智能控制技术(专家系统与专家控制系统)PPT
智能控制
1、智能控制: 即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化做出适应性反应，可以有各种人工智能的水平，从而实现由人来完成的任务。
2、智能控制由哪几部分组成？各自的特点是什么？①模糊控制（通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制）②神经网络控制（从机理上对人脑生理系统进行简单结构的模拟，具有并行机制、模式识别、记忆和自学习能力的特点，能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性）③遗传算法（可用于模糊控制规则的优化及神经网络参数及权值的学习）3、比较智能控制和传统控制的特点传统控制和智能控制的主要区别：①传统控制方法在处理复杂化和不确定性问题方面能力很低；智能控制在处理复杂性、不确定性方面能力较高。
智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。
②传统控制是基于被控对象精确模型的控制方式；智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。
传统控制和智能控制的统一：智能控制擅长解决非线性、时变等复杂控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。
智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。
在这个意义上，传统控制和智能控制可以统一在智能控制的框架下，而不是被智能控制所取代。
智能控制研究对象的特点：(1)不确定性的模型 (2)高度的非线性 (3)复杂的任务要求智能控制的特点：(1)分层递阶的组织结构 (2)自学习能力 (3)自适应能力 (4)自组织能力(5)优化能力4、专家系统：是一类包含着知识和推理的智能计算机程序，其内部含有大量的某个领域的专家水平的知识和经验，具有解决专门问题的能力。
专家控制：是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
第3章专家系统控制(3.4专家控制系统)
知识源 —是与控制问题子任务有关的一些独立知识模块。
推理规则——采用“IF—THEN”产生式规则， 条件部分是全局数据库（黑板）或是局部数据 库中的状态描述，动作或结论部分是对黑板信 息或局部数据库内容的修改或添加。 局部数据库——存放与子任务相关的中间结果， 用框架表示，其中各槽的值即为这些中间结果。 操作原语——一类是对全局或局部数据库内容 的增添、删除和修改操作，另一类是对本知识 源或其他知识源的控制操作，包括激活、中止 和固定时间间隔等待或条件等待。
5
1. 专家 控制系 统的工 作原理
知识基子系统位于系统上层，对数值算法进行 决策、协调和组织，包含有定性的启发式知识， 进行符号推理，按专家系统的设计规范编码， 通过数值算法库与受控过程间接相连，连接的 信箱中有读或写信息的队列。
6
内部过程 的通信功 能如下：
① 出口信箱 将控制配置命令、控制算法的参数 变更值以及信息发送请求从知识基系统送往数值 算法部分。 ② 入口信箱 将算法执行结果、检测预报信号、 对于信息发送请求的答案、用户命令以及定时中 断信号分别从数值算法库、人一机接口及定时操 作部分送往知识基系统。
9
2. 知识基系统的内部组织和推理机制 （1）控制的知识表示
专家控制把系统视为基于知识的系统，系统包 含的知识信息可以表示如下：
10
数据库包括：
事实——已知的静态数据。例如传感器测量误 差、运行阈值、报警阈值、操作序列的约束条 件、受控过程的单元组态等。 证据——测量到的动态数据。例如传感器的输 出值、仪器仪表的测试结果等。 假设——由事实和证据推导提到的中间结果， 作为当前事实集合的补充。例如，通过各种参 数估计算法推得的状态估计等。 目标——系统的性能指标。例如对稳定性的要 求，对静态工作点的寻优，对现有控制规律是 否需要改进的判断等。
智能控制技术
铣床
机器 人
零件存 设备控制层 储器
智能控制的实例
模糊控制洗衣机 • 模糊策略控制下，模仿人的思维自主分析与判断，操作
程序随环境变化进行自适应调整 • 保证洗净度前提下，以减少衣物磨损和水消耗为目标进
行优化控制 • 根据负载量、水位、水温、布质等传感器测量数据，自
主指定、调整、执行最佳洗涤程序
智能控制系统特征
策略
Caltech’s Alice competing in DARPA Grand Challenge
智能控制的实例
智能制造系统
• 具有一定自主性和合作性的智能制造单元组成的人-机
人工智能控制技术课件：神经网络控制
例如，在听觉系统中，神经细胞和纤维是按照其最敏感的频率分
