2第二章 分级递阶智能控制

20
2.2 递阶智能控制系统应用举例
一、机械手分级递阶智能控制系统 一、机械手分级递阶智能控制系统
第一级 组织级 输入指令 组织级控制器 分配器 第二级 协调级 传感器协调器 手臂协调器 视觉协调器
第三级 执行级
传感器
上臂控制器
手部控制器
摄像机
对象
关节1～3
关节4～6
手指
21
图2.5 机械手分级递阶智能控制系统结构示意图
2.2 递阶智能控制系统应用举例
一、机械手分级递阶智能控制系统 一、机械手分级递阶智能控制系统 ☞ 该机械手分级递阶智能控制系统的第一级为组织级；第二级协
调级由一个分配器和视觉系统协调器、机械臂协调器以及传感器协 调器组成；第三级执行级由上臂控制器与手部控制器组成，实现对6 个关节与1个夹手的具体控制。
19
2.2 递阶智能控制系统应用举例
一、机械手分级递阶智能控制系统 一、机械手分级递阶智能控制系统 ☞ 递阶智能控制理论作为较早的智能控制理论，自20世纪70 年代以来，已经被应用于不同设备、系统的专项研究和工业应 用。早期的递阶智能系统有实验室机器人控制器、核电站控制 器等。 ☞ 20世纪80年代以来，工业过程控制、工业机器人控制等开 始逐渐采用递阶智能控制理论。 机械手分级递阶智能控制系统 美国普渡大学（Purdue University）高级自动化研究实 验室（AARL）成功地将分级递阶智能控制理论应用于机器人控 制中，设计了一个PUMA600机械手智能控制系统。图2.5给出了 该机器人的三级递阶结构。
14
2.1 递阶智能控制基本原理
二、分级递阶智能控制系统的基本结构 二、分级递阶智能控制系统的基本结构 ☞ 协调级一般由多个协调控制器和分配器组成，每个协调控 制器既接受组织级的命令，又负责多个执行级控制器的协调。 ☞ 分配器的任务是将组织级给定的基本事件（任务）的顺序 变换成面向协调器的控制动作，并在适当时刻把它们分配给相 应的协调器。在完成任务后，分配器也负责生成反馈信息，送 回给组织级。 ☞ 协调级是组织级与执行级之间的接口，运算精度相对较 低，但有较高的决策能力与一定的学习能力。
16
2.1 递阶智能控制基本原理
三、递阶智能控制的熵准则 三、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系统，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，越高的层次越需要高的智能，而精度则递减，此类结构具 有以下特点： 1）越是处于高层的控制器，对系统的影响也越大； 2 ） 越是处于高层，就有越多的不确定性信息，使问题的 描述难于量化。 可见，递阶智能控制的智能主要体现在高层次上，在高层 次遇到的问题往往具有不确定性。因此，在高层次上应该采用 基于知识的组织级，以便于处理信息与利用人的直觉、推理、 逻辑和经验。这样分级递阶智能控制系统就能在最高级（组织 级）的统一组织下，实现对复杂系统的优化控制。
3
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理 1.大系统的基本控制结构 对于复杂的大系统，由于系统阶次高、子系统相互关联， 系统的评价指标多且有时相互矛盾，因此在分析大系统的控制 问题时，一般把大系统的控制分为互相关联的子系统的控制问 题来处理。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3种基本类型： 集中控制系统 分散控制系统 递阶控制系统
15
2.1 递阶智能控制基本原理
二、分级递阶智能控制系统的基本结构 二、分级递阶智能控制系统的基本结构 3.执行级（Execution level） ☞ 执行级是递阶智能控制系统的最低一级，由多个硬件控制 器组成，其任务是完成具体的控制任务。执行级控制器直接产 生控制信号，通过执行机构作用于被控对象（过程）；同时执 行级也通过传感器测量环境的相关信息，并传递给上一级控制 器，给高层决策提供相关依据。 ☞ 执行级的智能程度最低，而控制精度最高。
北京科技大学自动化学院
智能科学与技术专业必修课
智能控制及其应用
1
第二章 分级递阶智能控制
2.1 2.2
递阶智能控制基本原理 递阶智能控制系统应用举例
2
2.1 递阶智能控制基本原理
☞ 分 级 递 阶 智 能 控 制 （ Hierachical Intelligent Control）是在人工智能、自适应控制以及运筹学等理论的 基础上逐渐发展形成的，是智能控制最早的理论之一。
4
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理 ①集中控制系统
在集中控制系统中，控制中心直接控制每个子系统，每个子系 统只得到整个系统的部分信息，控制目标相互独立。其优点是系统 运行的有效性较高，便于分析与设计；缺点是一旦控制中心出现故 障，则整个系统将瘫痪。集中控制系统的一般结构如图2.1所示。
Pi (λ ) 代替Pi，有
