02分级递阶智能控制系统
智能控制理论及应用
Grossberg在1976年提出的自谐振理论（ART）解决了无 导师指导下的模式分类；
到了80年代，人工神经网络进入了发展期：
1982年，Hopfield提出了HNN模型，解决了回归网络的学 习问题；
1.1.2 智能控制的定义 由于智能控制是一门新兴学科且正处于发展阶段，所以至
今尚无统一的定义，故有多种描述形式。
从三元交集论的角度定义智能控制：它是一种应用人工智 能的理论和技术以及运筹学的优化方法，并和控制理论中的方 法与技术相结合，在不确定的环境中，仿效人的智能（学习、 推理等），实现对系统控制的理论与方法。
信息论 IT
图1.3 智能控制的四元论结构
以上关于智能控制结构理论的不同见解中，存在着以下几 点共识：
（1）智能控制是由多种学科相互交叉而形成的一门新兴 学科；
（2）智能控制是自动控制发展到新阶段的产物，它以人 工智能和自动控制的相互结合为主要标志；
（3）智能控制在发展过程中不断地吸收着控制论、信息 论、系统论、运筹学、计算机科学、模糊数学、心理学、生理 学、仿生学等学科的思想、方法以及新的研究成果，目前仍在 发展和完善之中。
1.3 智能控制的应用场合和研究内容 1.3.1 智能控制的应用场合
智能控制是自动控制的最新发展阶段，主要用于解决传统 控制技术与方法难以解决的控制问题。主要应用场合有：
（1）具有高度非线性、时变性、不确定性和不完全性等 特征，一般无法获得精确数学模型的复杂系统的控制问题；
（2）需要对环境和任务的变化具有快速应变能力并需要 运用知识进行控制的复杂系统的控制问题；
1986年PDP小组的研究人员提出了多层前向神经网络的 BP学习算法，实现了有导师指导下的网络学习，从而为神经 网络的应用开辟了广阔的前景。
浅谈智能控制及其应用
浅谈智能控制及其应用作者：王湛来源：《中国新技术新产品》2013年第17期摘要：智能控制在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。
本文就智能控制及其应用进行叙述，介绍了智能控制的发展历程，分析了智能控制的主要形式，对智能自主控制进行了深入探讨。
关键词：智能控制；方法；形式中图分类号：TP31 文献标识码：A1智能控制的发展科学技术和生产的迅速发展是智能控制学科发展的动力。
以往以单纯数学解析结构为基础的控制理论，其局限性日益明显。
它的局限性主要体现在以下几方面：其一，在航空、航天、航海及各种工业部门，受控对象日益复杂。
受控对象不仅规模大，运动学结构复杂，而且各运动变量之间严重耦合，同时还带有严重的不确定性（包括结构和参数两个方面的不确定性）和非线性。
这样复杂的受控对象使得以确定模型和数学解析方法为基础的传统控制理论遇到了困难和挑战。
其二，控制任务和目标的复杂化，也使传统的控制理论难于胜任。
例如，一架性能优良的攻击机必须具备对空、地多目标自动攻击的能力，必须具备自动地形跟踪、回避的能力，必须具备自动导航和高品质自动飞行的能力。
这样复杂的控制任务和控制指标要求，对于传统的控制理论来说是很困难的。
其三，系统工作环境的复杂化，也使传统的控制理论产生麻烦。
例如，在空战条件下，战场敌我态势的突变，气象条件的突变，敌方对我方系统的破坏和干扰，驾驶员的疲劳和意外失误，或者系统处于不利的化学物质环境中工作等。
上述复杂受控对象，复杂的控制任务和控制目的，复杂的系统运行环境都促使人们研究新的控制方式去实现对它们的有效控制。
这就是智能控制产生和发展的背景和动力。
另一方面，近代迅速发展的人工智能技术和计算机技术又为智能控制的发展提供了条件。
诸如符号、语言的知识表达，状态特征的辨识，定性与定量，精确与模糊信号的处理，分析推理，逻辑运算，判断决策，自然语言理解和视觉系统等一系列拟人思维和功能均可通过计算机来实现。
智能控制技术复习题课后答案讲解
(2)。
10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。
立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、
和。知识库的设计推理机的设计人机接口的设计
13．专家系统的核心组成部分为和。知识库、推理机
一、填空题