布而排列的。为此，柯赫仑（Kohonen）认为，神经网络在接受外
界输入时，将会分成不同的区域，不同的区域对不同的模式具有
不同的响应特征，即不同的神经元以最佳方式响应不同性质的信
号激励，从而形成一种拓扑意义上的有序图。这种有序图也称之
,
,
⋯
,
)
若 输 入 向 量 X= ( 1
， 权 值 向 量
2
W=(1 , 2 , ⋯ , ) ，定义网络神经元期望输出 与
实际输出 的偏差E为：
E= −
PERCEPTRON学习规则
感知器采用符号函数作为转移函数，当实际输出符合期
望时，不对权值进行调整，否则按照下式对其权值进行
单神经元网络
对生物神经元的结构和功能进行抽象和
模拟，从数学角度抽象模拟得到单神经
元模型，其中 是神经元的输入信号，
表示一个神经元同时接收多个外部刺激；
是每个输入所对应的权重，它对应
于每个输入特征，表示其重要程度；
是神经元的内部状态； 是外部输入信
号； 是一个阈值（Threshold）或称为
第三代神经网络：
2006年，辛顿（Geofrey Hinton）提出了一种深层网络模型——深度
置信网络（Deep Belief Networks，DBN），令神经网络进入了深度
学习大发展的时期。深度学习是机器学习研究中的新领域，采用无
监督训练方法达到模仿人脑的机制来处理文本、图像等数据的目的。
控制方式，通过神经元及其相互连接的权值，逼近系统
第7章专家控制系统
第7章 专家控制系统教学内容首先介绍专家系统基本概念、特征、组成以及基本类型。
然后讲授专家控制系统的工作原理，最后介绍了建立专家系统的步骤和专家控制器。
教学重点1．专家系统的概念，即它是一种模拟人类专家解决领域问题的计算机程序系统。
将专家系统同控制理论和技术相结合，对系统进行控制形成专家控制系统。
把专家系统作为控制器称为专家控制器。
专家系统的基本组成，即由知识库、推理机、解释接口等组成。
2．专家控制系统工作原理。
专家系统设计的基本步骤：认识和阶段化概念，实现阶段，获取知识、构造外部知识库，调试和检验阶段。
教学难点专家系统的工作原理、知识的表示和获取，专家系统的设计。
教学要求1．了解专家系统的概念，理解专家控制系统、专家控制器的概念。
2．掌握专家系统的特征、组成和基本类型。
3．理解专家控制系统的工作原理。
知识的表示和获取。
4．掌握建立专家系统的步骤。
5．了解专家控制器的组成，专家控制器的设计原则。
7.1 概述7.1.1 专家系统的起源与发展人工智能科学家一直在致力于研制在某种意义上讲能够思维的计算机软件，用以“智能化”的处理、解决实际问题。
60年代，科学家们试图通过找到解决多种不同类型问题的通用方法来模拟思维的复杂过程，并将这些方法用于通用目的的程序中。
然而事实证明这种“通用”程序处理的问题类型越多，对任何个别问题的处理能力似乎就越差。
后来，科学家们认识到了问题的关键即计算机界程序解决问题的能力取决于它所具有的知识量的大小。
为使一个程序智能化，必须使其具有相关领域的大量高层知识。
为解决某具体专业领域问题的计算机程序系统的开发研制工作，导致专家系统这一新兴学科的兴起。
从本质上讲，专家系统是一类包含着知识和推理的智能计算机程序，其内部含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。
1965年斯坦福大学开始建立用于分析化合物内部结构的DENTRAL系统，首先使用了“专家系统”的概念。
专家控制系统
第三章 专家控制系统3.1 专家系统概述1.专家及专家系统的定义专家指的是那些对解决专门问题非常熟悉的人们，他们的这种专门技术通常源于丰富的经验以及他们处理问题的详细专业知识。
定义 3.1专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。
简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
专家系统的基本功能取决于它所含有的知识，因此，有时也把专家系统称为基于知识的系统（knowledge-based system）。
3.1.1 专家系统的特点及优点1.专家系统的特点与常规的计算机程序系统比较，专家系统具有下列特点：（1）启发性 专家系统要解决的问题，其结构往往是不合理的，其问题求解（problem-solving）知识不仅包括理论知识和常识，而且包括专家本人的启发知识。
（2）透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户了解推理过程，增大对专家系统的信任感。
（3） 灵活性 专家系统的灵活性是指它的扩展和丰富知识库的能力，以及改善非编程状态下的系统性能，即自学习能力。
（4）符号操作。
与常规程序进行数据处理和数字计算不同，专家系统强调符号处理和符号操作（运算），使用符号表示知识，用符号集合表示问题的概念。
一个符号是一串程序设计，并可用于表示现实世界中的概念。
（5）不确定性推理。
