第2章 递阶智能系统
合集下载
智能控制系统考试题库
智能控制系统考试题库考试类型概念题：3’*5论述题：6’*4计算题：10’+11’设计题：20’*2一：概念题：1.智能控制；模糊控制；专家控制；神经网络定义2.写出模糊控制器的四个主要组成部分名称3.递阶智能系统的智能程度分布一般要遵循什么原则？4.何谓神经网络的泛化能力？5.写出遗传算法的三个基本操作6.写出自组织神经网络的三个基本过程7.写出四种专家系统的知识表示方法8.写出遗传算法中两种编码方法二：论述题1.为什么模糊输出向量要进行解模糊计算？2.简述隶属度函数建立的一般准则3.简述BP算法中误差信号反向传播过程4.简述模糊控制器的各组成部分功能5.简述遗传算法进化过程中两种“早熟”现象6.简述三种提高网络泛化能力的措施7.写出专家系统组成中知识赛，数据库和推理机的功能8.简述隶属度函数建立的一般准则9.简述专家系统各组成部分的功能10.为什么模糊推理得到的结果要进行解模糊处理?写出常见的两种解模糊方法11.简述适应度函数在遗传算法中的作用12.递阶智能控制系统的主要结构特点有哪些？13.信息特征，获取方式，分层方式有哪些？14.详细描述数据融合的流程和方法15.详细描述递阶智能控制系统的优化算法模型16.比较模糊集合和普通集合的异同17.简述模糊控制系统的组成与工作原理18.试举例说明传统集合中叉积序偶的顺序是不能颠倒的19.结合自身理解浅谈模糊数学与模糊集合的概念20.举例说明模糊数学隶属函数的概念21.简述人工神经网络定义及特征22.生物神经元由哪几部分组成？每一部分的作用是什么？他有哪些特征？23.简述BP算法的神经网络结构及学习算法24.简述遗传算法的特点及关键问题三：计算题1. 假设子女和父母相似度如下图表A ，父母与祖父，祖母的相似度如下表B ，利用最大-最小合成法求子女和祖父母相似度。
A 表格B 表格2. 当输入样本为【X1，X2】时，写出下面网络输出y 的表达式。
其中隐层神经元激励函数为Sigmoid 函数，输出层神经元激励函数为f （x ），输出层神经元和隐层神经元之间的权重如图所示，隐层神经元和输出层神经元之间的权重如入所示。
空气源热泵的分层递阶多智能体控制系统
率均 有直接 的影 响 ， 当环境 空气温 度低时 ， 热泵 的
的“ 精度 随智 能 降 低 而 提 高” 原 理 而逐 级 分 配 的
的 。 目前 已成 功 应 用 于 加 热 炉 控 制 及 机 器 人 技术 Ｅ 等领域 。这 种分层递 阶控 制结构 由组 织 ８
级、 协调级 和执行 级组成 ， 结构 如图 １ 其 所示 。
３ １ 改进 的决策 方案 。 为保证 组织 级任务 规划 、 策后 ， 决 系统 工作 在
２ 控 制系统 结构模型
分层递 阶控制 系 统 采用 层 次结 构 ， 复 杂 的 将
系 统分解成 若 干个 相 互联 系 的子 系 统 ， 很 大程 在
传统 的控 制系 统 结合 起来 ， 改进 空气 源 热 泵传 统
热水系 统的制 水 方式 ， 有 良好 的实 践 意 义和 经 具
济效益 。
笔 者基 于分 层 递 阶控 制 和智 能 体 理论 ， 出 提
原 理是把 总体 问题 Ｐ分 解成 有 限数 量 子问题 Ｐ 。 ， 总体 问题 Ｐ 的 目标 应使 复 杂 系 统 的总 体 准 则 取
了分层递 阶多智 能体 空气 源热 泵热水 系统 的控制 结 构模型 ， 将人 的推理逻辑 、 经验 知识 以及 管理 系 统 的层次 结构 应用 于 加 热系 统 中 ， 系 统 能够 根 使
１ 分 层 递 阶控 制 和 智 能 体
度上使 复杂 的问题简单 化 。若 将智 能体引入 到分
层递 阶控制 中 ， 每个子 系统 由智 能体单 独实 现 ， 就
可 以通 过智 能体 间智 能 行 为 的协 调 ， 实现 子 系统
问 的关 联耦合 。
分层 递 阶 控 制 （ ｉ ａｃｉ ｌＣ ｎｒ１ 的基 本 Ｈ ｅ ｒｈｃ ｏ ｔ ） ｒ ａ ｏ