1．智能控制是一门新兴的学科，它具有非常广泛的应用领域，例如、、和。
1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制
2．传统控制包括和。2、经典反馈控制现代理论控制
3．一个理想的智能控制系统应具备的基本功能是、、和。
3、学习功能适应功能自组织功能优化能力
4．智能控制中的三元论指的是：、和。
•(6)具有获取知识的能力；
•(7)知识与推理机构相互独立。专家系统一般把推理机构与知识分开，使其独立，使系统具有良好的可扩充性和维护性。
2、简述专家系统设计的基本结构。
答：基本知识描述---系统体系结构---工具选择----知识表示方法----推理方式----对话模型.P20
4、什么是专家控制系统？专家控制系统分为哪几类？
46、二进制编码
47.遗传算法的3种基本遗传算子、和。
47、比例选择算子单点交叉算子变异算子
48．遗传算法中，适配度大的个体有被复制到下一代。更多机会
49.遗传算法中常用的3种遗传算子（基本操作）为、、和。
49、复制、交叉和变异
第一章
1
答：（1）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
（3）神经控制系统（1分）
神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要特征。
（4）遗传算法（2分）
智能控制论文
智能控制论文摘要：基于智能控制和常规控制的本质区别和内在联系，对智能控制的概念进行了研究，同时介绍了智能控制的学科基础和主要分支，并且总结了智能控制的基本分析方法，最后指出了智能控制的实现中存在的一些问题。
关键词智能控制，人工控制，控制论1 引言自1971年傅京孙教授提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能、模糊集理论、运筹学和控制论），在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的发展和完善。
智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。
智能控制也是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。
随着科学技术的发展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的发展和完善。
2 智能控制的概念智能控制的定义一: 智能控制是由智能机器自主地实现其目标的过程.而智能机器则定义为,在结构化或非结构化的,熟悉的或陌生的环境中,自主地或与人交互地执行人类规定的任务的一种机器.定义二: K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制系统的分析与设计中,以期在一定程度上实现控制系统的智能化定义三: 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制,也是用计算机模拟人类智能的一个重要领域.,这就是智能控制.他还认为自调节控制,自适应控制就是智能控制的低级体现.定义四: 智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律,研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。
3 智能控制系统的类型1)集成或者（复合）混合控制几种方法和机制往往结合在一起,用于一个实际的智能控制系统或装置,从而建立起混合或集成的智能控制系统.2）分级递阶控制系统分级递阶智能控制是在自适应控制和自组织控制基础上,由美国普渡大学Saridis提出的智能控制理论.分级递阶智能控制(Hierarchical Intelligent Control)主要由三个控制级组成,按智能控制的高低分为组织级,协调级,执行级,并且这三级遵循"伴随智能递降精度递增"原则。
智能控制第1讲 智能控制概论