[ P1 ( λ ), P2 ( λ ), L , Pn ( λ )] λ 0 → λ * 的解 ⇒ P 的解
10
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理
递阶控制的协调问题便是选择适当的 λ ，从初值 λ 通过迭 代到达终值 λ * ，使递阶控制达到最优。
H ( x) = −∑ P( x) ln P( x)
对于连续随机过程x，有
H ( x) = − ∫ P ( x) ln P ( x)dx = − E[ln P ( x)]
式中，P[x]为x的概率密度函数；E[ ]为期望值。 概率密度函数 期望值
18
2.1 递阶智能控制基本原理
三、递阶智能控制的熵准则 三、递阶智能控制的熵准则 ☞ 由熵的表达式可知，熵越大就表明不确定性越大，时间序 列越随机，功率谱越平坦。而选择对数度量信息的方便之处在 于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，对智能控制系统的各 级采用熵作为测度。组织级是智能控制系统的最高层次，可以 采用熵来衡量所需要的知识；协调级连接组织级与执行级，可 以采用熵测量协调的不确定性；而在执行级，熵函数表示系统 的执行代价，等价于系统所消耗的能量。每一级的熵相加成为 总熵，可以用于表示控制作用的总代价。设计和建立递阶智能 控制系统的原则就是使所得总熵为最小。
7Байду номын сангаас
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理
全局组织级
… …
局部协调级1
…
局部协调级m
局部 控制器1
…
局部 控制器i
…
局部 控制器j
…
局部 控制器n
子系统1
… 子系统i
…
子系统j
…
子系统n
被控对象或过程 图2.3 递阶控制系统框图
8
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理 递阶控制系统主要有以下3种基本的递阶形式： 种基本的递阶形式 ①多重描述（Stratified description）：主要从建模角 多重描述 度考虑； ②多层描述（Multilayer description）：把一个复杂的 多层描述 决策问题进行纵向分解； ③多级描述（Multilevel description）：考虑各子系统 多级描述 之间的关联，将每一层的决策问题横向分解。 这三种递阶形式可以单独或组合存在于一个大系统之中。
0
递阶系统协调控制的任务是通过协调控制，使大系统中的 各子系统相互协调、配合、制约、促进。从而在实现各子系统 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。
11
2.1 递阶智能控制基本原理
二、分级递阶智能控制系统的基本结构 二、分级递阶智能控制系统的基本结构 ☞ 在设计一个复杂系统时，都是从最下层（包括过程在内的 直接控制装置）开始，然后再逐步增加高层的决策控制单元， 以增加系统的复杂性并逐步扩展其功能，一个复杂系统很自然 地隐含了内在的递阶形式。 ☞ 在递阶控制系统中应用智能控制便形成了多级递阶智能控 制。多级递阶智能控制系统的结构与一般的多级递阶控制系统 的结构形式基本相同，其差别主要在于递阶智能控制采用智能 控制器，它能够利用人工智能的原理与方法，使系统具有利用 知识、处理知识以及自学习等能力。 ☞ 由萨里迪斯提出的分级递阶智能控制理论按照“精度随智 能 提 高 而 降 低 ” （ IPDI ， Increasing Precision with Decreasing Intelligence ） 原 则 分 级 管 理 系 统 ， 它 由 组 织 级、协调级、执行级组成，如图2.4所示。
9
2.1 递阶智能控制基本原理
一、递阶控制的基本原理 一、递阶控制的基本原理 2.递阶控制的基本原理 递阶控制的基本原理是把一个总体问题 P 分解成若干有限 数量的子问题 Pi （ i=1, 2 , … , n ）。总体问题 P 的目标是 使复杂系统的总体性能指标取得极值，当不考虑各子问题之间 的关联时，有 [P1, P2, … , Pn]的解 ⇒ P 的解 考虑到子问题之间因存在关联而可能产生冲突（即耦合作 用），现引入一个协调参数，以解决关联产生的目标冲突。用
17
2.1 递阶智能控制基本原理
三、递阶智能控制的熵准则 三、递阶智能控制的熵准则 ☞ 对于不确定性问题，通常采用熵（Entropy）函数作为性能的度
量，以熵最小去确定最优控制策略。
☞ 从信息论的角度看，控制系统可以看作是信息系统，信息是对
事物不确定性的度量，增加信息是对不确定性的减少或消除。香农 （C.E.Shannon）提出的信息负熵是对信息不确定性的定量描述，系 统状态的不确定性可以由系统熵的概率密度指数函数获取。 对于离散的随机过程x，熵H(x)的定义为
13
图2.4 分级递阶智能控制系统结构示意图