一个很重要的性质)
- 可以通过对控制闭环中的单元进行故障检测来获取经验规则,从而获得更丰富的知识。
2.4 专家控制系统中的知识表述
系统中的知识
(1) 受控过程的知识
- 先验知识:包括问题的类型及开环特性。
- 动态知识:包括中间状态及特性变化。
(2)控制、辨识、诊断知识
- 定量知识: 各种算法
- 定性知识:各种经验、规则、直观判断
数据库中的4类知识表述
-
事实——控制系统中已知的静态数据
-
证据——测量到的动态数据
数据各异、带有噪声、延迟、残缺甚至出现冲突。
-
假设——由事实和证据推导的中间结果,作为当前事实集合的补充
-
目标——系统的性能指标
规则库中的知识
一般还是用产生式规则
IF 控制局势(事实和证据)
THEN 操作结论
根据专家控制在控制系统中的作用和功能还可以分:直接型专家控制器、间接型专家控制器
直接控制生产过程
优化适应、协调、组织等高层决策的智能控制。
间接型专家控制器还可细分:
- 优化型专家控制器 【在线】
- 适应型专家控制器 【在线】
- 协调型专家控制器 【离线】
- 组织型专家控制器 【离线】
2.5 专家控制系统中的关键技术
2.6 专家控制的特点
下一篇博文举一个典型的专家控制实例。(在上一篇博文绪论中提到的专家PID)
拓展阅读: link~