智能控制(研)-第四章 递阶控制系统

《智能控制(研)-第四章 递阶控制系统》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、《智能控制》IntelligentControl第四章递阶控制系统4.1递阶智能机器的一般理论基于逻辑的方法Nilsson和Fikes等叙述过，其通用技术仍在继续研究与开发之中。基于解析的方法该方法已在理论和实践两方面达到比较成熟的水平。新的方法和技术如Boltzmann机、神经网络和Petri网等，为智能机器理论的分析研究提供了新的工具。递阶智能控制(HierarchicalIntelligentControl)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与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。萨里迪斯（Sar

2、idis)提出基于３个控制层次和ＩＰＤＩ(精度随智能降低而提高）原理的三级递阶智能控制系统；维拉提出基于知识描述和数学解析的二层混合智能系统。递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的，级联交互结构图如下。4.1.1递阶智能机器的一般结构图4.1递阶智能机器的级联结构为自执行级至协调级的在线反馈信号；为自协调级至组织级的离线反馈信号组织级代表控制系统的主导思想，并由人工智能起控制作用。根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。1.组织级(organizationlevel)2

3、.协调级(coordinationlevel)协调级是组织级和执行级间的接口，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。图4.3协调级的结构3.执行级(executionlevel)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。通常称S为香农（Shannon）负熵，它可变换为下列方程：式中，为被传递的信息信号空间。负熵是对信息传递不确定性的一种度量，即系统状态的不确定性可由该系统熵的概率密度指数函数获得。熵和熵的变化率：

4、信息熵P为信息源中各事件发生的概率香农（Shannon）负熵可变换为下列方程：为被传递的信息信号空间。4.智能机器的作用它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。用熵来描述和度量系统的控制作用。5.递阶智能控制的实质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（IPDI）精度随智能降低而提高的原理，而所求得序列能够使系统的总熵为最小。4.1.2递阶智能机器的信息论定义知识、信息、智能、信息论…...定义4.1机器知识(MachineKnowle

5、dge,K)机器知识是消除智能机器指定任务的不确定性所需要的结构信息。智能机器中的机器知识包括先验知识和经验知识。定义4.2机器知识流量(RateofMachineKnowledge,R)机器知识流量是通过智能机器的知识流。定义4.4机器不精确性(MachineImprecision)机器不精确性是执行智能机器各项任务的不确定性。定义4.5机器精度(MachinePrecision)机器精度是机器不精确性的补，它代表过程的复杂性。4.1.3IPDI原理的解析公式定义4.3机器智能(MachineIntelligence,MI)机器智能是分析和组织

6、数据，并把数据变换为知识的作用。ＩＰＤＩ原理可由概率公式表示为：PR(MI,DB)=PR(R)上式中，ＰＲ表示概率，ＭＩ为机器知识，ＤＢ为与执行任务有关的数据库。数据库代表任务的复杂性，且取决于任务的执行精度，即该执行精度是与数据库的复杂性相称的。取自然对数后可得下式：lnp(MI/DB)+lnp(DB)=lnp(R)对两边取期望值，可得熵方程：S(MI/DB)+S(DB)=S(R)上式中，S（x）为与x有关的熵。在建立和执行任务期间，期望有个不变的知识流量；这时，增大特定数据库ＤＢ的熵要求减小机器智能ＭＩ的熵。如果ＭＩ独立于ＤＢ，那么：S(MI

7、)+S(DB)=S(R)本原理适用于递阶系统的单个层级和多个层级。在多层情况下，知识流Ｒ在信息理论意义上代表系统的工作能力。4.2递阶智能控制系统的原理与结构根据“精度随智能降低而提高”（IPDI）原理，可把递阶智能控制系统分为几个子系统，并对每个子系统导出计算模块。全部子系统连成树状结构，形成了多层的递阶模型。下面先介绍与组织级两个模型有关的决策段结构，然后讨论协调级和执行级的模型。4.2.1组织级原理与结构图4.2组织级的结构框图组织级的结构如下图，可把此框图视为一个Botlzmann机结构。定义4.9机器学习与反馈(MLF)机器学习与反馈是

8、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。定义4.8机器决策(MDM)机器决策是在最