Data, Information, Knowledge, IntelligenceIntelligence Knowledge Information Data房间温度高 解决温度 高的办法温度高原因通风量不足增大通风量房间温度 32℃理想温度 23℃Data, Information, Knowledge, IntelligenceIntelligence KnowledgeInformation Data传统控制面临的挑战 实际系统由于存在复杂性、非线性、时变 性、不确定性和不完全性等，一般无法获得精 确的数学模型。
应用传统控制理论进行控制必须提出并遵循 一些比较苛刻的线性化假设，而这些假设在应 用中往往与实际情况不相吻合。
传统控制面临的挑战 传统控制方法在解决大范围变工况、异常 工况等问题方面往往不尽人意。
环境和被控对象的未知和不确定性，导致无 法建立模型。
9 传统控制往往不能满足某些系统的性能要 求。
控制科学发展过程进展方向最优控制 确定性反馈控制 开环控制 智能控制 自学习控制自组织控制 自适应控制 鲁棒控制 随机控制对象的复杂性智能控制的发展¾ 1985 年 8月，IEEE在纽约召开第一届智能控制学术 研讨会，主题：智能控制原理和智能控制系统。
会议 决定在 IEEE CSS 下设 IEEE 智能控制专业委员会。
这 标志着智能控制这一新兴学科研究领域的正式诞生。
¾ 1987 年 1 月 ， 美 国 费 城 ， 第 一 次 智 能 控 制 国 际 会 议，IEEE CSS与CS两学会主办； ¾ 1987 年以来，一些国际学术组织，如 IEEE 、 IFAC 等定期或不定期举办各类有关智能控制的国际学术会 议或研讨会，一定程度上反映了智能控制发展的好势 头。
智能控制的发展¾ 1991年7月，中国人工智能学会成立。
¾ 1993年7月，成都，中国人工智能学会智能机器人专 业委员会成立大会暨首届学术会议。
智能控制复杂系统的分层递阶智能控制
2.3.5 贝叶斯学习控制
❖ 所谓贝叶斯学习控制，就是运用一种基于贝叶斯定理旳 迭代措施来估计未知旳密度函数信息。
❖ 类似于记录模式识别中旳状况，假如概率分布或密度函 数位置或不全已知，则控制器旳设计可以首先学习未知旳密 度函数，然后根据估计信息实现控制律。假如这种估计迫近 真实函数，则控制律也迫近最优控制律。
2.3.3 基于模式识别旳学习控制
1. 基本思想
针对先验知识不完全旳对象和环境，将控制局势进 行分类，确定这种分类旳决策，根据不一样旳决策 切换控制作用旳选择，通过对控制器性能估计来引 导学习过程，从而使系统总旳性能得到改善。
2.3.3 基于模式识别旳学习控制
2. 原理 学习控制系统是具有三个反馈环旳层次构造。底层 是简朴反馈环，包括一种赔偿器，它提供控制作用； 中间层是自适应层，包括一种模式识别器，它对赔 偿器进行调整，以影响对象动态特性变化旳估计； 高层是学习环，包括一种“教师”（一种控制器）， 它对模式识别器进行训练，以做出最优或近似最优 旳识别。
4. 解释器（explanator) 解释器可以向顾客解释专家系统旳行为，包括解释推理结 论旳对旳性以及系统输出其他候选解得原因。
5. 接口（interface) 接口又称界面，它可以使系统与顾客进行对话，使顾客可 以输入必要旳数据、提出问题和理解推理过程和推理成果 等。系统则通过接口规定顾客回答提问，并回答顾客提出 旳问题，进行必要旳解释。
协调级
• 是组织级和执行级的接口，负责将组织级的指令分配 为执行级的各项子任务，同时反馈任务执行的信息。
执行级
• 一般由多个硬件控制器所组成，负责具体的过程控制。
2.1.2 组织级
组织级功能
机器推理 • 根据前提和规则，推出结论的能力
第6章 分层递阶智能控制
分层递阶智能控制系统的结构
它由组织级，协调级和执行级三个层次组 成，并按照自上而下精确程度渐增、智能 程度逐减的原则进行功能的分配。 智能控制系统上层的作用主要是模仿人的 行为功能，因而主要是基于知识的系统。 它所实现的功能主要是对知识进行处理。
智能控制系统下层的作用是执行具体的控 制任务。它主要是对数值进行操作和运算。
其中d是根结点称为分派器c是子结点的有限集合称为协调器每个协调器与分派器之间均存在双向联系而在协调器之间没有直接的联系
第6章 分层递阶智能控制 6.1 一般结构原理
