智能控制課件8課件

1、 （第8課） 第五章 學(xué)習(xí)控制 第六章 分層遞階智能控制智能控制Intelligent Control第五章 學(xué)習(xí)控制學(xué)習(xí)是人類具有智能的顯著標(biāo)志，同時(shí)也是智能系統(tǒng)的智能化衡量標(biāo)準(zhǔn)。 K S FU 把學(xué)習(xí)控制與智能控制相提并論1學(xué)習(xí)控制是為了解決主要由對(duì)象的非線性和系統(tǒng)建模不良所造成的不確定性問(wèn)題。 學(xué)習(xí)控制通過(guò)對(duì)未知信息的估計(jì)逐步改善控制系統(tǒng)性能。什么是學(xué)習(xí)，什么是學(xué)習(xí)控制系統(tǒng) 教材 P28325.1 概述學(xué)習(xí)控制與自適應(yīng)控制 教材 P284 自適應(yīng)控制著眼于瞬時(shí)，動(dòng)態(tài)特性隨時(shí)間變化，沒(méi)有記憶 學(xué)習(xí)控制強(qiáng)調(diào)全局，具有記憶特性學(xué)習(xí)控制典型類別 （1）基于模式識(shí)別的學(xué)習(xí)控制 （2）基于迭代和重復(fù)

2、的學(xué)習(xí)控制 （3）聯(lián)結(jié)主義學(xué)習(xí)控制3機(jī)器學(xué)習(xí)是智能系統(tǒng)（特別是ES）中不可缺少的一個(gè)組成部分 ES需要不斷適應(yīng)外界環(huán)境的變化，提高解決問(wèn)題的能力 機(jī)器學(xué)習(xí)的研究已經(jīng)有相當(dāng)長(zhǎng)的歷史，提出了很多尚待解決的問(wèn)題，是AI領(lǐng)域上正在發(fā)展的一個(gè)課題 學(xué)習(xí)也可以看作是獲取知識(shí)的方法4（補(bǔ)充）機(jī)器學(xué)習(xí)（3）通過(guò)例子學(xué)習(xí)（learning from example） 特殊到一般的學(xué)習(xí)，歸納學(xué)習(xí)（4）通過(guò)類比學(xué)習(xí)（learning by analogy） 從特殊事例概括出類比關(guān)系和轉(zhuǎn)換規(guī)則6實(shí)例學(xué)習(xí) 學(xué)習(xí)過(guò)程：從給定的實(shí)例序列E1，E2，En（E1必須是正例）中學(xué)習(xí)概念C 步驟： （1）取E1為概念C的初始假設(shè)H

3、1； （2）處理其余的Ei ( i=2,3,n )： - 以Ei匹配當(dāng)前假設(shè)Hi-1，令匹配結(jié)果為Hi-1與Hi之差異的某種描述D7例，積木世界拱的概念12349 第1例為正例，成為“什么是拱”的當(dāng)前假設(shè)HiH1rectanglehas_partsupportis_asupport10第2例為反例E2rectanglehas_partsupportis_asupporttouch11H2rectanglehas_partsupportis_asupportmust-not-touch13再看第3例，又是反例E3rectanglehas_partis_a14H3rectanglehas_part

4、must-supportis_amust-not-touchmust-support16第4例為正例E4trianglehas_partsupportis_asupportrectangle17 將E4與H3匹配，差異是E4頂部為三角形，因而可以把頂部rectangle 變?yōu)?rectangle-or-triangle 若系統(tǒng)有領(lǐng)域知識(shí) triangle 和 rectangle同屬于stable-poly, 則最后假設(shè)為H4 18H4rectanglehas_partmust-supportis_amust-not-touchmust-supportstable-poly19原理 針對(duì)先驗(yàn)知識(shí)

5、不完全的對(duì)象和環(huán)境，將控制局勢(shì)進(jìn)行分類，確定這種分類決策，根據(jù)不同的決策切換控制作用的選擇，通過(guò)對(duì)控制器性能估計(jì)來(lái)引導(dǎo)學(xué)習(xí)過(guò)程，從而使系統(tǒng)總的性能逐步改善。205.2 基于模式識(shí)別的學(xué)習(xí)控制發(fā)展 教材P285學(xué)習(xí)控制器原理及結(jié)構(gòu) 教材P287 圖5.1 圖 5.2 閉環(huán)反饋 三個(gè)反饋層 模式分類 “教師”學(xué)習(xí)21判別函數(shù) di (x), i =1,2,m 對(duì)于x 屬于i 則di (x) dj (x), j i 決策面方程： di (x) - dj (x) = 0- 線性判別函數(shù)ir ：權(quán) i,k+1：偏置23 意義可參考神經(jīng)網(wǎng)絡(luò) P289圖5.3 2類線性分類器 - NN的線性閾值單元 圖5.

