其它智能控制

1、第九章 其它智能控制教學內容本章擬對仿人控制、進化控制和免疫控制等智能控制方法給予簡要介紹,以求更全面地反映國內外智能控制的最新發(fā)展。教學重點1. 仿人控制的控制原理、原型算法、屬性和設計步驟 ;2. 進化控制的基本思想及移動機器人進化控制系統的體系結構和算法 ;3. 免疫控制定義、免疫算法設計和參數選擇、免疫控制系統結構。教學難點1. 仿人控制器的原型算法和設計步驟 ;2. 遺傳算法的基本原理和求解步驟 ;3. 進化控制系統的結構化設計 ;4. 遺免疫控制器的設計。教學方法以課堂講授為主 ,結合前面所講控制系統的實例 ,對學生進行啟發(fā)式引導 ,重點幫助理解各 種新興控制算法的基本原理 ,求解

2、步驟 ,可適當地布置遺傳算法和免疫算法的編程實驗,培養(yǎng)學生的動腦動手能力。教學要求重點掌握仿人控制、遺傳算法、免疫算法的基本原理和設計步驟9.1 仿人控制教學內容 仿人控制綜合了遞階控制、專家控制和基于模型控制的特點,實際上可以把它看作一種混合控制。本節(jié)首先介紹仿人控制的原理和原型算法,然后介紹仿人控制器的屬性和設計步驟。教學重點 仿人控制器的原型算法和設計步驟。教學難點 怎樣設計合適的仿人控制器。教學方法 課堂教授為主 ,以設問的方式引導學生理解仿人控制的基本概念。教學要求 了解仿人控制的相關概念。9.1.1 仿人控制原理與原型算法1. 仿人控制的基本原理仿人控制 (human-simula

3、ted control) 的思想是周其鑒于 1983 年正式提出的 , 基本思想就是在 模擬人的控制結構的基礎上 ,進一步研究和模擬人的控制行為與功能,并把它用于控制系統 ,實現控制目標。2. 仿人控制的原型算法仿人控制器的原型算法如下式所示 :(9.1) 式中 u 為控制輸出 ,Kp 為比例系數 ,k 為抑制系數 ,e 為誤差 , 為誤差變化率 ,em,i 為誤差的第 i 次峰值。9.1.2 仿人控制器的屬性與設計步驟1. 仿人控制器的智能屬性(1) 仿人控制器原型是一種雙影射關系 , 即一種變模態(tài)控制 ;(2) 在仿人控制原型算法中 , 確定誤差變化趨勢特征的集合反映在誤差相平面上的全部特

4、 征,構成整個控制決策的依據 ,即特征模型 ;(3) 仿人控制器原型在維持模態(tài)時對誤差極值的記憶和利用。2. 仿人控制器的設計步驟(1) 確定設計目標軌跡根據用戶對控制性能指標 (如上升時間、 超調量、 穩(wěn)態(tài)精度等 )的要求 ,確定理想的單位階躍 響應過程 ,并把它變換到時相空間中去 ,構成理想的誤差時相軌跡。(2) 建立特征模型根據目標軌跡在誤差相平面 上的位置或者誤差時間平面 上的位置 ,以及控制 器的不同級別 (執(zhí)行級、參數校正級、任務適應級 ),確定特征基元集 ,劃分出特征狀態(tài)集 ,從而 構成不同級別的特征模型。(3) 設計控制規(guī)則與控制模態(tài)集 針對系統運行狀態(tài)處于特征模型中某些特征狀

5、態(tài)與瞬態(tài)指標(理想軌跡 )之間的差距 ,以及理想軌跡的運動趨勢 ,模仿人的控制決策行為 ,設計控制或校正規(guī)則和模態(tài) ,并設計出模態(tài)中 的具體參數。提問 怎樣設計仿人控制器 ?可分為哪幾步9.2 進化控制教學內容 首先介紹進化算法中遺傳算法的基本原理、求解步驟,然后講述進化控制的基本思想、進化控制系統的結構和形式化描述,最后介紹移動機器人進化控制系統的體系結構和算法。教學重點 遺傳算法的基本原理和求解步驟 ; 進化控制的基本思想和進化控制器的形式化描述。教學難點 遺傳算法如何解決實際問題 ,進化控制系統的結構描述和算法設計。教學方法 課堂講授為主 ,以各種控制器的典型結構來介紹其相關的概念,培養(yǎng)

