智能控制導(dǎo)論 第4版 課件全套 蔡自興 第1-12章 概論、遞階控制-人工智能的發(fā)展簡史與展望

智能控制導(dǎo)論IntelligentControl智能控制導(dǎo)論1.1智能控制的產(chǎn)生與發(fā)展1.1.1自動控制面臨的機(jī)遇與挑戰(zhàn)1.1.2智能控制的發(fā)展和作用1.2智能控制的定義、特點與一般結(jié)構(gòu)1.2.1智能控制的定義與特點1.2.2智能控制器的設(shè)計特點與一般結(jié)構(gòu)1.3智能控制的學(xué)科結(jié)構(gòu)理論1.4智能控制的學(xué)科體系與系統(tǒng)分類1.4.1人工智能的核心要素和學(xué)科體系1.4.2智能控制的學(xué)科體系和系統(tǒng)分類1.5本書概要第1章概論Introduction智能控制采用各種智能化技術(shù)實現(xiàn)復(fù)雜系統(tǒng)和其它系統(tǒng)的控制目標(biāo)，是一種具有強(qiáng)大生命力的新型自動控制技術(shù)，為自動控制開辟新途徑。智能控制獲得日益廣泛的應(yīng)用，是歷史的必然。傳統(tǒng)控制，包括反饋控制、近代控制和大系統(tǒng)理論等，在應(yīng)用中遇到不少難題。實現(xiàn)控制系統(tǒng)的智能化是自動控制解決面臨的難題的方法之一。近年來，知識資源、數(shù)據(jù)資源、核心算法、運算能力深度融合，協(xié)同發(fā)展，推動人工智能產(chǎn)業(yè)快速發(fā)展和國民經(jīng)濟(jì)轉(zhuǎn)型升級，也促進(jìn)智能控制進(jìn)一步發(fā)展。1.1智能控制的產(chǎn)生與發(fā)展GenerationandDevelopmentsofIntelligentControl

1.1.1智能控制的機(jī)遇與挑戰(zhàn)傳統(tǒng)控制理論在應(yīng)用中面臨的難題包括：(1)傳統(tǒng)控制系統(tǒng)的設(shè)計與分析是建立在精確的系統(tǒng)數(shù)學(xué)模型基礎(chǔ)上的，而實際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數(shù)學(xué)模型。(2)研究這類系統(tǒng)時，必須提出并遵循一些比較苛刻的假設(shè)，而這些假設(shè)在應(yīng)用中往往與實際不相吻合。(3)對于某些復(fù)雜的和含有不確定性的對象，根本無法以傳統(tǒng)數(shù)學(xué)模型來表示，即無法解決建模問題。(4)應(yīng)用要求進(jìn)行創(chuàng)新，提出新的控制思想，進(jìn)行新的集成開發(fā)，以解決未知環(huán)境中復(fù)雜系統(tǒng)的控制問題。1985年8月，IEEE在美國紐約召開了第一屆智能控制學(xué)術(shù)討論會。會上集中討論了智能控制原理和智能控制系統(tǒng)的結(jié)構(gòu)。（RPI,Troy,NY,NewYork,USA，“山姆大叔故鄉(xiāng)”）1986年9月，美國國家科學(xué)基金會（NSF）及電氣與電子工程師學(xué)會（IEEE）控制系統(tǒng)學(xué)會在加利福利亞州桑托卡拉拉（SantaClara）大學(xué)聯(lián)合組織了一次名為“對控制的挑戰(zhàn)”的專題研討會，發(fā)表了“對控制的挑戰(zhàn)—集體的觀點”(ChallengetoControl:ACollectivePointofView)的對自動控制發(fā)展問題的“宣言書”。

1.1.1智能控制的機(jī)遇與挑戰(zhàn)（續(xù)）這次會議之后不久，在IEEE控制系統(tǒng)學(xué)會內(nèi)成立了IEEE智能控制專業(yè)委員會，并討論了智能控制的定義和研究生課程教學(xué)大綱等。1987年1月，在美國費城由IEEE控制系統(tǒng)學(xué)會與計算機(jī)學(xué)會聯(lián)合召開了智能控制國際會議（ISIC，Philadelphia,Pennsylvania,USA)

1.1.1智能控制的機(jī)遇與挑戰(zhàn)（續(xù)）面臨挑戰(zhàn)的原因（1）科學(xué)技術(shù)間的相互影響和相互促進(jìn)

例如，生命科學(xué)、計算機(jī)、人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等技術(shù)。（2）當(dāng)前和未來應(yīng)用的需求

例如，空間技術(shù)、海洋工程、基因工程和機(jī)器人技術(shù)等應(yīng)用要求。（3）基本概念和時代思潮發(fā)展水平的推動

例如，離散事件驅(qū)動、高速信息公路、分布式系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、非傳統(tǒng)模型和人工神經(jīng)網(wǎng)絡(luò)的連接機(jī)制等。

1.1.1智能控制的機(jī)遇與挑戰(zhàn)（續(xù)）

1.1.1智能控制的機(jī)遇與挑戰(zhàn)（續(xù)）控制工作者的任務(wù)

*擴(kuò)展視野，著力創(chuàng)新*采用非完全模型和非精確模型*應(yīng)用離散事件驅(qū)動系統(tǒng)和斷續(xù)系統(tǒng)*實現(xiàn)控制系統(tǒng)與計算機(jī)系統(tǒng)的結(jié)合，控制科學(xué)與系統(tǒng)科學(xué)及生命科學(xué)的結(jié)合面臨難題的解決途徑──Intelecualization

人工智能的產(chǎn)生和發(fā)展正在為自動控制系統(tǒng)的智能化提供有力支持。人工智能影響了許多具有不同背景的學(xué)科，它的發(fā)展已促進(jìn)自動控制向著更高的水平──智能控制發(fā)展。自動控制的發(fā)展智能控制是人工智能和自動控制的重要組成部分和研究領(lǐng)域，人工智能的發(fā)展促進(jìn)自動控制向智能控制發(fā)展。1.1.2智能控制的發(fā)展和學(xué)科的建立

1.2.1

智能控制的定義和特點

1.智能控制的定義

定義1.1智能機(jī)器（IntelligentMachine）能夠在定形或不定形，熟悉或不熟悉的環(huán)境中自主地或交互地執(zhí)行各種擬人任務(wù)定義1.2自動控制（AutomaticControl）按規(guī)定程序?qū)C(jī)器或裝置進(jìn)行自動操作或控制的過程

定義1.3智能控制（IntelligentControl）智能控制是采用智能化理論和技術(shù)驅(qū)動智能機(jī)器實現(xiàn)其目標(biāo)的過程。定義1.5智能控制系統(tǒng)（IntelligentControlSystem）驅(qū)動智能機(jī)器自主地實現(xiàn)其目標(biāo)而無需操作人員干預(yù)的系統(tǒng)。

1.2智能控制的定義、特點與一般結(jié)構(gòu)Definition,FeaturesandArchitectureofIC1.2.1

智能控制的定義和特點（續(xù)）同時具有以知識表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)模型（含計算智能算法）表示的混合控制過程。智能控制的核心在高層控制，即組織級。其任務(wù)在于對實際環(huán)境或過程進(jìn)行組織，即決策和規(guī)劃，實現(xiàn)廣義問題求解。智能控制是一門邊緣交叉學(xué)科。智能控制的發(fā)展需要各相關(guān)學(xué)科的配合與支援，同時也要求智能控制工程師是個知識工程師。智能控制是一個新興的研究領(lǐng)域。無論在理論上或?qū)嵺`上它都還很不成熟、很不完善，需要進(jìn)一步探索與開發(fā)。2.智能控制的特點（FeaturesofIC）

1.2.2

智能控制的一般結(jié)構(gòu)

智能控制器的結(jié)構(gòu)特點：(1)具有以微積分(PID)表示和以技術(shù)應(yīng)用語言表示的混合系統(tǒng)方法,或具有仿生、擬人算法表示的系統(tǒng)。(2)采用不精確的和不完全的分級裝置模型。(3)含有多傳感器遞送分級和不完全外系統(tǒng)知識，并在學(xué)習(xí)過程中不斷加以辨識、整理和更新。

把任務(wù)協(xié)商作為控制系統(tǒng)以及控制過程的一部分來考慮。1.3智能控制的學(xué)科結(jié)構(gòu)理論DisciplineStructuralTheoriesofIC

學(xué)習(xí)要求與目標(biāo)（1）了解提出各種智能控制結(jié)構(gòu)理論的背景（2）掌握各種智能控制結(jié)構(gòu)理論的中心思想（3）初步了解提出各種智能控制結(jié)構(gòu)理論的學(xué)者（4）理解把信息論做為智能控制一個子集的理由智能控制結(jié)構(gòu)理論的科學(xué)問題從學(xué)科體系上研究智能控制的構(gòu)成問題智能控制結(jié)構(gòu)理論主要有：二元結(jié)構(gòu)三元結(jié)構(gòu)四元結(jié)構(gòu)1.3.1

智能控制的二元結(jié)構(gòu)理論

(2-elementStructuralTheoryofIC)

傅京孫(King-SunFu)于1971年提出把智能控制作為人工智能和自動控制的交接領(lǐng)域。傅京孫院士簡歷(1930--1985)美籍華裔科學(xué)家和教育家,國際公認(rèn)的模式識別、圖像處理、人工智能和智能控制專家。浙江麗水人，1930年10月出生于南京。1953年在臺灣大學(xué)電機(jī)工程系畢業(yè)，1955年獲加拿大多倫多大學(xué)科學(xué)碩士學(xué)位，1959年獲美國伊利諾大學(xué)博士學(xué)位。參考文獻(xiàn)：蔡自興.國際模式識別和機(jī)器智能的一代宗師——紀(jì)念傅京孫誕辰90周年.科技導(dǎo)報2020,38(20):123-1331.傅京孫提出二元結(jié)構(gòu)1.3.1