为了实现规划、决策、学习等智能功能，智 能控制所实现控制的含义要比常规控制广泛 得多。 广义的控制可以定义为：驱使系统实现要求 功能的过程。 为了实现广义的控制功能，智能控制需要将 认知系统研究的结果与常规的系统控制方法 加以有机的结合。
1
认知系统
认知系统传统上是作为人工智能的一部分，它 主要实现类似于人的一些行为功能。 如声音识别和分析、图像和景物分析、数据库 组织、学习和高层决策等。 在控制方面，它们可用来进行运动控制和轨迹 跟踪及优化控制等。
2
分层递阶智能控制系统理论
它将计算机的高层决策、系统理论中 的数学建模以及处理不精确和不完全 信息的语言学方法结合在一起，形成 了一种适合于工程需要的统一的方法。 该理论可认为是三个主要学科领域的 交叉：人工智能、运筹学和控制理论。
间层，它按受从组织级传来的命令，
经过实时信息处理，产生一系列可供
执行级执行的具体动作的序列。
7
协调级的原理结构
其中D是根结点， 称为分派器，C是 子结点的有限集 合，称为协调器， 每个协调器与分 派器之间均存在 双向联系，而在 协调器之间没有 直接的联系。
智能控制基础 第三章 分级递阶控制
协调的两个原则
➢关联平衡协调原则
又称目标协调法，下层的各决策层单元在 求解各自的优化问题时，把关联变量当作 独立变量来处理，即不考虑关联约束条件， 而依靠协调器的干预信号来平衡、修正各 决策单元的优化指标，以保证最后关联约 束得以满足，这时目标函数中修正的值应 趋于0
3.2 分级递阶智能控制
3.2.1 分级递阶智能控制系统的结构 3.2.2 分级递阶智能控制原理
执行级（运行控制级）
➢ 直接控制局部过程并完成子任务 ➢ 高精度执行局部任务，不要求有智能 ➢ 常规的优化控制 ➢ 最优控制对应熵最小
3.3 示例
（1）机器人的三级递阶智能控制系统。 是一个基于视觉的机械手的递阶智能控制 系统。
第一级
高级输入命令
知识组织级
➢ 受控对象具有很多层次； ➢ 控制有多个层次，且各层间实现 “精度递增伴随智能递减”的原则。
摘自 r.it.htm
组织级（任务规划）
➢ 找到子任务（或动作）组合 ➢ 发送到协调级 ➢ 学习功能
Boltzmann机实现组织级功能
➢ 基元事件集合E = {e1, … ,en} ➢输入节点、输出节点、隐节点 ➢ 网络状态向量X = (x1, … , xn)
按 决 策 的 复 杂 性 分 级
多层控制结构
多级多目标结构
Dr
决策单元 D11 S1
D12
Dm2
D21
Dn-11
Dn1
S2多目标结构
多级多目标结构
当系统由若干个可分的相互关联的子系统组成时， 可将所有决策单元按一定支配关系递阶排列，同 一级各单元要受上一级的干预，同时又对下一级 决策单元施加影响。
第三章 分级递阶智能控制
3.1 递阶控制的一般原理 3.2 分级递阶智能控制 3.3 示例及小结
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
从熵的表达式可知，熵是随机变量自信息 的数学 期望。熵越大，期望值越大。熵越大表明不确定 性越大。选择对数度量信息的方便之处是两个信 息相加的总信息量等于每个信息单独存在时各自 信息量之和。 在萨里迪斯的递阶智能控制系统中，对各级采 用熵作为测度。组织级用熵衡量所需知识；协调 级用上测量协调的不确定性；执行机用上表示系 统的执行代价。每一级的熵相加成为总熵，用于 表示控制作用的总代价。设计和建立控制系统的 原则就是总熵最小。
• 若MI和DB无关，则
H (MI ) H ( DB) H ( R)
• 由上式可看出，期望R不变，若增大DB的熵， 就要减小MI的熵。反之，若减小DB的熵，就要 增大MI的熵。这就是IPDI原则。
• 组织级智能高，但精度低；协调级具有一定的 智能；执行级有很高的控制精度，但智能低。 • 综上所述，分级递阶智能控制原理为： • 系统按照自上而下精度渐增、智能渐减的 原则建立递阶结构，而智能控制的设计任务是 寻求正确的决策和控制序列，以使整个控制系 统的总熵最小。这样，递阶智能控制系统就能 在最高级组织级的统一组织下，实现对复杂、 不确定系统的优化控制 。
（2）递阶控制的基本原理 最下面一级的每个控制器只控制一个子系统。 每一级控制器从上一级控制器接受信息，以控 制下一级，各控制器之间的冲突由上一级进行 协调。 协调的目的：通过对下层控制器施加干预信号 来调整该层各控制器的决策，满足整个系统的 控制目标 完成协调作用的决策单元称为协调器。