6、學生的形象思維能力。教學要求 掌握遺傳算法的基本原理和設計步驟 ,熟悉進化控制系統的結構組成。9.2.1 遺傳算法的基本原理遺傳算法是模仿生物遺傳學和自然選擇機理,通過人工方式構造的一類優(yōu)化搜索算法,是對生物進化過程進行的一種數學仿真 ,是進化計算的一種最重要形式。以霍蘭德(Holland) 于1975 年提出的簡單遺傳算法作為討論主要對象,加上適應的改進 ,來分析遺傳算法的結構和機理。提問 一般來說 ,進化算法包含哪些主要的算法 ?1.編碼與解碼將問題結構變換為位串形式編碼表示的過程叫編碼 ;而相反將位串形式編碼表示變換為原 問題結構的過程叫解碼或譯碼。把位串形式編碼表示叫染色體 ,有時也叫

7、個體。GA 的算法過程簡述如下。首先在解空間中取一群點, 作為遺傳開始的第一代。每個點 ( 基因) 用一個二進制數字串表示 ,其優(yōu)劣程度用一目標函數 適應度函數 (fitness function) 來衡 量。遺傳算法最常用的編碼方法包括二進制編碼、浮點數編碼方法、格雷碼、符號編碼方法、 多參數編碼方法等。2.適應度函數適應度函數 (fitness function) 用于決定染色體的優(yōu)劣程度 ,它體現了自然進化中的優(yōu)勝劣汰 原則。對優(yōu)化問題 ,適應度函數就是目標函數。適應度函數要有效反映每一個染色體與問題 的最優(yōu)解染色體之間的差距。3. 遺傳操作簡單遺傳算法的遺傳操作主要有有三種:選擇 (s

8、election) 、交叉 (crossover)、變異 (mutation) 。改進的遺傳算法大量擴充了遺傳操作,以達到更高的效率。選擇操作也叫復制 (reproduction)操作。一般地說 ,選擇將使適應度較大 (優(yōu)良 )個體有較大的 存在機會 ,而適應度較小 (低劣 )的個體繼續(xù)存在的機會也較小。 交叉操作的簡單方式是將被選 擇出的兩個個體 P1和 P2 作為父母個體 ,將兩者的部分碼值進行交換。變異操作的簡單方式 是改變數碼串的某個位置上的數碼。9.2.2 遺傳算法的求解步驟1.簡單遺傳算法的求解步驟(1) 初始化群體 ;(2) 計算群體上每個個體的適應度值 ;(3) 按由個體適應度

9、值所決定的某個規(guī)則選擇將進入下一代的個體 ;(4) 按概率 Pc 進行交叉操作 ;(5) 按概率 Pc 進行突變操作 ;(6) 若沒有滿足某種停止條件 ,則轉第 (2) 步,否則進入下一步 ;(7) 輸出群體中適應度值最優(yōu)的染色體作為問題的滿意解或最優(yōu)解。2.一般遺傳算法的主要步驟(1) 隨機產生一個由確定步驟(2) 對該字符串群體迭代的執(zhí)行下面的步和,直到滿足停止標準 : 計算群體中每個個體字符串的適應值 ; 應用復制、交叉和變異等遺傳算子產生下一代群體。(3) 把在后代中出現的最好的個體字符串指定為遺傳算法的執(zhí)行結果,這個結果可以表示問題的一個解。9.2.3 進化控制及其形式化描述1.進化