智能控制的二元結(jié)構(gòu)理論（續(xù)）2.二元結(jié)構(gòu)的思想圖1.3智能控制的二元結(jié)構(gòu)IC=AI

AC其中,IC---智能控制AI---人工智能AC---自動控制3.例子擬人控制器人-機(jī)控制器自主機(jī)器人系統(tǒng)1.3.1

智能控制的二元結(jié)構(gòu)理論（續(xù)）1.薩里迪斯提出三元結(jié)構(gòu)

薩里迪斯(G.N.Saridis)于1977年提出另一種智能控制結(jié)構(gòu)，它把智能控制看作為人工智能、控制理論和運籌學(xué)的交接。薩里迪斯簡介1955年大學(xué)畢業(yè)于希臘雅典國立技術(shù)大學(xué)機(jī)電工程系。1962年和1965年分別獲美國普渡大學(xué)EE碩士和博士學(xué)位。1963-1981

年在普渡大學(xué)EE系任教。1.3.2

智能控制的三元結(jié)構(gòu)理論

(3-elementStructuralTheoryofIC)

1.3.2

智能控制的三元結(jié)構(gòu)理論（續(xù)）2.三元結(jié)構(gòu)的思想圖1.4智能控制的三元結(jié)構(gòu)

IC=AI

AC

OR式中,AC--控制論,OR--運籌學(xué)在提出三元結(jié)構(gòu)的同時，薩里迪斯還提出分級智能控制系統(tǒng)。

IPDI原理組織級協(xié)調(diào)級執(zhí)行級精度（低）（高）智能（高）（低）1.3.2

智能控制的三元結(jié)構(gòu)理論（續(xù)）1.3.2

智能控制的三元結(jié)構(gòu)理論（續(xù)）圖1.5三元結(jié)構(gòu)各元關(guān)系圖1.3.2

智能控制的三元結(jié)構(gòu)理論（續(xù)）圖1.6分級智能控制系統(tǒng)1.3.3

智能控制的四元結(jié)構(gòu)理論

(4-elementStructuralTheoryofIC)

1.四元結(jié)構(gòu)的提出

蔡自興1986年提出智能控制四元結(jié)構(gòu)論，把智能控制看做自動控制、人工智能、信息論和運籌學(xué)四個學(xué)科的交集。(收入《中國大百科全書》等)2.四元結(jié)構(gòu)的思想圖1.9智能控制的四元結(jié)構(gòu)IC=AI

CT

IT

OR其中,IT為信息論1.3.3

智能控制的四元結(jié)構(gòu)理論1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）

把信息論作為智能控制結(jié)構(gòu)一個子集的理由

1.信息論是解釋知識和智能的一種手段定義1.5知識(Knowledge)是人們通過體驗、學(xué)習(xí)或聯(lián)想而知曉的對客觀世界規(guī)律性的認(rèn)識，包括事實、條件、過程、規(guī)則、關(guān)系和規(guī)律等。定義1.6信息(Information)是知識的交流或?qū)χR的感覺，是對知識內(nèi)涵的一種量測。定義1.7智能(Intelligence)是一種應(yīng)用知識對一定環(huán)境進(jìn)行處理的能力或由目標(biāo)準(zhǔn)則衡量的抽象思考能力。定義1.8信息論(Informatics)是研究信息、信息特性測量、信息處理以及人機(jī)通信過程效率的數(shù)學(xué)理論。推論：（1）“知識”比“信息”含義更廣，即(信息)∈（知識）（2）智能是獲取和運用知識的能力（3）可以用信息論在數(shù)學(xué)上解釋機(jī)器知識和機(jī)器智能1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）2.控制論、系統(tǒng)論和信息論是緊密相互作用的圖1.8錢學(xué)森的系統(tǒng)科學(xué)體系圖（部分）

現(xiàn)代的系統(tǒng)論、信息論和控制論作為科學(xué)前沿突出的學(xué)科群，無論從哪一方面來看，都是相互作用和相互靠攏的，并給人以鮮明的印象。系統(tǒng)學(xué)運籌學(xué)

系統(tǒng)工程

系統(tǒng)論控制論自動化技術(shù)

信息論

通訊技術(shù)哲學(xué)基礎(chǔ)科學(xué)

技術(shù)科學(xué)

工程技術(shù)系統(tǒng)科學(xué)1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）3.信息論已成為控制智能機(jī)器的工具

智能控制比傳統(tǒng)控制更具有明顯的知識性，因而與信息論有更為密切的關(guān)系。信息論己成為控制機(jī)器、控制生物、控制社會的手段,發(fā)展成為控制仿生機(jī)器和擬人機(jī)器---智能機(jī)器的有力工具。許多智能控制系統(tǒng)都力圖模仿人體的活動功能。人體器官的構(gòu)造功能也反映“三論”的密切關(guān)系與相互作用。(+AI,中樞)圖1.9塞繆爾的心臟構(gòu)形示意圖一般系統(tǒng)論系統(tǒng)論應(yīng)用部門網(wǎng)絡(luò)三論控制系統(tǒng)計算機(jī)信息科學(xué)信息技術(shù)信息論控制通信人的通信人和動物機(jī)器控制論1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）4.信息熵成為控制智能的測度

遞階智能機(jī)器和智能系統(tǒng)均采用熵(entropy)作為各控制級的測度。熵在信息論中指的是信息源中所包含的平均信息量S，并以下式表示：

nS=―K∑P

i

logPi

i=1

式中，P為信息源中各事件發(fā)生的概率，K為常數(shù)。組織級——用Shannon熵衡量知識協(xié)調(diào)級——用熵測量協(xié)調(diào)的不確定性執(zhí)行級——用Boltzman熵表示執(zhí)行代價設(shè)計使系統(tǒng)的總熵最小---總代價最小熵和熵函數(shù)是現(xiàn)代信息論的重要基礎(chǔ)。把熵函數(shù)和信息流一起引入智能控制系統(tǒng)，正表明信息論是組成智能控制的不可缺少的部分。1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）5.信息論參與智能控制的全過程，并對執(zhí)行級起到核心作用

一般說來，信息論參與智能控制的全過程，包括信息傳遞、信息變換、知識獲取、知識表示、知識推理、知識處理、知識檢索、決策以及人機(jī)通信等。例如,MORCS-1的各級控制都需要信息獲取、信息傳遞、信息轉(zhuǎn)換、信息辨識等信息處理。

信息論不僅對智能控制的高層發(fā)生作用，而且在智能控制的底層——執(zhí)行級也起到核心作用。構(gòu)成智能控制四元交集結(jié)構(gòu)的每一子集（即自動控制、人工智能、運籌學(xué)和信息論）之間的關(guān)系可見教材的圖1.11。每一個子集都與另3個子集相關(guān)，四元交集關(guān)系要比三元交集關(guān)系復(fù)雜得多。1.3.3

智能控制的四元結(jié)構(gòu)理論（續(xù)）圖1.10四元結(jié)構(gòu)各元關(guān)系圖1.4智能控制的學(xué)科體系和系統(tǒng)分類

自1956年人工智能作為一門學(xué)科登上國際科技舞臺已經(jīng)有60多年了，但對于人工智能的核心要素至今仍然沒有統(tǒng)一認(rèn)識，而對于人工智能的學(xué)科體系還沒有看到全面、深入和令人信服的思想。本節(jié)提出人工智能的核心要素和人工智能與智能控制的學(xué)科體系，供進(jìn)一步研討。通常將人工智能看作計算機(jī)科學(xué)的一門分支，是指通過計算機(jī)程序來呈現(xiàn)人類智能的技術(shù)。人工智能的學(xué)科體系對智能控制學(xué)科的關(guān)系密切，需要深入研討。（1）知識

知識反映自然界和社會存在的客觀規(guī)律，是人工智能的要素之一。

知識是人工智能的根源(Source)，人工智能的發(fā)展源于知識，并依賴知識。知識

人們通過體驗、學(xué)習(xí)或聯(lián)想而認(rèn)識的世界客觀規(guī)律性算法數(shù)據(jù)知識算力AI1.4.1人工智能的學(xué)科體系：核心要素1.人工智能的核心要素（2）

數(shù)據(jù)

數(shù)據(jù)表示客觀存在的事實或觀察到的結(jié)果，能夠輸入計算機(jī)進(jìn)行程序處理。數(shù)據(jù)為人工智能提供“原材料”。

數(shù)據(jù)是人工智能的基礎(chǔ)（Foundation）并促進(jìn)人工智能的發(fā)展升級。數(shù)據(jù)事實或觀察的結(jié)果，指所有能輸入計算機(jī)并被程序處理的數(shù)字、字母、符號、影像信號和模擬量等各種介質(zhì)的總稱。算法數(shù)據(jù)知識算力AI1.4.1人工智能的學(xué)科體系：核心要素（續(xù)）

即計算方法，是問題的求解方案和思路的完整描述，是人工智能的決策內(nèi)涵。

算法是人工智能的靈魂（Spirit），也是人工智能軟實力的核心。（3）算法算法解題方案準(zhǔn)確而完整的描述，是求解問題的一系列清晰指令，表示用系統(tǒng)方法描述問題求解的策略機(jī)制。算法數(shù)據(jù)知識算力AI1.4.1人工智能的學(xué)科體系：核心要素（續(xù)）（4）