的“ 精度 随智 能 降 低 而 提 高” 原 理 而逐 级 分 配 的
的 。 目前 已成 功 应 用 于 加 热 炉 控 制 及 机 器 人 技术 Ｅ 等领域 。这 种分层递 阶控 制结构 由组 织 ８
级、 协调级 和执行 级组成 ， 结构 如图 １ 其 所示 。
３ １ 改进 的决策 方案 。 为保证 组织 级任务 规划 、 策后 ， 决 系统 工作 在
２ 控 制系统 结构模型
分层递 阶控制 系 统 采用 层 次结 构 ， 复 杂 的 将
系 统分解成 若 干个 相 互联 系 的子 系 统 ， 很 大程 在
传统 的控 制系 统 结合 起来 ， 改进 空气 源 热 泵传 统
热水系 统的制 水 方式 ， 有 良好 的实 践 意 义和 经 具
济效益 。
笔 者基 于分 层 递 阶控 制 和智 能 体 理论 ， 出 提
原 理是把 总体 问题 Ｐ分 解成 有 限数 量 子问题 Ｐ 。 ， 总体 问题 Ｐ 的 目标 应使 复 杂 系 统 的总 体 准 则 取
了分层递 阶多智 能体 空气 源热 泵热水 系统 的控制 结 构模型 ， 将人 的推理逻辑 、 经验 知识 以及 管理 系 统 的层次 结构 应用 于 加 热系 统 中 ， 系 统 能够 根 使
１ 分 层 递 阶控 制 和 智 能 体
度上使 复杂 的问题简单 化 。若 将智 能体引入 到分
层递 阶控制 中 ， 每个子 系统 由智 能体单 独实 现 ， 就
可 以通 过智 能体 间智 能 行 为 的协 调 ， 实现 子 系统
问 的关 联耦合 。
分层 递 阶 控 制 （ ｉ ａｃｉ ｌＣ ｎｒ１ 的基 本 Ｈ ｅ ｒｈｃ ｏ ｔ ） ｒ ａ ｏ
一种递阶结构的集成智能控制系统研究
ｃ ｎｒ ｌ ｒ ｔ ｉｒｒｈ ｃ ｌ ｔ ｃｕｅｉ ｅ ｉｎ ｄｂ ｏ ｉ ｉｇｅ ｐ ｒｃ ｎ ｏ，ｕ ｚ ｏ ｔｏ ｔ ｅ ｒ ｌ ｅｗｏｋＰＩ ｃ ｎｒ １Ｔｈ ｎ ｏ ｔｏｌ ｈｈｅａｃ ｉａ ｒ ｔｒ ｄ ｓｇ ｅ ｙｃ ｍｂ ｎｎ ｘ ｅ ｔ ｏ ｔ ｌｆ ｚ ｙｃ ｎ ｌ ｈ ｎ ｕａ ｔ ｒ Ｄ ｏ ｔｏ． ｅ ｅ ｗｉ ｓｕ ｓ ｒ ｒ ｗｉ ｎ ｔ ｅｓｒ ｃ ｒ ｎ ｒｎ ｉ ｌ ｆ ｈ ｏ ｔｏｌｒ ｒ ｒ ｐ ｓ ｄ ａ ｄ ｔｅｇ ｏ ｏ ｔｏ ｈ ｒ ｃｅ ｓｉｓａｅｒｖ ａｅ ｙｓｍｕａｉｎｒ ｓ ｌｓ ｈ ｔｕ ｔ ｅａ ｄ ｐ ｉｃｐｅｏ ｅｃ ｎ ｌ ｅｐ ｏ ｏ ｅ ｏ ｄ ｃ ｎ ｌ ａａ ｔｒ ｔ ｅ ｅ ｌｄｂ ｉ ｌｔ ｅｕ ｔ． ｕ ｔ ｒ ｅａ ｎ ｈ ｒ ｃ ｉ ｃ ｒ ｏ
Ｗ ａ ｇ Ｗ ｕ， Ｚｈ ｎ ａ ｍ ｉ Ｃａ ｌａ ｇ ｎ ａ ｇＹｕ ｎ ｎ， ｉ ｉ Ｚｉ ｎ
（ ｃ ｏ ｌ ｆ ｅ ｔ ｃａ ｄＩ ｆｒ ｔ ｎＴｅ ｈ ｏｏ ｙ， ｃ ａ ｇＣｏｌｇ ，Ｘｕ ｈ ｎ ｎ ｎ４ １０ Ｃｈｎ Ｓ ｈ ｏ ｃｒ ｎ ｎｏｍａｉ ｃ ｎ ｌｇ Ｘｕ ｈ ｎ ｌ ｅ ｏ Ｅｌ ｉ ｏ ｅ ｃ ａ ｇＨｅ ａ ６ ０ ０， ｉａ）
分发 挥各 自的优பைடு நூலகம் ，是 当前 国际最 新智能控 制方法及
应用 研究 的发展趋势 之一 。本文提 出一种结合 专家 控制 、模 糊控制和 神经 Ｐ Ｄ控制 的递 阶控制 结构 ，实 Ｉ
现了控制 系统 的集成 。
１ 递 阶 智 能 控 制 系统 的 结构 及 原 理
１ １ 递 阶智 能控 制 系统 的结 构 ． 仿人 分层递 阶智能控 制 ，是根 据对人脑 的宏 观结 构功 能模 拟 与 对人 的控制 行 为功 能模 拟 相结 合 的 原 理 ，直接从 人的控制 经验 、决 策行为和各种 直觉推理
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
智能控制理论复习资料复习资料
智能控制理论复习资料一．智能控制概述1.什么是智能？什么是人工智能？答：能有效地获取、传递、处理、再生和利用信息，从而在任意给定的环境下能成功地达到预定目的的能力。