6、4 m類線性分類器 - NN的多層分類器-多項(xiàng)式判別函數(shù)24Bayes 決策原理： 若p (1 | x ) p (2 | x ) ，把x歸類為1 若p (1 | x ) p (2 | x ) ，把x歸類為2 利用Bayes 決策，可獲得使錯(cuò)誤率為最小的分類規(guī)則Bayes 分類器， P290 圖5.526可訓(xùn)練控制器 2類線性分類器作為一種可訓(xùn)練控制器使用，并實(shí)現(xiàn)一種時(shí)間最優(yōu)學(xué)習(xí)控制。Bayes 學(xué)習(xí)控制 利用Bayes 定理的迭代方法，估計(jì)（學(xué)習(xí)）未知的密度函數(shù)信息 隨機(jī)最優(yōu)控制器設(shè)計(jì) 27（1）有監(jiān)督的Bayes 學(xué)習(xí)控制 已知i 類樣本x(1), x(2), , x(n) 及在i 下樣本的

7、概率密度函數(shù) p ( x | i ) ,估計(jì)參數(shù) 28（2）無(wú)監(jiān)督的Bayes 學(xué)習(xí)控制 沒(méi)有x(1) , x(2), , x(n) 的正確分類，此時(shí)x(i) 可能屬于m類中的任何一類 混合密度29智能控制的對(duì)象： 復(fù)雜系統(tǒng)，其中，一類是指具有復(fù)雜的要求，如規(guī)劃、決策、學(xué)習(xí)等人類的智能活動(dòng)： 從簡(jiǎn)單的邏輯操作到高級(jí)的推理第六章 分層遞階智能控制系統(tǒng)6.1 結(jié)構(gòu)30G.N.Saridis提出的分層遞階智能控制系統(tǒng)結(jié)構(gòu) P328 圖6.1 三個(gè)層次：執(zhí)行級(jí)、協(xié)調(diào)級(jí)、組織級(jí) 特點(diǎn)：自上而下，智能逐減、精度漸增 設(shè)計(jì)目標(biāo)：尋找正確的決策和控制序列，以使整個(gè)系統(tǒng)的總熵最?。ㄐ阅茏詈茫?1P329 圖6.

8、2 機(jī)器人分層遞階智能控制系統(tǒng)過(guò)程控制： 過(guò)程控制、 監(jiān)督控制、 調(diào)度控制 CIMS結(jié)構(gòu)Scheduling layerSupervisory layer Process layer32作用： 對(duì)于給定的外部命令和任務(wù)，設(shè)法找到能夠完成該任務(wù)的子任務(wù)（或動(dòng)作）組合6.2 組織級(jí)33外部命令子任務(wù)（組合）協(xié)調(diào)級(jí)結(jié)果評(píng)價(jià)實(shí)現(xiàn)： 神經(jīng)網(wǎng)絡(luò) Boltzmann機(jī) （ Saridis） P330332 隨機(jī)神經(jīng)網(wǎng)絡(luò) 反饋型P34作用： 接受組織級(jí)的命令，產(chǎn)生可供執(zhí)行級(jí)執(zhí)行的具體動(dòng)作（中間層）6.3 協(xié)調(diào)級(jí)35處理具體動(dòng)作執(zhí)行級(jí)外部命令結(jié)構(gòu)： P334 圖6.4 分派器、協(xié)調(diào)器 分派器：接收基元事件組合，

9、負(fù)責(zé)對(duì)協(xié)調(diào)器的控制和通訊（翻譯控制動(dòng)作）。 協(xié)調(diào)器：與一定裝置相聯(lián)，對(duì)其進(jìn)行操作和數(shù)據(jù)傳輸。分派器協(xié)調(diào)器高級(jí)命令語(yǔ)言可執(zhí)行的操作語(yǔ)言36實(shí)現(xiàn)： Petri網(wǎng) 1962年德國(guó)的Carl Adam Petri 在他的博士論文用自動(dòng)機(jī)通信中首次使用網(wǎng)狀結(jié)構(gòu)模擬通信系統(tǒng)。這種系統(tǒng)模型后來(lái)以Petri為名流傳。 Petri網(wǎng)是一個(gè)強(qiáng)有力的數(shù)學(xué)和圖形工具用來(lái)描述事件驅(qū)動(dòng)系統(tǒng)，例如離散事件動(dòng)態(tài)系統(tǒng)。37 Petri網(wǎng)的特點(diǎn)： 能夠?qū)哂胁⑿?、并發(fā)、同步、資源共 享的情況建立形象化模型； 理論結(jié)果十分豐富，網(wǎng)的性質(zhì)曾經(jīng)也正在被廣泛的研究著。 根據(jù)是否有時(shí)間限制和外界干擾，把Petri網(wǎng)分為自主Petri網(wǎng)和非自主Petri網(wǎng)。38Petri網(wǎng)類型普通Petri網(wǎng)、有色Petri網(wǎng) 、謂詞Petri網(wǎng)、連續(xù)Petri網(wǎng) 、時(shí)延Petri網(wǎng) 、解釋Petri網(wǎng) 、隨機(jī)Petri網(wǎng) 、時(shí)延連續(xù)Petri網(wǎng) 普通Petri網(wǎng)， P336