算力

算力是人工智能的力量（Power）所在，也是人工智能硬實力的關(guān)鍵保證。

即計算能力，能夠使計算機(jī)把復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為可理解公式。算力為人工智能提供了執(zhí)行能力。算力機(jī)器在數(shù)學(xué)上的歸納轉(zhuǎn)化能力，即把抽象數(shù)學(xué)表達(dá)式或數(shù)字通過數(shù)學(xué)方法轉(zhuǎn)換為可以理解的數(shù)學(xué)式子的能力算法數(shù)據(jù)知識算力AI1.4.1人工智能的學(xué)科體系：核心要素（續(xù)）

人工智能核心技術(shù)的突破推動人工智能產(chǎn)業(yè)升級。知識資源、數(shù)據(jù)資源、核心算法、運算能力深度融合，協(xié)同發(fā)展，促進(jìn)人工智能產(chǎn)業(yè)快速發(fā)展和國民經(jīng)濟(jì)轉(zhuǎn)型升級?；A(chǔ)設(shè)施基礎(chǔ)技術(shù)核心要素關(guān)鍵技術(shù)主應(yīng)要用傳感器互聯(lián)網(wǎng)物聯(lián)網(wǎng)服務(wù)器高性能芯片大數(shù)據(jù)云計算行業(yè)解決方案通用技術(shù)平臺產(chǎn)品應(yīng)用規(guī)范計算智能依靠算法計算存儲認(rèn)知智能學(xué)習(xí)、思考情感、理解自主行為等感知智能音頻技術(shù)視頻技術(shù)生物識別等知識數(shù)據(jù)算力算法人工智能的設(shè)施、要素、技術(shù)和應(yīng)用示意圖1.4.1人工智能的學(xué)科體系：核心要素（續(xù)）

AI

Application2AIApplicationn

AIApplication(n-

1)

AIApplicationi

AIApplication1AIApplication3

Data-basedTechnologyKnowledge-basedTechnology

Kowledge-basedAITech.forComputing.powerAIAlgorithmComp.PowerKnowledgeDataData-basedAI

Tech.forAlgorithm&ProgrammingAlgorithmandProgrammingofAIComputing.power&structureofAI…………人工智能的學(xué)科體系1.4.1人工智能的學(xué)科體系：體系理論2.人工智能的學(xué)科體系理論基于知識的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系

（1）

基于知識的人工智能

（2）

基于數(shù)據(jù)的人工智能

（3）

知識/數(shù)據(jù)混合人工智能

（4）

人工智能的算法與編程

（5）

人工智能的算力與構(gòu)架

（6）

人工智能研究應(yīng)用領(lǐng)域

人工智能的核心要素為知識、數(shù)據(jù)、算法和算力。基于人工智能核心要素提出人工智能的學(xué)科體系思想：基于知識的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.1人工智能的學(xué)科體系：體系理論（續(xù)）（1）

基于知識的人工智能

自20世紀(jì)60年代中期至80年代中期，專家系統(tǒng)和知識工程蓬勃發(fā)展，符號主義人工智能一枝獨秀，而知識就是人工智能之源（Source）。

基于知識的人工智能涉及基于規(guī)則專家系統(tǒng)、基于框架專家系統(tǒng)、模糊邏輯和謂詞邏輯系統(tǒng)、狀態(tài)空間技術(shù)、本體技術(shù)、語義網(wǎng)絡(luò)和框架技術(shù)、知識庫和知識圖譜、消解-反演求解、規(guī)則演繹、概率推理、不確定推理、歸納學(xué)習(xí)、解釋學(xué)習(xí)、類比學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等。基于知識的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）（2）

基于數(shù)據(jù)的人工智能

到20世紀(jì)80年代后期，機(jī)器學(xué)習(xí)、計算智能、人工神經(jīng)網(wǎng)絡(luò)、連接主義和行為主義研究逐漸形成高潮，而數(shù)據(jù)就是人工智能之基(Foundation)，促使人工智能發(fā)展到一個更高的技術(shù)水平。

基于數(shù)據(jù)的人工智能包括基于模型的專家系統(tǒng)、基于網(wǎng)絡(luò)的專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、仿生進(jìn)化系統(tǒng)、線性回歸、決策樹、支持向量機(jī)、聚類、深度學(xué)習(xí)、大數(shù)據(jù)、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)等?；谥R的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）（3）知識/數(shù)據(jù)混合人工智能

對于許多復(fù)雜的問題只有綜合采用基于知識和基于數(shù)據(jù)的人工智能理論與技術(shù)才能解決。新舊世紀(jì)交接之際，符號主義、連接主義和行為主義走向綜合集成，協(xié)同發(fā)展。

基于知識和數(shù)據(jù)的人工智能混合系統(tǒng)包括群體智能系統(tǒng)、分布式智能系統(tǒng)、集成智能系統(tǒng)、自主智能系統(tǒng)、腦科學(xué)和人機(jī)協(xié)同智能系統(tǒng)、人工生命系統(tǒng)、智能規(guī)劃和決策系統(tǒng)以及未知和復(fù)雜環(huán)境中的精準(zhǔn)問題求解等。基于知識的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）（4）人工智能的算法與編程

算法是人工智能的之魂（Spirit），是人工智能程序設(shè)計的基礎(chǔ)。深度學(xué)習(xí)等算法已大顯身手，認(rèn)知計算、認(rèn)知決策、類腦計算等算法有待進(jìn)一步突破。

A*算法、增強(qiáng)學(xué)習(xí)算法、遺傳算法、LISP語言、Prologue語言、Python語言等是各類人工智能算法的杰出代表。深度學(xué)習(xí)算法、認(rèn)知計算與決策算法、類腦計算、普適計算、進(jìn)化計算與基于群體迭代的進(jìn)化算法等研究已取得進(jìn)展?；谥R的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）（5）人工智能的算力和架構(gòu)

算力是人工智能之力（Power），為人工智能提供執(zhí)行能力。要創(chuàng)建新的計算架構(gòu)，開拓新的計算系統(tǒng)，大力發(fā)展當(dāng)代最新和最強(qiáng)大的生產(chǎn)力。

計算機(jī)處理器配備的高端部件以及芯片組、內(nèi)存和硬盤是提高計算能力的基本保證。出現(xiàn)了GPU、新芯片和新計算（云計算、量子計算）等新的計算架構(gòu)。并行處理等技術(shù)及新一代計算網(wǎng)絡(luò)（5G、6G和7G）極大地提高人工智能的計算速度。基于知識的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）（6）人工智能的研究與應(yīng)用領(lǐng)域

開展全面研究，全力建設(shè)人工智能學(xué)科，實現(xiàn)人工智能基礎(chǔ)理論、技術(shù)和應(yīng)用總體達(dá)到世界領(lǐng)先水平，為躋身創(chuàng)新型國家前列和經(jīng)濟(jì)強(qiáng)國奠定重要基礎(chǔ)?；谥R的AI基于數(shù)據(jù)的AI知識/數(shù)據(jù)混合AIAI算法與編程AI算力與構(gòu)架AI研究與應(yīng)用領(lǐng)域人工智能學(xué)科體系

主要領(lǐng)域包括自動定理證明、自動程序設(shè)計、自然語言處理、智能檢索、機(jī)器學(xué)習(xí)、機(jī)器人學(xué)、專家系統(tǒng)、智能控制、模式識別、機(jī)器視覺、神經(jīng)網(wǎng)絡(luò)、機(jī)器博弈、分布式智能、計算智能、人工生命以及智能制造、智慧醫(yī)療、智慧農(nóng)業(yè)、智能金融、智慧城市和智能經(jīng)濟(jì)等。1.4.2人工智能的學(xué)科體系：體系理論（續(xù)）1.4.3智能控制的學(xué)科體系

基于人工智能學(xué)科體系思想，我們提出一種智能控制（IntelligentControl，IC）學(xué)科體系的構(gòu)思，如圖1.13所示。從圖1.13可見，智能控制的學(xué)科體系由基于知識的智能控制、基于數(shù)據(jù)的智能控制、智能控制的算法與編程、智能控制的算力與架構(gòu)以及智能控制的應(yīng)用研究等。圖1.13智能控制的學(xué)科體系（1）

基于知識的智能控制

知識是人工智能之源。基于知識的智能控制系統(tǒng)涉及大多數(shù)遞階控制系統(tǒng)、專家控制系統(tǒng)、模糊控制系統(tǒng)和分布式（多真體）控制系統(tǒng)等。遞階控制系統(tǒng)（第2章）專家控制系統(tǒng)（第3章）模糊控制系統(tǒng)（第4章）分布式控制系統(tǒng)（第5章）1.4.3智能控制的學(xué)科體系（續(xù)）（2）

基于數(shù)據(jù)的智能控制

數(shù)據(jù)是人工智能之基，數(shù)據(jù)為人工智能和智能控制提供原料，并促使智能控制發(fā)展到一個更高的技術(shù)水平。基于數(shù)據(jù)的智能控制包括神經(jīng)控制系統(tǒng)、仿生控制系統(tǒng)和網(wǎng)絡(luò)控制系統(tǒng)等。神經(jīng)控制系統(tǒng)（第6章）仿生控制系統(tǒng)（第7章）網(wǎng)絡(luò)控制系統(tǒng)（第9章）1.4.3智能控制的學(xué)科體系（續(xù)）（3）