是研究、开发用于模拟、延伸、扩展人的智能的理论、方法、技术与应用系统的一门新的科学技术。
2. 什么是控制？什么是自动控制？什么是智能控制？答：按照主体的意愿，使事物向期望的目标发展。
在没有人直接参与的情况下，利用外加设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。
在没有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. 智能控制的二元结构和三元结构分别是什么？答：二元结构：人工智能、自动控制三元结构：人工智能、自动控制、运筹学4.智能控制系统的主要功能特点是什么？答：学习功能、适应功能、组织功能、优化功能5.智能控制的研究对象具备什么特点？答：①不确定性的模型。
传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型。
②高度的非线性。
传统控制理论中的线性系统理论比较成熟。
③复杂的任务要求。
传统的控制系统中，控制任务或者是要求输出值为定值，或者要求输出值跟随期望值的运动轨迹，因此控制任务的要求比较单一，而智能控制的任务要求往往比较复杂。
6.智能控制与自动控制的关系是什么？答：①自动控制是智能控制的基础，智能控制是对自动控制的进步与延伸；②自动控制往往包含在智能控制之中，智能控制也利用自动控制的方法来解决“低级”的控制问题；③智能控制具有模拟人进行诸如规划、学习和自适应的能力，所以它就是让自动控制系统拥有学习的功能。
7.智能控制与传统控制相比有哪些优点？答：传统控制难以解决的问题包括以下几点：①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，无法获得精确的数学模型；②某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题；③针对实际系统往往要进行一些较苛刻的线性化假设，而这些假设往往与实际系统不符合；④实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务无能为力。
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
第二章 集散控制系统构成
化学工业出版社
3）多重结构（Stratified structure） 多重结构是指用一组模型从不同角度对系统进行描述的多级结构。层次的选 择，即观察的角度受观察者的知识和观察者对系统兴趣的约束。 例如，一个复杂的自动化生产过程可按下列三重层次进行研究： ①将系统看成是按一定物理规律变化的物理现象； ②从信息处理和控制角度看，将过程看成是一个受控系统； ③从经济学角度看，将系统看成是一个经济实体，并据此评价其经济效益 和利润。
化学工业出版社
⑤适用于小型企业的集散控制系统结构：单(多)回路控制器十通信系统十操 作管理站。（有较大的灵活性和较高性价比） （2）实际应用的结构类型 实际应用时，采用微处理器、工业微机组成集散控制系统的结构类型如下： ①工业微机十通信系统十操作管理机。（工业微机IPC作为多功能多回路的 分散过程控制装置，并由软件公司开发有关应用软件） ②单回路控制器十通信系统十工业微机。（工业微机IPC作为操作管理机， 通用性强，软件可自行开发，也有成熟的软件产品可购买） ③可编程控制器十通信系统十工业微机。（主要用于有大量顺序控制应用的 场合） ④工业微机十通信系统十工业微机。（这两个工业微机各有不同功能，前者 作为分散过程控制装置，后者作为操作管理机。可选用不同规格的工业微机以 适应不同的应用要求） ⑤智能前端十通信系统十工业微机。（这是简易通用的集散控制小系统结构， 偶有应用）
化学工业出版社