10、控制及基本思想進化控制是建立在進化計算和反饋控制相結合的基礎上的,進化更著重于改變和影響生命特征的內在本質因素 ,通過反饋作用所提高的性能需要由進化作用加以鞏固。2.進化控制系統的結構和形式化描述進化控制系統的結構如圖 9.1 所示。圖 9.1 進化控制系統的結構提問 形式化描述進化控制系統有什么好處 ?定義 9.1 一個進化控制系統可由六元組 ( , , , , , )來描述。其中 , 給定任 務, 適應度函數 , 進化操作算子 , 解空間表示 , 控制作用 , 廣義被控制對 象輸出 (或反饋信息 )。一個進化控制的問題可以表示為一個最優(yōu)化問題的描述。定義 9.2 進化控制的優(yōu)化問題一般可描

11、述為(9.2)式中, 為適應度函數 , 為解空間的個體 , 為解空間。 進化控制的最優(yōu)控制器的求解 過程是該最優(yōu)化問題的迭代計算過程。 即在開始時刻產生初始種群 進入相應的進化操作過程,直到第 代種群中 ,有個體使得 滿足要求 , 即為所要求的,即9.2.4 移動機器人進化控制系統的體系結構和算法1.進化控制系統的體系結構圖 9.2 是基本功能 / 行為集成的移動機器人進化控制系統的體系結構圖。該系統由進化規(guī)劃模塊和基于行為的控制模塊組成。圖 9.2 規(guī)劃、行為綜合的進化控制體系結構2.進化規(guī)劃器的結構與算法 系統實現包括邏輯設計與物理實現 ,邏輯設計中以進化規(guī)劃器與各種反射行為的實現為核 心

12、。圖 9.3 進化規(guī)劃器結構在本系統中 ,進化規(guī)劃器的結構如圖 9.3 所示。離線進化算法模塊根據先驗知識對機器人運動路線做出離線規(guī)劃,機器人再據規(guī)劃路線移動,其運動姿態(tài)由運動規(guī)劃模塊保障。當遇到未知障礙時,啟動反射式行為 ,使機器人避障。然后啟動在線進化規(guī)劃 ,計算新的路徑 ,再由運動規(guī)劃器保障實施 ,以保持路徑跟蹤的魯棒性。討論 進化控制系統的體系結構一般由哪些控制模塊組成?各模塊起的作用是什么 ?離線與在線進化計算的實現形式描述如下 :編碼方式 :機器人移動路徑由起始節(jié)點至目標節(jié)點的線段連接而成,一條路徑描述如圖 9.4所示。圖 9.4 路徑的基因表示其中 , 表示節(jié)點的坐標值 , 表示

13、節(jié)點是否可行的狀態(tài)。3. 運動規(guī)劃算法運動規(guī)劃器的目的在于給出具體的規(guī)劃路徑之后,如何求得合適的速度控制量和駕駛角度控制 ,保持路徑跟蹤的魯棒性。系統中采用如下控制模型 :其中 為應施加的速度和角度速度值 , 為當前的速度與角速度 , , 分別為當前姿 態(tài)與參考姿態(tài)偏差 , , , 為正常數。9.3 免疫控制 教學內容 首先介紹免疫算法的原理和設計方法 ,然后討論幾種典型的免疫控制。教學重點 免疫算法定義、設計方法、參數選擇 ,免疫控制的一般結構。教學難點 免疫算法的設計方法和參數選擇 ,免疫控制系統的設計。教學方法 課堂教授為主 ,從免疫算法的基本原理出發(fā)啟發(fā)學生的思維,有條件的化可安排有關

14、實驗 ,加深學生的了解。教學要求 重點掌握免疫算法的原理和求解的步驟。9.3.1 免疫算法的提出和定義1.免疫算法的提出人工免疫系統是由免疫學理論和觀察到的免疫功能、原理和模型啟發(fā)而產生的適應性系 統。免疫算法的關鍵在于系統對受侵害部分的屏蔽、 保護和學習控制。 設計免疫算法可從兩 種思路來考慮 : 一是用人工免疫系統的結構模擬自然免疫系統的結構;另一是著重考察兩系統在相似的外界有害病毒侵入下 ,其輸出是否相同或類似 ,側重對免疫算法的數據分析 ,而不 是流程上的直接模擬。2.免疫算法的有關定義定義 9.3 免疫算法 是模仿生物免疫學和基因進化機理 ,通過人工方式構造的一類優(yōu)化搜索算 法,是對