知識與數(shù)據(jù)復(fù)合智能控制

基于知識和數(shù)據(jù)的智能控制混合系統(tǒng)包括各種基于模擬生物智能優(yōu)化算法的智能控制系統(tǒng)（仿生控制系統(tǒng)）、學(xué)習(xí)控制系統(tǒng)和集成智能控制系統(tǒng)等。許多復(fù)雜的智能控制問題，往往綜合采用基于知識和基于數(shù)據(jù)的智能控制理論與技術(shù)才能解決。學(xué)習(xí)控制系統(tǒng)（第10章）仿人控制系統(tǒng)（第11章）自然語言控制系統(tǒng)（第12章）集成控制系統(tǒng)（第13章）1.4.3智能控制的學(xué)科體系（續(xù)）（4）

智能控制的算法與編程

算法是人工智能和智能控制的之魂（Spirit），是智能程序設(shè)計的基礎(chǔ)。深度學(xué)習(xí)等算法已大顯身手，認(rèn)知計算、認(rèn)知決策、類腦計算等算法有待進(jìn)一步突破。A*算法、增強(qiáng)學(xué)習(xí)算法、遺傳算法、LISP語言、Prologue語言、Python語言等是各類人工智能算法的杰出代表。深度學(xué)習(xí)算法、認(rèn)知計算與決策算法、類腦計算、普適計算、進(jìn)化計算與基于群體迭代的進(jìn)化算法等研究已取得進(jìn)展。1.4.3智能控制的學(xué)科體系（續(xù)）（5）

智能控制的算力和架構(gòu)

算力（計算能力）為智能控制提供執(zhí)行能力，強(qiáng)大的算力是實現(xiàn)智能控制的根本保證。在智能控制基礎(chǔ)層，計算機(jī)處理器配備的高端部件以及芯片組、內(nèi)存和硬盤是提高計算能力的基本保證。出現(xiàn)了新芯片和新計算（云計算、量子計算）等新的計算架構(gòu)。并行處理技術(shù)及新一代計算網(wǎng)絡(luò)（5G和6G）極大地提高智能控制的計算速度。計算能力的不斷增強(qiáng)和計算速度的不斷提高，有力地促進(jìn)智能控制的發(fā)展。1.4.3智能控制的學(xué)科體系（續(xù)）（6）

智能控制的應(yīng)用研究

智能控制的主要應(yīng)用研究領(lǐng)域包括智能機(jī)器人規(guī)劃與控制、生產(chǎn)過程的智能監(jiān)控與管控、智能集成制造系統(tǒng)的分布式智能控制、智能故障檢測與診斷、航天航空飛行器的智能導(dǎo)航與控制、智能交通系統(tǒng)控制與調(diào)度、電力系統(tǒng)運行的智能控制和故障診斷、醫(yī)療過程的智能控制以及具有智能決策、診斷和控制功能的各種智能儀器、智慧城市和社會經(jīng)濟(jì)管理系統(tǒng)等。1.4.3智能控制的學(xué)科體系（續(xù)）1.5本章小結(jié)本書介紹智能控制的基本原理及其應(yīng)用，著重討論智能控制系統(tǒng)的原理、方法及應(yīng)用。所涉及智能控制系統(tǒng)為遞階控制系統(tǒng)、專家控制系統(tǒng)、模糊控制系統(tǒng)、神經(jīng)控制系統(tǒng)、進(jìn)化控制系統(tǒng)、網(wǎng)絡(luò)控制系統(tǒng)、學(xué)習(xí)控制系統(tǒng)和復(fù)合智能控制系統(tǒng)等本書主要作為高校自動化、電氣工程與自動化、智能科學(xué)與技術(shù)、人工智能、測控工程、機(jī)器人、物流、機(jī)電工程、電子工程等專業(yè)本科生智能控制類課程教材，也可供從事智能控制和智能系統(tǒng)研究、設(shè)計、應(yīng)用的科技工作者閱讀與參考。1.5本章小結(jié)（續(xù)）本章1.1節(jié)簡述智能控制的起源、發(fā)展機(jī)遇和面臨挑戰(zhàn)，介紹智能控制學(xué)科的發(fā)展和建立。1.2節(jié)討論智能控制的定義、特點與一般結(jié)構(gòu)。智能控制是一類無需人的干預(yù)就能夠獨立地驅(qū)動智能機(jī)器實現(xiàn)其目標(biāo)的自動控制。本節(jié)敘述智能控制的固有特點。1.3節(jié)研討智能控制學(xué)科結(jié)構(gòu)理論和智能控制學(xué)科體系，分別論述了二元智能控制、三元智能控制和四元智能控制3種智能控制結(jié)構(gòu)理論，重點討論了作者提出的四元智能控制結(jié)構(gòu)理論，特別闡述把信息論作為智能控制結(jié)構(gòu)的一個子集的理由。1.5本章小結(jié)（續(xù)）1.4節(jié)研究智能控制的學(xué)科體系與系統(tǒng)分類。從人工智能學(xué)科發(fā)展的角度和歷史看，人工智能應(yīng)包含知識、數(shù)據(jù)、算法和算力（計算能力）四個核心要素。這些要素在人工智能中的地位和作用分別是：知識是人工智能之源，數(shù)據(jù)是人工智能之基，算法是人工智能之魂，算力是人工智能之力。受人工智能學(xué)科體系思想啟發(fā)和影響，將智能控制的學(xué)科體系包括基于知識的智能控制、基于數(shù)據(jù)的智能控制、知識/數(shù)據(jù)復(fù)合智能控制、智能控制算法與編程、智能控制算力與架構(gòu)以及智能控制的應(yīng)用研究等部分組成。同時對智能控制系統(tǒng)進(jìn)行了分類。謝謝！智能控制導(dǎo)論IntelligentControl智能控制導(dǎo)論第4版蔡自興編著

國家精品課程配套教材中國水利水電出版社2024

Textbooks

教材第一篇基于知識的智能控制第2章遞階控制Ch.2HierarchicalControl智能控制導(dǎo)論教學(xué)重點1．介紹遞階智能機(jī)器及其三個級別的一般結(jié)構(gòu)；2．討論遞階控制各級的作用；3．舉例介紹智能控制的應(yīng)用。教學(xué)難點1．理解遞階控制的結(jié)構(gòu)及各級的分工協(xié)作關(guān)系；2．了解汽車自主駕駛系統(tǒng)的遞階控制結(jié)構(gòu)和控制算法。教學(xué)要求

著重掌握遞階控制的作用機(jī)制，舉例分析遞階控制系統(tǒng)的結(jié)構(gòu)與控制算法。第2章遞階控制第2章遞階控制（續(xù)）內(nèi)容2.1遞階智能機(jī)器的一般結(jié)構(gòu)2.2遞階智能控制系統(tǒng)舉例2.2.1汽車自主駕駛系統(tǒng)的組成2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)2.2.3自主駕駛系統(tǒng)的軟件結(jié)構(gòu)與控制算法2.2.4自主駕駛系統(tǒng)的試驗結(jié)果2.3本章小結(jié)

遞階智能控制（hierarchicalintelligentcontrol）,簡稱遞階控制。遞階控制是智能控制最早理論之一，而遞階智能控制系統(tǒng)結(jié)構(gòu)已隱含在其他各種智能控制系統(tǒng)之中，成為其他各種智能控制系統(tǒng)的重要基礎(chǔ)。遞階控制是在研究早期學(xué)習(xí)控制系統(tǒng)的基礎(chǔ)上，并從工程控制論角度總結(jié)人工智能與自適應(yīng)控制、自學(xué)習(xí)控制和自組織控制的關(guān)系之后而逐漸形成的。已經(jīng)提出幾種遞階控制理論。其中以薩里迪斯提出的基于3個控制層次和IPDI原理的三級遞階智能控制系統(tǒng)最具代表性。第2章遞階控制（續(xù)）

遞階智能控制是由薩里迪斯(Saridis)和梅斯特爾（Meystal）等人提出的，是按照精度隨智能降低而提高的原理（IPDI）逐級分布的，這一原理來源于遞階（分級）管理系統(tǒng)。已取得的理論成果表現(xiàn)在兩個方面，即基于邏輯的方法和基于解析的方法。前者已由尼爾森（Nilsson）和菲克斯（Fikes）等敘述過，其通用技術(shù)仍在繼續(xù)研究與開發(fā)之中；而后者已在理論和實驗兩方面達(dá)到比較成熟的水平，有一些新的方法和技術(shù)，如Boltzmann機(jī)、神經(jīng)網(wǎng)絡(luò)和Petri網(wǎng)等，已為智能機(jī)器理論的分析研究提供了新的工具。2.1遞階智能機(jī)器的一般結(jié)構(gòu)

遞階智能控制是由薩里迪斯(Saridis)和梅斯特爾（Meystal）等人提出的，是按照精度隨智能降低而提高的原理（IPDI）逐級分布的，這一原理來源于遞階（分級）管理系統(tǒng)。已取得的理論成果表現(xiàn)在兩個方面，即基于邏輯的方法和基于解析的方法。前者已由尼爾森（Nilsson）和菲克斯（Fikes）等敘述過，其通用技術(shù)仍在繼續(xù)研究與開發(fā)之中；而后者已在理論和實驗兩方面達(dá)到比較成熟的水平，有一些新的方法和技術(shù)，如Boltzmann機(jī)、神經(jīng)網(wǎng)絡(luò)和Petri網(wǎng)等，已為智能機(jī)器理論的分析研究提供了新的工具。2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）