3）全服务现场总线(Fieldbus) 全服务现场总线又称为数据流现场总线，它是最高层的现场总线。 该总线以报文通信为主，包括一些复杂的对过程控制装置的操作和控制等功 能。其特点是开放性、互操作性及分散控制等。它的通信数据信息长，最大传 输距离根据采用通信媒体的不同而变化。传输时间较长，传输数据类型较多。 这类总线有基金会现场总线(FF)、Profibus-PA总线、world-FIP现场总线、 HART总线和LON总线等。其中，HART总线是过渡性的现场总线。
智能控制理论及应用PPT课件
20世纪50年代至70年代是神经网络研究的萧条期，但仍有 不少学者致力于神经网络模型的研究；
Albus在1975年提出的CMAC神经网络模型，利用人脑记 忆模型提出了一种分布式的联想查表系统；
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：
1985年8月，IEEE在美国纽约召开了第一届智能控制学术 研讨会，会上集中讨论了智能控制的原理和系统结构等问题。 这次会议之后不久，IEEE控制系统学会成立了智能控制专业委 员会。1987年1月，IEEE控制系统学会和计算机学会在美国费 城联合召开了智能控制的第一次国际会议，来自美、欧、日、 中以及其他国家的150余位代表出席了这次学术盛会。
从控制论的角度出发：智能控制是驱动智能机器自主地实 现其目标的过程。或者说，智能控制是一类无需人的干预就能 独立地驱动智能机器实现其目标的自动控制方法。
以上各种描述说明：智能控制具有认知和仿人的功能；能 适应不确定性的环境；能自主处理信息以减少不确定性；能可 靠地进行规划，产生和执行有目的的行为，以获取最优的控制 效果。
1968年扎德首次公开发表其“模糊控制算法”；
1973年他又发表了语言与模糊逻辑相结合的系统建立方法； 1974年伦敦大学Mamdani博士首次尝试利用模糊逻辑，成 功地开发了世界上第一台模糊控制的蒸汽引擎；
1979年T.J.Procky和E.H.Mamdani共同提出了自学习概念， 使系统性能大为改善；
11
18.07.2020
北京科技大学自动化学院控制科学与工程系
1.2 智能控制的发展概况
1.2.1 智能控制的产生 人们将智能控制的产生归结为二大主因，一是自动控制理
- 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)。
一、分解和综合 随着分布式智能仪表（传感器）的自身数据 处理和通讯能力的提高，它可以保证传感器 级和计算机级（中心级）两套数据处理和综 合算法。在它们之间建立协调器。协调器先 用各传感器的局部估计和协方差表示全局估 计和协方差和；而后将整个系统全局估计反 传到传感器级的状态估计。
17:48
上海工程技术大学机械工程学院
17:48 上海工程技术大学机械工程学院 4
2.1 递阶智能系统概述
3、 信息的污染性 复杂生产制造过程的信息都要受到污染，但不同层 次的信号受干扰程度不同。层次较低的信号受污染 程度大，如现场测量信号易受到两大类干扰的影响， 系统本来的扰动（原料特性的波动、操作的波动、 设备状况的扰动等）和外界的随机干扰（检测元件 的扰动、电力系统负荷、强电磁干扰、雷电等自然 现象的扰动等）。
第2章
递阶智能系统
2.1递阶智能系统概述 2.2递阶智能系统的信息处理 2.3递阶智能系统的数据融合 2.4递阶智能系统结构
17:48 上海工程技术大学机械工程学院 1
2.1 递阶智能系统概述
大信息量的年代，人们面临着新的机遇和挑 战：一是如何探索和制作不同的传感器，更 多更准确地获得复杂过程的各个侧面和层次 的信息；二是面对所获得的这些不确定的、 非线性的、非稳定和多样化的信息如何用不 同的表示方法和技术去构造智能控制系统。
17:48 上海工程技术大学机械工程学院 10
2.2 递阶智能系统的信息处理
3、剔除迷途样本 在工业人工智能优化中，引进模糊理论的隶 属度概念，给每一个样本分配各类型的隶属 度，让计算机在任意维空间自动识别、删除 迷途样本。
17:48
上海工程技术大学机械工程学院
11
2.3 递阶智能系统的数据融合