基本原理： 把一个总体问题P分解为若干有限数量的子问题Pi(i=1,…,n)。 P的目标是使复杂系统的总体准则取得极值，则不考虑子系 统之间的关联时，有 [P1,P2,…,Pn]的解P的解 考虑到子问题之间因关联产生冲突，引入协调参数λ，以 解决关联产生的目标冲突。 [P1(λ),P2(λ),…,Pn(λ)]| λ→ λ*的解P的解 适当选择λ ，从初值λ 0迭代到终值λ*，使递阶控制达到最 优。
2.2 分级智能控制的结构与理论
2.2.1 组织级的结构与理论
组织级的结构图见图2.6 。其主要功能有以下几种：
1）推理：把不同的基本动作与所接收的指令通过推 理联系起来，并在概率上评估每个动作。
2）规划：对动作进行排序，并用熵函数计算活动的 不确定性。 3）决策：选择最大可能的决策。 4）反馈：从较低层选取反馈信息通过学习算法更新 概率。 5）存储变换：更新长效记忆存储器中的内容。
控制中心
子系统1
…
被控对象或过程
子系统n
图2.1 集中控制系统框图
控制中心
分散控制器1
分散控制器i
分散控制器n
子系统1
子系统i 被控对象或过程
子系统n
图2.2 分散控制系统框图
全局组织级 局部协调级 … 局部协调级
局部 控制器
局部 … 控制器
…
局部 局部 … 控制器 控制器
子系统
子系统
…
子系统
递阶智能控制系统三个基本控制级的级联交互结构图
执行级至协 调级的在线 反馈信号
协调级至组 织级的在线 反馈信号
图2.5 递阶智能控制系统的级联结构
• 递阶智能控制系统作为一个整体，把用户 指令转为一个物理序列，系统的输出是一 组施加于被控过程的具体指令。系统的操 作是由用户指令及与环境交互作用的传感 器的输入信息决定的。 • 传感器分为外部传感器和内部传感器，分别 提供工作环境（外部）和每个子系统（内部） 的监控信息。
知识机器内的知识流分别代表下列几个方面作用：
1）数据处理与管理； 2) 由CPU执行的规划与决策； 3) 通过外围设备获取外界信息和数据； 4) 定义软件的形式语言。 为了介绍IPDI，首先介绍一下相关概念。 定义2.1 机器知识(Machine Knowledge, K) 消除智能机器指定任务的不确定性所需要的结 构信息。知识是一个由机器自然增长的累积量。
2）关联平衡协调原则 在控制中，下层的决策单元把关联变量作 为独立变量处理，独立求解各自的决策问题。 协调器通过施加干预信号去平衡、修正各自系 统的性能指标，以保证最后子系统的关联约束 满足，总体目标最优。又成为目标协调原则。
递阶系统协调控制的任务：
•使各子系统相互协调、配合、制约、促进。 从而在实现各自系统的子目标、子任务的基 础上，实现整个大系统的总目标、总任务。 •递阶结构兼有集中结构和分散结构的优点， 成为大系统控制的重要形式。对于大型、复 杂和不确定性系统，往往采用递阶控制。
•协调级不具有组织级那样的推理能力，其智能在于： 用最有希望的方式执行组织级的规划。
• 协调级一般采用图2.8所示的树型结构。
图2.8 协调级的结构框图
从组织级传来的命令首先送到分配器，分配器
分级递阶智能控制系统
分级递阶智能控制（Hiearchical Intelligent Control）是在人工智能控制、自适应控制和 自组织控制、运筹学等理论的基础上，逐渐发 展形成的，是智能控制的最早理论之一。 Saridis提出的三级递阶智能控制理论，基于3 个控制层和IPDI原理。 Villa提出的两层混合智能控制理论，基于知 识描述/数学解析。
定义2.2 机器知识流量(Rate of Machine Knowledge, R) 通过智能机器的知识流，即机器知识的流率。 定义2.3 机器智能(Machine Intelligence，MI) 对事件或活动的数据库(DB)进行操作以产生知识 流的动作或规划的集合，即分析和组织数据，并 把数据变换为知识。 定义2.4 机器不精确性(Machine Imprecision) 执行智能机器任务的不确定性。
2.1.4 分级递阶智能控制的基本原理
智能机器中的高层功能模仿人的行为,是基于知识系统 的。控制系统的规划、决策、学习、数据存取和任务协调等
功能，都可看作是知识的处理与管理。另一方面，控制系统