遞階智能控制是由薩里迪斯(Saridis)和梅斯特爾（Meystal）等人提出的，是按照精度隨智能降低而提高的原理（IPDI）逐級分布的，這一原理來源于遞階（分級）管理系統(tǒng)。已取得的理論成果表現(xiàn)在兩個方面，即基于邏輯的方法和基于解析的方法。前者已由尼爾森（Nilsson）和菲克斯（Fikes）等敘述過，其通用技術(shù)仍在繼續(xù)研究與開發(fā)之中；而后者已在理論和實驗兩方面達(dá)到比較成熟的水平，有一些新的方法和技術(shù)，如Boltzmann機(jī)、神經(jīng)網(wǎng)絡(luò)和Petri網(wǎng)等，已為智能機(jī)器理論的分析研究提供了新的工具。2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）

遞階智能控制是由三個基本控制級構(gòu)成的，其級聯(lián)交互結(jié)構(gòu)如圖2.1所示。圖中，

為從執(zhí)行級到協(xié)調(diào)級的在線反饋信號；

為從協(xié)調(diào)級到組織級的離線反饋信號；C為輸入指令；U

為分類器的輸出信號，即組織器的輸入信號。2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）圖2.1遞階智能機(jī)器的級聯(lián)結(jié)構(gòu)2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）

1.組織級（Organizationlevel）組織級代表控制系統(tǒng)主導(dǎo)思想，由人工智能起控制作用。根據(jù)存儲在長期存儲單元的本原數(shù)據(jù)集合，組織絕對動作、一般任務(wù)和規(guī)則序列，如圖2.2所示。圖2.2組織級的結(jié)構(gòu)框圖2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）

2.協(xié)調(diào)級（Coordinationlevel）

協(xié)調(diào)級是組織級和執(zhí)行級間的接口，由人工智能和運籌學(xué)共同作用。協(xié)調(diào)級產(chǎn)生一個適當(dāng)?shù)淖尤蝿?wù)序列來執(zhí)行原指令，處理實時信息。協(xié)調(diào)級由一定數(shù)量的具有固定結(jié)構(gòu)的協(xié)調(diào)器組成。圖2.3協(xié)調(diào)級的結(jié)構(gòu)框圖2.1遞階智能機(jī)器的一般結(jié)構(gòu)（續(xù)）

3.執(zhí)行級（Excutionlevel）

執(zhí)行級是遞階智能控制的最底層，要求具有較高的精度但較低的智能；它按控制論進(jìn)行控制，對相關(guān)過程執(zhí)行適當(dāng)?shù)目刂谱饔?。?zhí)行級的性能也可由熵來表示，因而統(tǒng)一了智能機(jī)器的功用。已知通常稱H為香農(nóng)（Shannon）負(fù)熵，它可變換為下列方程式中，

為被傳遞的信息信號空間。負(fù)熵是對信息傳遞不確定性的一種度量，即系統(tǒng)狀態(tài)的不確定性可由該系統(tǒng)熵的概率密度指數(shù)函數(shù)獲得。2.2遞階智能控制系統(tǒng)舉例圖2.4紅旗車自主駕駛系統(tǒng)結(jié)構(gòu)示意圖本遞階智能控制系統(tǒng)的結(jié)構(gòu)示意圖如圖2.4所示，它主要由環(huán)境識別子系統(tǒng)和駕駛控制子系統(tǒng)組成。2.2.1汽車自主駕駛系統(tǒng)的組成2.2.1汽車自主駕駛系統(tǒng)的組成（續(xù)）1.系統(tǒng)總體結(jié)構(gòu)環(huán)境識別子系統(tǒng)和駕駛控制子系統(tǒng)環(huán)境識別子系統(tǒng)：道路標(biāo)志牌和前方車輛識別駕駛控制子系統(tǒng)：行為決策、行為規(guī)劃、操作控制2.自主駕駛的硬件系統(tǒng)

工控機(jī)及其接口(interface)執(zhí)行器：步進(jìn)電機(jī)、液壓驅(qū)動傳感器系統(tǒng):激光雷達(dá),攝像機(jī),GPS等2.2.1汽車自主駕駛系統(tǒng)的組成（續(xù)）3.嵌入式實時操作系統(tǒng)基于PC的開發(fā)環(huán)境，開發(fā)方便實時多任務(wù)操作系統(tǒng)內(nèi)核確保了系統(tǒng)的實時性可裁剪和可重配置的操作系統(tǒng)結(jié)構(gòu)，運行效率提高方便快捷任務(wù)間通信支持多處理機(jī)間的任務(wù)協(xié)調(diào)與通信自主駕駛系統(tǒng)處理機(jī)運行實時4.軟件設(shè)計與系統(tǒng)的實時性任務(wù)優(yōu)先級設(shè)置于搶斷式任務(wù)調(diào)度系統(tǒng)時鐘同步機(jī)制分布式共享數(shù)據(jù)存儲2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)圖2.5所示四層模塊化汽車自主駕駛控制系統(tǒng)結(jié)構(gòu)；其四個層次依次是：任務(wù)規(guī)劃、行為決策、行為規(guī)劃和操作控制。另外還包括車輛狀態(tài)與定位信息和系統(tǒng)監(jiān)控兩個獨立功能模塊。圖2.5紅旗車自主駕駛系統(tǒng)的四層模塊化結(jié)構(gòu)2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)（續(xù)）速度跟蹤控制路徑跟蹤控制油門控制器剎車控制器轉(zhuǎn)向控制器緊急狀態(tài)控制期望速度期望路徑監(jiān)控信息操作控制層主要模塊示意圖車輛1.操作控制層（Manipulationcontrollevel）2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)（續(xù)）道路和障礙信息車輛縱向速度規(guī)劃車輛期望軌跡規(guī)劃駕駛技能與交通規(guī)則數(shù)據(jù)庫車輛狀態(tài)行為信息行為執(zhí)行情況反饋期望縱向速度期望路徑點序列行為監(jiān)督執(zhí)行行為規(guī)劃層主要模塊示意圖2.行為規(guī)劃層（

Behaviorplanninglevel）2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)（續(xù)）3.行為決策層（

Behaviordecisionlevel）預(yù)期狀態(tài)任務(wù)規(guī)劃層當(dāng)前執(zhí)行子任務(wù)行為決策邏輯行為輸出當(dāng)前行為執(zhí)行情況行為規(guī)劃層交通情況行為模式產(chǎn)生環(huán)境建模及預(yù)測駕駛行為知識庫圖2.6行為決策層主要模塊示意圖2.2.2汽車自主駕駛系統(tǒng)的遞階結(jié)構(gòu)（續(xù)）4.任務(wù)規(guī)劃層（

Taskplanninglevel）圖2.14任務(wù)規(guī)劃層主要模塊示意圖導(dǎo)航地物地圖數(shù)據(jù)庫任務(wù)規(guī)劃任務(wù)監(jiān)控用戶任務(wù)輸入全局定位信息當(dāng)前執(zhí)行子任務(wù)子任務(wù)執(zhí)行情況1.駕駛控制系統(tǒng)的軟件結(jié)構(gòu)2.2.3自主駕駛系統(tǒng)的軟件結(jié)構(gòu)與控制算法圖2.8駕駛控制系統(tǒng)軟件結(jié)構(gòu)示意圖2.駕駛控制系統(tǒng)算法2.2.3自主駕駛系統(tǒng)的軟件結(jié)構(gòu)與控制算法（續(xù)）（1）遺忘迭代濾波算法形式：（2）平移平均濾波算法：

采用離散化的形式，即采用零階保持方法對連續(xù)控制算法進(jìn)行離散化。對部分濾波算法，系統(tǒng)采用遺忘迭代濾波或平移平均濾波算法代替，以減少運算量。1.試驗環(huán)境和內(nèi)容2.2.4自主駕駛系統(tǒng)的試驗結(jié)果HQ3紅旗車自主駕駛系統(tǒng)的試驗在高速公路上進(jìn)行，包括長沙市繞城高速公路和京珠高速公路。試驗中，公路處于正常的交通狀況。分別就自主駕駛系統(tǒng)的以下性能進(jìn)行了試驗：（1）環(huán)境感知系統(tǒng)的抗干擾性和穩(wěn)定性，包括車道感知系統(tǒng)對道路上的各種障礙、標(biāo)志干擾及對光照變化的適應(yīng)性；車輛識別系統(tǒng)識別的準(zhǔn)確性及對光照的適應(yīng)性。（2）駕駛控制系統(tǒng)的車道跟蹤能力，包括各種道路條件下，車道中心線跟蹤的穩(wěn)定性和舒適性。（3）駕駛控制系統(tǒng)的速度跟蹤能力，涉及各種路況下速度跟蹤的穩(wěn)定性和舒適性。（4）駕駛控制系統(tǒng)對動態(tài)交通的處理情況及超車動作，對交通變化處理的實時性與合理性及超車動作的平順性。2.試驗結(jié)果2.2.4自主駕駛系統(tǒng)的試驗結(jié)果

經(jīng)過長期道路試驗，HQ3紅旗車自主駕駛有關(guān)的環(huán)境感知和駕駛控制算法得到不斷改進(jìn)，實現(xiàn)了預(yù)定的如下性能指標(biāo)：（1）正常交通情況下在高速公路上穩(wěn)定自主駕駛速度130km/h；（2）最高自主駕駛速度170km/h；（3）具備超車功能。

經(jīng)過10多年的研究開發(fā)與不斷改進(jìn)，該自主車的技術(shù)性能有了顯著提高，達(dá)到國際先進(jìn)水平。據(jù)媒體報道，2011年7月14日上午，該車進(jìn)行了一次新的自主駕駛試驗，在正常天氣與路況條件下，以遵守交通法規(guī)為前提，在有多個高架橋路口的高速公路真實環(huán)境中，實現(xiàn)長沙至武漢自主駕駛，能夠有效地超車并匯入車流，準(zhǔn)確識別高速公路上的常見交通標(biāo)志，并做出安全駕駛的動作。2.試驗結(jié)果（續(xù)）2.2.4自主駕駛系統(tǒng)的試驗結(jié)果