17:48
上海工程技术大学机械工程学院
2
2.1 递阶智能系统概述
一、信息层次 1、系统通讯信号
2、操作指令
3、现场设备运行状态信号
17:48
上海工程技术大学机械工程学院
3
2.1 递阶智能系统概述
二、信息特征 1、信息的空间性 空间信息的主要特征是确定和不确定(模糊)的、全 空间和子空间的、同步和非同步的、同类型和不同 类型的、数字的和非数字的信息，比传统系统更为 复杂的多源、多维信息。 2、信息的复杂性 复杂生产制造过程的信息往往是一类具有大滞后、 多模态、时变性、强干扰性等特性的复杂被控对象
17:48
上海工程技术大学机械工程学院
5
2.2 递阶智能系统的信息处理
一、基本概念 1、模式 2、模式矢量 3、模式识别 4、模式识别优化 5、训练 6、样本 7、样本变量和应变量：
17:48 上海工程技术大学机械工程学院 6
2.2 递阶智能系统的信息处理
8、特征(变)量 9、噪音 10、模式空间 11、空间变换 12、空间降维 13、线性变换和非线性变换 14、正映照 15、逆映照
17:48
上海工程技术大学机械工程学院
14
2.4递阶智能系统的结构
第一级：组织级， 代表系统的主导思 想，并由人工智能 起控制作用。 第二级：协调级， 是上下级间的接口， 由人工智能和运筹 学起控制作用。 第三级：执行级， 是智能控制系统的 最低层级，要求具 有很高的精度，由 控制理论进行控制。
17:48
17:48
上海工程技术大学机械工程学院
8
2.2 递阶智能系统的信息处理
（1）变量相关性 当一个变量在某一个范围内为某一个数值时，另一 个变量也会有一个或若干个确定的数值与之对应， 这两个变量之间就被认为存在相关关系。相关关系 反映这两个变量数值之间的变化有一定的规律性。 （2）变量对目标的贡献 变量对目标的贡献大小是选取特征变量的重要依据。 当某个变量对目标(例如对样本分类)贡献很小时， 它可以被去掉。
17:48 上海工程技术大学机械工程学院 16
2.4递阶智能系统的结构
17:48
递阶智能系统结构图 上海工程技术大学机械工程学院
17
小结
三级递阶智能控制由Saridis于1977年提出，其特征是： 系统由组织级、协调级和执行级组成。
组织级的任务是完成推理、规划、决策、反馈和存储信息的 交换，它的智能最高。 协调级由分配器和若干协调器组成，它的任务是具体实现组 织级决策出的最佳规划方案、并分配给执行级，它的智能低 于组织级。 执行级的任务是对受控过程施加控制信号、并接受来自受控 过程的反馈信息，它的精度最高。
递阶控制结构的智能程大学机械工程学院 18
12
2.3 递阶智能系统的数据融合
二、数据融合 复杂生产制造过程中，传感器的种类众多，如温度、 压力、和流量传感器等，其数量也众多，那就必须 有效融合各传感器的测量信号。 多传感器数据融合（或多源信息融合）中，已成为 一种基本的、重要的融合算法，为处理不确定、不 精确、不完善信息提供了有效途径。 在目标检测、 识别、跟踪、态势评估、决策分析、机器人导航、 故障诊断、数字图像处理等方面具有广泛的应用。
17:48
上海工程技术大学机械工程学院
13
2.4递阶智能系统的结构
递阶智能控制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和 自适应控制、自学习控制和自组织控制的关 系之后逐渐形成的，是智能控制的最早理论 之一。 萨里迪斯（Saridis）提出的基于三个控制层 次和IPDI（精度随智能降低而提高 ）原理的 三级递阶控制系统最具代表性。
17:48 上海工程技术大学机械工程学院 7
2.2 递阶智能系统的信息处理
二、基本方法 1、选取特征变量 特征变量的选取可以区分为选择特征变量和抽取特 征变量两种方式。通常，前者指直接从采集样本的 全体原始工艺参数中选出一部分来作为特征变量， 后者指对上面所选出来的原始变量进行线性或非线 性组合，形成新的变量，然后取其中的一部分作为 特征变量。 选取方法：