15、生物免疫過程的一種數學仿真 ,是免疫計算的一種最重要形式。定義 9.4 人工免疫系統 是由免疫學理論和觀察到的免疫功能、 原理和模型啟發(fā)而產生的適應 性系統?？赏ㄟ^免疫算法進行人工免疫系統的計算和控制。定義 9.5 免疫系統在受到外界病菌的感染后 ,能夠通過自身的免疫機制恢復健康以保持正常 工作的一種特性或屬性稱為 免疫系統的魯棒性 。定義 9.6 抗原 (antigen) 指所有可能錯誤的基因 ,即非最佳個體的基因 ;疫苗 (vaccine) 是根據進 化環(huán)境或待解問題的先驗知識 ,得到的對最佳個體基因的估計 ;抗體 (antibody) 是指根據疫苗 修正某個個體的基因所得到的新個體。9.

16、3.2 免疫算法的設計方法和參數選擇1.免疫算法的主要設計方法(1) 白箱模擬法按照白箱模擬法的思路 ,借用生物免疫機制的一些概念 ,從形式上進行一定的模擬 ,以實現 對系統人工免疫的目的。(2) 黑箱模擬法黑箱模擬法間接地從輸入輸出的特征來考察人工系統對自然系統的模擬。免疫算法常采 用遺傳算法或進化算法對外界攻擊或病毒進行學習,產生出與外界攻擊或者病毒相克的抗體。所以 ,免疫算法一般采用了遺傳學習機制。討論 白箱模擬法和黑箱模擬法各自的工作原理是什么?設計免疫算法時該怎么選擇哪種設計方法 ?2.免疫算法的參數不同免疫算法的分析和比較主要從以下兩個方面進行研究 :(1) 自然免疫系統的免疫學理

17、論和方法 ;(2) 計算機算法的分析量度。 免疫算法的種類(1) 反向選擇算法(2) 免疫遺傳算法(3) 克隆選擇算法(4) 基于疫苗的免疫算法(5) 基于免疫網絡的免疫算法 免疫算法的參數(1) 變異率(2) 選擇閾值(3) 抗體生命周期(4) 誤差(5) 解群體的規(guī)模9.3.3 免疫控制的系統結構免疫控制器一般由三層構成 ,即底層、中間層和頂層 ,如圖 9.5 所示。圖 9.5 免疫控制器的一般結構控制器底層包括執(zhí)行模塊和監(jiān)控模塊,用于執(zhí)行控制程序和監(jiān)控執(zhí)行結果及系統異常。中間層包括控制模塊和計算模塊。計算模塊用于信號綜合、免疫計算和其它智能計算,而控制模塊則向執(zhí)行模塊發(fā)出控制指令。頂層為

18、智能模塊,是控制器的決策層 ,提供免疫算法類型、系統任務和相關智能技術 ,用于模擬人類的決策行為。提問 怎樣設計免疫控制系統9.4 小 結本章討論了幾種其它智能控制 ,包括近年來提出的新的智能控制。本章第一節(jié)介紹了仿人控制 ,它是在模擬人的控制結構的基礎上,進一步研究模擬人的控制行為與功能 ,并把它用于控制系統 ,實現控制目標。仿人控制系統兼顧定性綜合和定量分析,是一種混合控制。也可以說 ,仿人控制是一種專家控制、遞階控制和模型控制的混合控制。進化控制建立在進化計算 （尤其是遺傳算法 ） 和反饋機制的基礎上的。在介紹了遺傳算法的 基本原理和求解方法之后 ,著重討論了進化控制的基本思想 ,提出了進化控制系統的結構和形 式化描述。然后以移動機器人進化控制系統為例,進一步探究系統的體系結構和進化控制器的結構及運動規(guī)劃算法。對進化控制的探討是作者的一種嘗試,提出的控制思想和方法 ,需要進一步研究、修正和發(fā)展。本章還討論了免疫控制 ,它是建立在