本次自主駕駛試驗的一些具體性能指標(biāo)如下：（1）駕駛距離里程：286km（2）駕駛時間：3小時22分（3）平均時速：87km/h（4）最高時速可達(dá)170km/h，一般設(shè)置為110km/h（5）自主超車：68次，超車116輛，被其他車輛超越148次，實現(xiàn)了在密集車流中長距離安全駕駛（6）人工干預(yù)率：小于1%

本自主駕駛創(chuàng)造了我國無人車自主駕駛的新紀(jì)錄，標(biāo)志著我國無人車在復(fù)雜環(huán)境識別、智能行為決策和控制等方面實現(xiàn)了新的技術(shù)突破，達(dá)到國際先進(jìn)水平。2.試驗結(jié)果（續(xù)）2.2.4自主駕駛系統(tǒng)的試驗結(jié)果

本次自主駕駛試驗的一些具體性能指標(biāo)如下：（1）駕駛距離里程：286km（2）駕駛時間：3小時22分（3）平均時速：87km/h（4）最高時速可達(dá)170km/h，一般設(shè)置為110km/h（5）自主超車：68次，超車116輛，被其他車輛超越148次，實現(xiàn)了在密集車流中長距離安全駕駛（6）人工干預(yù)率：小于1%

本自主駕駛創(chuàng)造了我國無人車自主駕駛的新紀(jì)錄，標(biāo)志著我國無人車在復(fù)雜環(huán)境識別、智能行為決策和控制等方面實現(xiàn)了新的技術(shù)突破，達(dá)到國際先進(jìn)水平。2.3小結(jié)

本章首先研究由三個交互作用的層級組成遞階控制。2.1節(jié)討論遞階智能機(jī)器的一般理論，大部分內(nèi)容涉及三級遞階控制系統(tǒng)，其結(jié)構(gòu)是根據(jù)精度隨智能降低而提高（IPDI）的原理設(shè)計的。

遞階智能控制的原理與結(jié)構(gòu)是2.1節(jié)介紹的主要內(nèi)容,包括組織級、協(xié)調(diào)級和執(zhí)行級的原理與結(jié)構(gòu)，其結(jié)構(gòu)是根據(jù)精度隨智能降低而提高（IPDI）的原理設(shè)計的。2.2節(jié)介紹一種遞階控制的應(yīng)用實例，即HQ3紅旗自主車自主駕駛四層遞階控制系統(tǒng)，介紹了該系統(tǒng)的總體結(jié)構(gòu)和汽車自主控制系統(tǒng)的四層遞階結(jié)構(gòu)和系統(tǒng)的軟件結(jié)構(gòu)與控制算法，并給出了該自主汽車駕駛系統(tǒng)高速公路的試驗結(jié)果。謝謝！

智能控制導(dǎo)論IntelligentControl智能控制導(dǎo)論第4版蔡自興編著

國家精品課程配套教材中國水利水電出版社2024

Textbooks

教材第3章專家控制Ch.3ExpertControl

3.1專家系統(tǒng)的基本概念3.1.1專家系統(tǒng)的定義與一般結(jié)構(gòu)3.1.2專家系統(tǒng)的建造步驟3.2專家系統(tǒng)的主要類型及其結(jié)構(gòu)3.2.1基于規(guī)則的專家系統(tǒng)3.2.2基于框架的專家系統(tǒng)3.2.3基于模型的專家系統(tǒng)3.3專家控制系統(tǒng)的結(jié)構(gòu)與類型3.3.1專家控制系統(tǒng)的控制要求與設(shè)計原則3.3.2專家控制系統(tǒng)的結(jié)構(gòu)3.3.3專家控制系統(tǒng)的類型3.4專家控制系統(tǒng)應(yīng)用舉例3.4.1實時控制系統(tǒng)的特點與要求3.4.2高爐監(jiān)控專家系統(tǒng)3.5本章小結(jié)3.1專家系統(tǒng)的基本概念BasicConceptsofExpertSystem3.1.1

專家系統(tǒng)的定義與一般結(jié)構(gòu)1.專家系統(tǒng)的定義專家系統(tǒng)的先行者費根鮑姆（Feigenbaum）曾把專家系統(tǒng)定義為一個應(yīng)用知識和推理過程來求解那些需要大量人類專家解決難題經(jīng)驗的智能計算機(jī)程序。定義3.1專家系統(tǒng)專家系統(tǒng)是一個智能計算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的經(jīng)驗方法來處理該領(lǐng)域的高水平難題。專家系統(tǒng)的基本功能取決于它所含有的知識，因此，也把專家系統(tǒng)稱為基于知識的系統(tǒng)（knowledge-basedsystem）。3.1.1

專家系統(tǒng)的定義與一般結(jié)構(gòu)（續(xù)）2.專家系統(tǒng)的一般結(jié)構(gòu)ExpertiseKnowledgeBaseInputorQueryReasoningMachineAnswer圖3.1專家系統(tǒng)簡化結(jié)構(gòu)圖3.1.1

專家系統(tǒng)的定義與一般結(jié)構(gòu)（續(xù)）2.專家系統(tǒng)的一般結(jié)構(gòu)（續(xù)）圖3.2理想專家系統(tǒng)結(jié)構(gòu)圖接口事實規(guī)則計劃議程中間解黑板知識庫解釋器執(zhí)行器調(diào)度器協(xié)調(diào)器3.1.1

專家系統(tǒng)的定義與一般結(jié)構(gòu)（續(xù)）2.專家系統(tǒng)的一般結(jié)構(gòu)（續(xù)）專家系統(tǒng)的主要組成部分(1)

知識庫（knowledgebase）

用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識，包括事實、可行操作與規(guī)則等。(2)綜合數(shù)據(jù)庫（globaldatabase）

用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)（信息），即被處理對象的一些當(dāng)前事實。又稱為全局?jǐn)?shù)據(jù)庫。3.1.1

專家系統(tǒng)的定義與一般結(jié)構(gòu)（續(xù)）2.專家系統(tǒng)的一般結(jié)構(gòu)（續(xù)）專家系統(tǒng)的主要組成部分（續(xù)）(3)推理機(jī)（reasoningmachine/inferenceengine）

用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。(4)解釋器（explainator）

能夠向用戶解釋專家系統(tǒng)的行為。(5)接口/界面（interface）

它能夠使系統(tǒng)與用戶進(jìn)行對話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。3.1.2

專家系統(tǒng)的建立步驟建立專家系統(tǒng)的一般步驟如下：（1）設(shè)計初始知識庫問題知識化知識概念化概念形式化形式規(guī)則化規(guī)則合法化（2）原型機(jī)（prototype）的開發(fā)與實驗（3）知識庫的改進(jìn)與歸納3.1.2

專家系統(tǒng)的建立步驟（續(xù)）建立專家系統(tǒng)的一般步驟如下：知識化合法化概念化形式化規(guī)則化知識概念結(jié)構(gòu)形式規(guī)則再設(shè)計改進(jìn)重新闡述圖3.3建立專家系統(tǒng)的步驟（1）設(shè)計初始知識庫。知識庫的設(shè)計是建立專家系統(tǒng)最重要和最艱巨的任務(wù)。初始知識庫的設(shè)計包括：

①問題知識化，即辨別所研究問題的實質(zhì)，如要解決的任務(wù)是什么，它是如何定義的，可否把它分解為子問題或子任務(wù)，它包含哪些典型數(shù)據(jù)等。

②知識概念化，即概括知識表示所需要的關(guān)鍵概念及其關(guān)系，如數(shù)據(jù)類型、已知條件(狀態(tài))和目標(biāo)(狀態(tài))、提出的假設(shè)以及控制策略等。3.1.2

專家系統(tǒng)的建立步驟（續(xù)）建立專家系統(tǒng)的一般步驟如下（續(xù)）：（1）設(shè)計初始知識庫（續(xù)）

③概念形式化，即確定用來組織知識的數(shù)據(jù)結(jié)構(gòu)形式，應(yīng)用人工智能各種知識表示方法把與概念化過程有關(guān)的關(guān)鍵概念、子問題及信息流特性等變換為正式表達(dá)，它包括假設(shè)空間、過程模型和數(shù)據(jù)特性等。

④形式規(guī)則化，即編制規(guī)則、把形式化了的知識變換為由編程語言表示的可供計算機(jī)執(zhí)行的語句和程序。

⑤規(guī)則合法化，即確認(rèn)規(guī)則化了知識的合理性，檢驗規(guī)則的有效性。（2）原型機(jī)的開發(fā)與試驗。選定知識表達(dá)方法后，著手建立整個系統(tǒng)所需要的實驗子集，它包括整個模型的典型知識，而且只涉及與試驗有關(guān)的足夠簡單的任務(wù)和推理過程。（3）知識庫的改進(jìn)與歸納。反復(fù)對知識庫及推理規(guī)則進(jìn)行改進(jìn)試驗，歸納出更完善的結(jié)果。經(jīng)過相當(dāng)長時間(例如數(shù)月至兩、三年)的努力，使系統(tǒng)在一定范圍內(nèi)達(dá)到人類專家的水平。3.2