上海工程技术大学机械工程学院
15
2.4递阶智能系统的结构
大系统稳态优化结构分现场级、控制级（DCS）、局部优化 级和全局优化级，它是一个递阶结构。其智能程度遵循这样 一个原则，即“智能增加则精度下降”。 （1）现场级必须高精度地执行局部控制任务，满足某一局 部的性能指标； （2）次高级局部优化级主要协调各子任务的运行，只要求 较低级的运算精度，但要有较高的决策能力，甚至还具有一 定的学习功能； （3）最高级全局优化级，作为语言的组织者，具有相应的 学习和决策能力，包括对一系列随机输入的语句进行语法分 析，行为组织、辨识控制情况以及在大致了解任务执行细节 的情况下，提出适当的控制模式。
17:48
上海工程技术大学机械工程学院
9
2.2 递阶智能系统的信息处理
2、滤波的方法 数字滤波：用计算机软件滤波，通过一定的计算程 序对采样信号进行平滑加工，提高信噪比，消除或 减少各种干扰信号，以保证计算机数据采集和控制 系统的可靠性工作。 模拟滤波：用硬件来进行滤波。 数字滤波与模拟滤波相比有以下优点：（1）不需 要增加任何硬件；（2）数字滤波器则可以多个通道 共用，从而降低了成本，提高了可靠性；（3）实际 灵活、方便，可根据需要选择不同的滤波方案，改 变滤波器的参数非常容易。
17:48
上海工程技术大学机械工程学院
17:48 上海工程技术大学机械工程学院 4
2.1 递阶智能系统概述
3、 信息的污染性 复杂生产制造过程的信息都要受到污染，但不同层 次的信号受干扰程度不同。层次较低的信号受污染 程度大，如现场测量信号易受到两大类干扰的影响， 系统本来的扰动（原料特性的波动、操作的波动、 设备状况的扰动等）和外界的随机干扰（检测元件 的扰动、电力系统负荷、强电磁干扰、雷电等自然 现象的扰动等）。
第2章
递阶智能系统
2.1递阶智能系统概述 2.2递阶智能系统的信息处理 2.3递阶智能系统的数据融合 2.4递阶智能系统结构
17:48 上海工程技术大学机械工程学院 1
2.1 递阶智能系统概述
大信息量的年代，人们面临着新的机遇和挑 战：一是如何探索和制作不同的传感器，更 多更准确地获得复杂过程的各个侧面和层次 的信息；二是面对所获得的这些不确定的、 非线性的、非稳定和多样化的信息如何用不 同的表示方法和技术去构造智能控制系统。
17:48 上海工程技术大学机械工程学院 10
2.2 递阶智能系统的信息处理
3、剔除迷途样本 在工业人工智能优化中，引进模糊理论的隶 属度概念，给每一个样本分配各类型的隶属 度，让计算机在任意维空间自动识别、删除 迷途样本。
17:48
上海工程技术大学机械工程学院
11
2.3 递阶智能系统的数据融合
17:48
上海工程技术大学机械工程学院
2
2.1 递阶智能系统概述
一、信息层次 1、系统通讯信号
2、操作指令
3、现场设备运行状态信号
17:48
上海工程技术大学机械工程学院
3
2.1 递阶智能系统概述
二、信息特征 1、信息的空间性 空间信息的主要特征是确定和不确定(模糊)的、全 空间和子空间的、同步和非同步的、同类型和不同 类型的、数字的和非数字的信息，比传统系统更为 复杂的多源、多维信息。 2、信息的复杂性 复杂生产制造过程的信息往往是一类具有大滞后、 多模态、时变性、强干扰性等特性的复杂被控对象
17:48
上海工程技术大学机械工程学院
5
2.2 递阶智能系统的信息处理
一、基本概念 1、模式 2、模式矢量 3、模式识别 4、模式识别优化 5、训练 6、样本 7、样本变量和应变量：
17:48 上海工程技术大学机械工程学院 6
2.2 递阶智能系统的信息处理
8、特征(变)量 9、噪音 10、模式空间 11、空间变换 12、空间降维 13、线性变换和非线性变换 14、正映照 15、逆映照
17:48
上海工程技术大学机械工程学院
14
2.4递阶智能系统的结构