的问题可用熵作为控制度量来重新阐述，以便综合高层中与 机器有关的各种硬件活动。因此，在机器人控制的例子中， 视觉协调、运动控制、路径规划和力觉传感等可集成为适当 的函数。因此，可把知识流看作这种系统的关键变量。一台
子系统
被控对象或过程
图2.3 递阶控制系统框图
递阶控制系统主要有以下3种基本的递阶形式：
多重描述(Stratified description):主要从建模考虑。 多层描述(Multilayer description):把一个复杂决策问题进 行纵向分解。 多级描述(Multilevel description):考虑各子系统之间的关 联，将每一层的决策问题横向分解。 这三种形式可以单独或组合存在。
定义2.5 机器精确性(Machine Precision)
机器不精确性的补。
• 由于概率论是处理不确定性的经典理论，所以 可用事件发生的概率去描述和计算推理的不确 定性测度。知识流、机器智能、数据库之间的 概率关系如下： • MI 和DB 的联合概率产生知识流的概率为
P(MI , DB) P( R)
2.1.3 递阶智能控制的熵准则
对于图2.4所示的多级递阶智能控制，从最低级执 行级→次高级协调级→最高级组织级，智能要求逐 步提高，而精度则递减。此类结构有如下特点： 1）越是处于高层的控制器，对系统影响也越大。 2）越是处于高层，就有越多的不确定性是问题的 描述难以量化 •可见，智能主要体现在高层,因次在高层应该采 用基于知识的组织级。 对于不确定性问题，通常采用熵(Entropy)函数 作为性能度量，以熵最小去确定最优控制策略。
协调一般基于以下两种基本原则： 1）关联预测协调原则 在控制中，协调器预测各子系统的关联输 入输出变量，下层的决策单元根据预测的关联 变量求解各自的决策问题。协调器再根据各子 系统达到的性能指标修正关联预测值，下层的 预测但愿再根据新预测的关联变量求解决策问 题。不断预测—求解—修正预测—求解，直到 总体最优。可在线应用。
学习时必须给出一组样本
2.2.2 协调级的结构与理论
• 协调级由一定数目的具有固定结构的协调器组成，
接受从组织级传来的命令，经过实时信号处理，向执 行级传送可供执行的具体动作的序列。
•组织级中的每个任务在协调级分解为不同的子任务， 协调级的目标便是阐述实际控制问题并决定如何规 划执行。由于系统是递阶控制结构的，因此规划是 递减的。
（2）协调级(Coordination Level)
• 次高级，任务：协调各控制器的控制作用与各子任务 的执行。 • 进一步分为两层：控制管理分层和控制监督分层。 • 管理分层：根据下层的信息决定如何完成组织级下达 的任务，以产生施加于下一层的控制指令。 • 监督分层：保证、维持执行级中各控制器的正常运行， 并进行局部参数整定和性能优化。 • 由多个协调控制器组成。 • 是组织级和执行级之间的接口，运算精度较低，但有 较高的决策能力与学习能力。
内容
递阶智能控制的基本原理 递阶智能控制的结构与理论
2.1. 递阶智能控制的基本原理
2.1.1 递阶控制的基本原理 （1）大系统的基本结构 复杂大系统的的特点：阶次高、子系统相互关联， 系统的评价目标多且相互矛盾，故分解为互相关联 的子系统。 根据信息交换的方式和子系统关联方式的不同，可 将大系统控制分为以下三种基本类型： 1) 集中控制 2) 分散控制 3) 递阶控制
香农提出的信息负熵 对于离散的随机过程x,熵H(x)的定义为。
H ( x) P( x)ln P( x)
对于连续的随机过程x,熵H(x)的定义为。
（2.1）
H ( x) P( x) ln P( x)dx E[ln P( x)] （2.2）
式中P(x)为x的概率密度函数，E[]为期望值。
2.1.2 分级递阶智能控制的基本结构
多级递阶的控制结构是智能控制的典型结构 多级递阶智能控制系统的结构与一般多级递 阶控制系统的结构形式基本相同，差别是前 者采用了智能控制器。 递阶智能控制理论最早应用于工业实践。 萨里迪斯提出的三级递阶智能控制理论的原则 是IPDI（Increasing Precision with Decreasing Intelligent) “精度随智能降低而提高”。由组织 级、协调级、执行级三级组成。如下图所示。