專家系統(tǒng)的主要類型與結(jié)構(gòu)專家系統(tǒng)的主要類型有基于規(guī)則的專家系統(tǒng)Rule-basedExpertSystem基于框架的專家系統(tǒng)Frame-basedExpertSystem基于模型的專家系統(tǒng)Model-basedExpertSystem

3.2.1基于規(guī)則的專家系統(tǒng)

1.基于規(guī)則專家系統(tǒng)的工作模型產(chǎn)生式系統(tǒng)的思想比較簡單，然而卻十分有效。產(chǎn)生式系統(tǒng)是專家系統(tǒng)的基礎(chǔ)，專家系統(tǒng)就是從產(chǎn)生式系統(tǒng)發(fā)展而成的?；谝?guī)則的專家系統(tǒng)是個計算機(jī)程序，用一套包含在知識庫內(nèi)的規(guī)則對工作存儲器內(nèi)的具體信息（事實）進(jìn)行處理，由推理機(jī)推斷出新的信息。其工作模型如圖3.4所示。圖3.4基于規(guī)則專家系統(tǒng)的工作模型3.2.1基于規(guī)則的專家系統(tǒng)（續(xù)）

1.基于規(guī)則專家系統(tǒng)的工作模型（續(xù)）

基于規(guī)則專家系統(tǒng)采用下列模塊來建立產(chǎn)生式系統(tǒng)的模型：（1）知識庫以一套規(guī)則建立人的長期存儲器模型（2）工作存儲器建立人的短期存儲器模型，存放問題事實和由規(guī)則激發(fā)而推斷出的新事實。（3）推理機(jī)借助于把存放在工作存儲器內(nèi)的問題事實和存放在知識庫內(nèi)的規(guī)則結(jié)合起來，建立人的推理模型，以推斷出新的信息。圖3.5基于規(guī)則專家系統(tǒng)的結(jié)構(gòu)3.2.1基于規(guī)則的專家系統(tǒng)（續(xù)）

2.基于規(guī)則專家系統(tǒng)的結(jié)構(gòu)2.基于規(guī)則專家系統(tǒng)的結(jié)構(gòu)（續(xù)）（1）知識庫（2）推理機(jī)（3）工作存儲器（4）用戶界面用戶通過該界面來觀察系統(tǒng)并與系統(tǒng)交互。（5）開發(fā)界面知識工程師通過該界面對專家系統(tǒng)進(jìn)行開發(fā)。（6）解釋器對系統(tǒng)的推理提供解釋。（7）外部程序如數(shù)據(jù)庫、擴(kuò)展盤和算法等，對專家系統(tǒng)的工作起支持作用，易于為專家系統(tǒng)所訪問和使用。3.2.1基于規(guī)則的專家系統(tǒng)（續(xù)）

3.2.2基于框架的專家系統(tǒng)1.面向目標(biāo)編程與基于框架設(shè)計基于框架的專家系統(tǒng)是建立在框架的基礎(chǔ)之上的，采用面向目標(biāo)編程技術(shù)?；诳蚣艿膶＜蚁到y(tǒng)是個計算機(jī)程序，使用一組包含在知識庫內(nèi)的框架對工作存儲器內(nèi)的具體問題信息進(jìn)行處理。面向目標(biāo)編程的所有數(shù)據(jù)均以目標(biāo)形式出現(xiàn)。每個目標(biāo)具有陳述知識和過程知識。在設(shè)計基于框架系統(tǒng)時，專家系統(tǒng)的設(shè)計者們把目標(biāo)叫做框架。3.2.2基于框架的專家系統(tǒng)（續(xù)）2.基于框架專家系統(tǒng)的結(jié)構(gòu)圖3.6人類的框架分層結(jié)構(gòu)類（class）槽(Slots)子類（subclass)例子(instances)規(guī)則(rules)目標(biāo)議程表

(goalagenda)3.2.2基于框架的專家系統(tǒng)（續(xù)）3.基于框架專家系統(tǒng)的一般設(shè)計方法基于框架專家系統(tǒng)的主要設(shè)計步驟與基于規(guī)則的專家系統(tǒng)相似,主要差別在于如何看待和使用知識。在設(shè)計基于框架的專家系統(tǒng)時，把整個問題和每件事想像為編織起來的事物。在辨識事物之后，尋找把這些事物組織起來的方法。對于任何類型的專家系統(tǒng)，其設(shè)計是個高度交互的過程3.2.3基于模型的專家系統(tǒng)1.基于模型專家系統(tǒng)的提出關(guān)于人工智能的一個觀點綜合各種模型的專家系統(tǒng)比基于邏輯心理模型的系統(tǒng)具有更強(qiáng)的功能，從而有可能顯著改進(jìn)專家系統(tǒng)的設(shè)計在諸多模型中，人工神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用最為廣泛3.2.3基于模型的專家系統(tǒng)（續(xù)）2.基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型從知識表示、推理機(jī)制到控制方式，與目前專家系統(tǒng)中的基于邏輯的心理模型有本質(zhì)的區(qū)別。三種神經(jīng)網(wǎng)絡(luò)模型與專家系統(tǒng)集成模式神經(jīng)網(wǎng)絡(luò)支持專家系統(tǒng)專家系統(tǒng)支持神經(jīng)網(wǎng)絡(luò)協(xié)同式的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)3.2.3基于模型的專家系統(tǒng)（續(xù)）2.基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)（續(xù)）神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的基本結(jié)構(gòu)圖3.7神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的基本結(jié)構(gòu)3.2.3基于模型的專家系統(tǒng)（續(xù)）2.基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)（續(xù)）神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的幾個問題討論神經(jīng)網(wǎng)絡(luò)的知識表示是一種隱式表示神經(jīng)網(wǎng)絡(luò)通過實例學(xué)習(xí)實現(xiàn)知識自動獲取神經(jīng)網(wǎng)絡(luò)的推理是個正向非線性數(shù)值計算過程，同時也是一種并行推理機(jī)制同一知識領(lǐng)域的幾個獨立的專家系統(tǒng)可組合成更大的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)3.3專家控制系統(tǒng)的結(jié)構(gòu)與類型3.3.1專家控制系統(tǒng)的結(jié)構(gòu)專家控制器取代傳統(tǒng)控制的PID控制器，即構(gòu)成專家控制系統(tǒng)。知識庫和推理機(jī)是專家控制器的核心組成部分。圖3.9表示專家控制系統(tǒng)原理圖。圖3.9專家控制系統(tǒng)原理圖3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）1.專家控制系統(tǒng)的一般結(jié)構(gòu)幾乎所有的專家控制系統(tǒng)（控制器）都包含知識庫、推理機(jī)、控制規(guī)則集和／或控制算法。圖3.10畫出專家控制系統(tǒng)的基本結(jié)構(gòu)。知識庫和推理機(jī)是專家控制器的核心組成部分。圖3.10專家控制器的基本結(jié)構(gòu)3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）1.專家控制系統(tǒng)的一般結(jié)構(gòu)（續(xù)）黑板專家控制系統(tǒng)由黑板、知識源和控制器3部分組成，其結(jié)構(gòu)如圖3.12所示。圖3.12黑板專家控制系統(tǒng)的結(jié)構(gòu)3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）2.直接家控制系統(tǒng)的一般結(jié)構(gòu)根據(jù)系統(tǒng)結(jié)構(gòu)的復(fù)雜性把專家控制系統(tǒng)分為兩種形式，即專家控制系統(tǒng)和專家控制器。（1）直接專家控制系統(tǒng)的結(jié)構(gòu)

專家控制器有時又稱為基于知識控制器。以基于知識控制器在整個系統(tǒng)中的作用為基礎(chǔ)，可把專家控制系統(tǒng)分為直接專家控制系統(tǒng)和間接專家控制系統(tǒng)兩種。圖3.13給出它們的原理圖。圖3.13兩種專家控制系統(tǒng)原理結(jié)構(gòu)3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）2.直接家控制系統(tǒng)的一般結(jié)構(gòu)（續(xù)）（1）直接專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）圖3.11給出工業(yè)專家控制器的簡化結(jié)構(gòu)圖。圖3.11工業(yè)專家控制器簡化結(jié)構(gòu)圖3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）2.直接家控制系統(tǒng)的一般結(jié)構(gòu)（續(xù)）（1）直接專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）

工業(yè)專家控制器各部分的作用說明如下：

①知識庫（KB）

表達(dá)已獲取知識，用產(chǎn)生式規(guī)則來建立。

②控制規(guī)則集（CRS）

歸納受控過程各種控制模式和經(jīng)驗。

③特征識別與信息處理（FR＆IP）

實現(xiàn)對信息的提取與加工，為控制決策和學(xué)習(xí)適應(yīng)提供依據(jù)。它包括抽取動態(tài)過程的特征信息，識別系統(tǒng)的特征狀態(tài)，并對這些特征信息進(jìn)行必要的加工。

④推理機(jī)（同前專家系統(tǒng)）。

⑤控制規(guī)則集（同前專家系統(tǒng)）。3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）2.直接家控制系統(tǒng)的一般結(jié)構(gòu)（續(xù)）（2）直接專家控制系統(tǒng)的輸入輸出關(guān)系

工業(yè)專家控制器的輸入輸出關(guān)系表示于下：

專家控制器的輸入集為

E=(R,e,Y,U)(3.1)e=R-Y(3.2)式中，R為參考控制輸入，e為誤差信號，Y為受控輸出，U為控制器的輸出集。I、G、U、K和E之間的關(guān)系可由下式表示，即U=f(E,K,I,G)(3.3)其中，E為專家控制器的誤差輸入；K為知識庫對推理機(jī)的輸出；I為推理機(jī)的輸出；G為知識庫對控制規(guī)則單元的輸出；f為智能算子（復(fù)合運算）

f=ghp(3.4)其中，g，h，p也是智能算子，而且有：(3.5)