第一级：组织级， 代表系统的主导思 想，并由人工智能 起控制作用。 第二级：协调级， 是上下级间的接口， 由人工智能和运筹 学起控制作用。 第三级：执行级， 是智能控制系统的 最低层级，要求具 有很高的精度，由 控制理论进行控制。
17:48
17:48
上海工程技术大学机械工程学院
8
2.2 递阶智能系统的信息处理
（1）变量相关性 当一个变量在某一个范围内为某一个数值时，另一 个变量也会有一个或若干个确定的数值与之对应， 这两个变量之间就被认为存在相关关系。相关关系 反映这两个变量数值之间的变化有一定的规律性。 （2）变量对目标的贡献 变量对目标的贡献大小是选取特征变量的重要依据。 当某个变量对目标(例如对样本分类)贡献很小时， 它可以被去掉。
17:48 上海工程技术大学机械工程学院 16
2.4递阶智能系统的结构
17:48
递阶智能系统结构图 上海工程技术大学机械工程学院
17
小结
三级递阶智能控制由Saridis于1977年提出，其特征是： 系统由组织级、协调级和执行级组成。
组织级的任务是完成推理、规划、决策、反馈和存储信息的 交换，它的智能最高。 协调级由分配器和若干协调器组成，它的任务是具体实现组 织级决策出的最佳规划方案、并分配给执行级，它的智能低 于组织级。 执行级的任务是对受控过程施加控制信号、并接受来自受控 过程的反馈信息，它的精度最高。
递阶控制结构的智能程大学机械工程学院 18
12
2.3 递阶智能系统的数据融合
二、数据融合 复杂生产制造过程中，传感器的种类众多，如温度、 压力、和流量传感器等，其数量也众多，那就必须 有效融合各传感器的测量信号。 多传感器数据融合（或多源信息融合）中，已成为 一种基本的、重要的融合算法，为处理不确定、不 精确、不完善信息提供了有效途径。 在目标检测、 识别、跟踪、态势评估、决策分析、机器人导航、 故障诊断、数字图像处理等方面具有广泛的应用。
17:48
上海工程技术大学机械工程学院
13
2.4递阶智能系统的结构
递阶智能控制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和 自适应控制、自学习控制和自组织控制的关 系之后逐渐形成的，是智能控制的最早理论 之一。 萨里迪斯（Saridis）提出的基于三个控制层 次和IPDI（精度随智能降低而提高 ）原理的 三级递阶控制系统最具代表性。
17:48 上海工程技术大学机械工程学院 7
2.2 递阶智能系统的信息处理
二、基本方法 1、选取特征变量 特征变量的选取可以区分为选择特征变量和抽取特 征变量两种方式。通常，前者指直接从采集样本的 全体原始工艺参数中选出一部分来作为特征变量， 后者指对上面所选出来的原始变量进行线性或非线 性组合，形成新的变量，然后取其中的一部分作为 特征变量。 选取方法：
上海工程技术大学机械工程学院
15
2.4递阶智能系统的结构
大系统稳态优化结构分现场级、控制级（DCS）、局部优化 级和全局优化级，它是一个递阶结构。其智能程度遵循这样 一个原则，即“智能增加则精度下降”。 （1）现场级必须高精度地执行局部控制任务，满足某一局 部的性能指标； （2）次高级局部优化级主要协调各子任务的运行，只要求 较低级的运算精度，但要有较高的决策能力，甚至还具有一 定的学习功能； （3）最高级全局优化级，作为语言的组织者，具有相应的 学习和决策能力，包括对一系列随机输入的语句进行语法分 析，行为组织、辨识控制情况以及在大致了解任务执行细节 的情况下，提出适当的控制模式。
17:48
上海工程技术大学机械工程学院
9
2.2 递阶智能系统的信息处理
2、滤波的方法 数字滤波：用计算机软件滤波，通过一定的计算程 序对采样信号进行平滑加工，提高信噪比，消除或 减少各种干扰信号，以保证计算机数据采集和控制 系统的可靠性工作。 模拟滤波：用硬件来进行滤波。 数字滤波与模拟滤波相比有以下优点：（1）不需 要增加任何硬件；（2）数字滤波器则可以多个通道 共用，从而降低了成本，提高了可靠性；（3）实际 灵活、方便，可根据需要选择不同的滤波方案，改 变滤波器的参数非常容易。