3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）3.間接家控制系統(tǒng)（1）間接專家控制系統(tǒng)的結(jié)構(gòu)

間接專家控制系統(tǒng)又可稱為監(jiān)控式專家控制系統(tǒng)，其作用原理框圖見圖3.13。專家控制器能夠協(xié)調(diào)各種算法，利用專家經(jīng)驗規(guī)則決定何時采用何種參數(shù)和啟動什么算法?？刂葡到y(tǒng)工作時，就像一個頗有經(jīng)驗的控制專家能夠自在地調(diào)度系統(tǒng)參數(shù)與結(jié)構(gòu)，并及時回答用戶的咨詢。

圖3.13間接專家控制系統(tǒng)的作用原理框圖3.3.1

專家控制系統(tǒng)的結(jié)構(gòu)（續(xù)）3.間接家控制系統(tǒng)（續(xù)）（2）專家鑒定PID控制系統(tǒng)的工作原理

由圖3.14可見，專家控制系統(tǒng)的控制信號由PID控制器提供給受控對象，而專家系統(tǒng)通過對PID控制器的參數(shù)整定起到間接的控制作用。受控對象的輸出信號Pr，經(jīng)傳感器反饋到系統(tǒng)輸入端與給定信號Sr進(jìn)行比較，得到偏差信號E并作用于PID控制器。

圖3.14專家鑒定PID控制系統(tǒng)結(jié)構(gòu)圖3.3.2

專家控制系統(tǒng)的設(shè)計要求和設(shè)計原則

1.專家控制系統(tǒng)的控制要求運行可靠性高具有較高的運行可靠性、方便的監(jiān)控能力。決策能力強(qiáng)具備不同水平的決策能力，能夠處理含有不確定性、不完全性和不精確性的決策問題。應(yīng)用通用性好易于開發(fā)、示例多樣性、便于混合知識表示、全局?jǐn)?shù)據(jù)庫的活動維數(shù)、基本硬件的機(jī)動性、多種推理機(jī)制以及開放式的可擴(kuò)充結(jié)構(gòu)等?？刂婆c處理的靈活性包括控制策略的靈活性、數(shù)據(jù)管理的靈活性、解釋說明的靈活性、模式匹配的靈活性以及過程連接的靈活性等。擬人能力專家控制系統(tǒng)的控制水平必須達(dá)到人類專家的水平。

3.3.2

專家控制系統(tǒng)的設(shè)計要求和設(shè)計原則（續(xù)）

2.專家控制器的設(shè)計原則模型描述的多樣性解析模型離散事件模型模糊模型規(guī)則模型基于模型的模型在線處理的靈巧性控制策略的靈活性決策機(jī)構(gòu)的遞階性推理與決策的實時性3.4專家控制系統(tǒng)應(yīng)用舉例3.4.1實時控制系統(tǒng)的特點與要求實時控制系統(tǒng)定義對受控過程表現(xiàn)出預(yù)定的足夠快的實時行為具有嚴(yán)格的響應(yīng)時間限制而與所有算法無關(guān)實時控制系統(tǒng)具有與外部環(huán)境及時交互的能力系統(tǒng)在與外部環(huán)境交互時，受到處理（控制）時間的約束實時控制系統(tǒng)的具體要求和設(shè)計特點準(zhǔn)確地表示知識與時間的關(guān)系。具有快速和靈敏的上下文激活規(guī)則能夠控制任意時變非線性過程3.4.1實時控制系統(tǒng)的特點與要求（續(xù)）實時控制系統(tǒng)的具體要求和設(shè)計特點（續(xù)）能夠進(jìn)行時序推理、并行推理和非單調(diào)推理修正序列的基本控制知識具有中斷過程和異步時間處理能力及時獲取動態(tài)和靜態(tài)過程信息，以便于對控制系統(tǒng)進(jìn)行實時診斷有效回收不再需要的存儲元件，并保持傳感器的過程接受來自操作者的交互指令序列連接常規(guī)控制器和其他應(yīng)用軟件能夠進(jìn)行多專家系統(tǒng)之間以及專家系統(tǒng)與用戶之間的通信3.4.2高爐監(jiān)控專家系統(tǒng)1.高爐控制概況

高爐生產(chǎn)過程的操作是一個十分復(fù)雜的過程。鐵礦和焦炭從爐頂加入，而鼓風(fēng)機(jī)則由底部吹風(fēng)。為保證生鐵冶煉的質(zhì)量，高爐安裝了幾百個傳感器，從采集的數(shù)據(jù)中觀察高爐內(nèi)的狀況。圖3.15

高爐監(jiān)控的操作及功能3.4.2高爐監(jiān)控專家系統(tǒng)（續(xù)）1.高爐控制概況（續(xù)）高爐管理系統(tǒng)的主要功能數(shù)據(jù)分析分析和采集傳感器的數(shù)據(jù)。爐內(nèi)靜態(tài)狀況分析根據(jù)分析結(jié)果來尋求最合適的操作方法。爐況診斷當(dāng)爐內(nèi)狀況非常復(fù)雜時，要引入專家系統(tǒng)或?qū)＜铱刂葡到y(tǒng)來改善高爐運行條件。開發(fā)和建立高爐專家控制系統(tǒng)的目的利用人工智能技術(shù)，建立準(zhǔn)確的控制系統(tǒng)。將高爐操作技術(shù)標(biāo)準(zhǔn)化和規(guī)范化。靈活處理經(jīng)常性的系統(tǒng)變化要求。3.4.2高爐監(jiān)控專家系統(tǒng)（續(xù)）2.高爐監(jiān)控專家系統(tǒng)的結(jié)構(gòu)與功能組成部分異常爐況預(yù)測系統(tǒng)用于預(yù)測爐內(nèi)爐料滑動和溝道的產(chǎn)生情況高爐熔煉監(jiān)控系統(tǒng)

用于判斷爐內(nèi)熔煉過程并指導(dǎo)操作員對高爐進(jìn)行合理的操作系統(tǒng)功能推理預(yù)處理部分用常規(guī)的方法在過程計算機(jī)上執(zhí)行推理部分用知識工程技術(shù)在人工智能處理器上實現(xiàn)圖3.16

高爐監(jiān)控專家系統(tǒng)的結(jié)構(gòu)3.4.2高爐監(jiān)控專家系統(tǒng)（續(xù)）3.監(jiān)控專家系統(tǒng)開發(fā)過程

開發(fā)過程大體如圖3.16所示，說明如下頁：圖3.16系統(tǒng)開發(fā)過程框圖3.4.2高爐監(jiān)控專家系統(tǒng)（續(xù)）3.監(jiān)控專家系統(tǒng)開發(fā)過程（續(xù)）開發(fā)過程大體如圖3.16所示，說明如下：（1）決定目標(biāo)。明確系統(tǒng)的功能與所涉及的范圍。（2）獲取知識。高爐技術(shù)文獻(xiàn)資料、操作員手冊和領(lǐng)域?qū)＜抑R。（3）知識匯編與系統(tǒng)化。歸納分類專家思維過程；傳感數(shù)據(jù)模式整理和分類、數(shù)據(jù)濾波、分級和求導(dǎo)；知識模糊性(不確定性)的表示。（4）規(guī)則結(jié)構(gòu)的設(shè)計。將規(guī)則分組和結(jié)構(gòu)化，考慮推理的速度。（5）系統(tǒng)功能的劃分。實現(xiàn)在線實時處理；將系統(tǒng)功能劃分為預(yù)處理和推理二部分。（6）構(gòu)造原型系統(tǒng)。描述規(guī)則和黑板模型；將實際系統(tǒng)和測試系統(tǒng)形式化。（7）評估與調(diào)整。用離線測試系統(tǒng)調(diào)試系統(tǒng)；檢查系統(tǒng)的有效性。（8）應(yīng)用和升級。增加和校正規(guī)則。3.4.2高爐監(jiān)控專家系統(tǒng)（續(xù)）4.傳感數(shù)據(jù)的預(yù)處理采用以下二個步驟對傳感器數(shù)據(jù)進(jìn)行推理前的預(yù)處理：第一步是對傳感器數(shù)據(jù)進(jìn)行平滑鼓風(fēng)爐有200多個數(shù)據(jù)。不同的數(shù)據(jù)，往往受到擾動和加料造成的非周期性變化的影響。為了去除這種影響，采用統(tǒng)計方法做平滑處理（線性回歸過程）。爐頂氣體溫度如圖3.19所示，為了對它進(jìn)行預(yù)處理，采用了平滑處理過程。圖3.19

數(shù)據(jù)預(yù)處理第一步例子3.5小結(jié)專家控制系統(tǒng)是具有廣泛應(yīng)用的智能控制領(lǐng)域之一根據(jù)系統(tǒng)的復(fù)雜性，可分為專家控制器和專家控制系統(tǒng)。按系統(tǒng)控制機(jī)理，可分為直接專家控制系統(tǒng)和間接專家控制系統(tǒng)。對于具有不確定性、非線性以及非精確和不完全信息的比較簡單的控制過程，可以采用一般的工業(yè)專家控制器。對于比較復(fù)雜的控制過程(裝置)，應(yīng)當(dāng)采用專家控制系統(tǒng)。大多專家控制系統(tǒng)（器）具有遞階結(jié)構(gòu)。在設(shè)計專家控制器時，應(yīng)特別注重知識庫和推理機(jī)或黑板的設(shè)計。3.5