领域专家求解问题的方法大多数是经验性的；经验知识一般用于表示不精确性并存在一定概率的问题。
此外，所提供的有关问题的信息往往是不确定的。
专家系统能够综合应用模糊和不确定的信息与知识，进行推理。
智能控制
第一章复杂系统的特点在传统的控制系统中，控制的任务要求输出为定值，或者要求输出量跟随期望的值变化，因此控制任务比较单一。
而对于复杂的控制任务：如：智能机器人系统、复杂工业过程控制系统、计算机集成制造系统、航天航空控制系统、社会经济管理系统、环境及能源系统等，传统的控制理论都无能为力。
传统控制理论的局限性1.传统的控制理论建立在精确的数学模型基础上——用微分或差分方程来描述。
不能反映人工智能过程：推理、分析、学习。
丢失许多有用的信息2.不能适应大的系统参数和结构的变化自适应控制和自校正控制——通过对系统某些重要参数的估计以克服小的、变化较慢的参数不确定性和干扰。
鲁棒控制——在参数或频率响应处于允许集合内，保证被控系统的稳定。
注：自适应控制鲁棒控制不能克服数学模型严重的不确定性和工作点剧烈的变化。
3.传统的控制系统输入信息模式单一通常处理较简单的物理量：电量（电压、电流、阻抗）；机械量（位移、速度、加速度）复杂系统要考虑：视觉、听觉、触觉信号，包括图形、文字、语言、声音等。
智能定义（Albus）：按系统的一般行为特性，指在不确定环境中作出合适动作的能力是自动控制（Au tomati c Control）和人工智能（A rtifi cial Intelligen ce）的交集和运筹学（OR）模糊控制与传统控制的区别：传统控制是从被控制对象的数学模型上考虑进行控制；模糊控制是从人类智能活动的角度和基础上去考虑实施控制。
模仿人的控制经验而不是依赖控制对象的模型智能控制的几个重要分支：一、专家系统和专家控制二、模糊控制三、神经网络控制四、学习控制智能控制系统的结构1. 定义a. 实现某种控制任务的智能系统。
智能系统是具备一定智能行为的系统。
若对于一个问题的激励输入，系统具备一定的智能行为，能够产生合适的求解问题的响应。
举例：智能洗衣机b.（Saridis的定义）通过驱动自主智能机来实现其目标而无需操作人员参与的系统举例：智能机器人智能控制系统的特点一混合控制过程，数学模型和非数学广义模型表示；适用于含有复杂性、不完全性、模糊性、不确定性和不存在已知算法的生产过程。
专家控制系统
二、专家系统的分类与组成
专家系统分类 专家系统的基本组成
21
1.专家系统分类
a. 按用途分类 诊断型
（专家系统）
控制型
解释型
监测型
预测型
维修型
设计型
教学型
规划型
调度型
22
1）诊断型专家系统 这是根据对症状的观察与分析、推出故
障的原因及排除故障方案的一类系统。其 应用领域包括医疗、电子、机械、农业、 经济等。 2）解释型专家系统
10
自1965年费根鲍姆等人研制成功第一个专家系 统DENLDRA以来，专家系统获得了飞速的发展， 并且运用于包括化学、数学、物理、生物、医学、 农业、气象、地质勘探、军事、工程技术、法律、 商业、空间技术、自动控制、计算机设计和制造等 众多领域，产生了巨大的经济效益和社会效益。现 在，专家系统已成为人工智能领域中最活跃、最受 重视的领域。
35
三、专家系统的建立
知识库 推理机 知识的表示 专家系统的开发语言 专家系统建立步骤
36
1．知识库
知识库包含三类知识： （1）基于专家经验的判断性规则； （2）用于推理、问题求解的控制性规则； （3）用于说明问题的状态、事实和概念以
及当前的条件和常识等的数据。
37
知识库包含多种功能模块，主要有 知识查询、检索、增删、修改和扩充等。
简而言之，专家系统是一种模拟人类专家解 决领域问题的计算机程序系统。
9
专家系统(expert system)是人工智能的 一个发展分支。
正如专家系统先驱费根鲍姆(Feigenbaum) 所说：专家系统的力量是从它处理的知识中 产生的，而不是从某种形式主义及其使用的 参考模式中产生的。这正符合一句名言：知 识就是力量。
- 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)。
专家控制（Expert Control）是智能控 制的一个重要分支，又称专家智能控制。 所谓专家控制，是将专家系统的理论和 技术同控制理论、方法与技术相结合， 在未知环境下，仿效专家的经验，实现 对系统的控制。
23
专家控制试图在传统控制的基础上“加 入”一个富有经验的控制工程师，实现控 制的功能，它由知识库和推理机构构成主 体框架，通过对控制领域知识（先验经验、 动态信息、目标等）的获取与组织，按某 种策略及时地选用恰当的规则进行推理输 出，实现对实际对象的控制。
11
知识库包含多种功能模块，主要 有知识查询、检索、增删、修改和扩 充等。知识库通过人机接口与领域专 家相沟通，实现知识的获取。
12
2．推理机
推理机是用于对知识库中的知识进行推理 来得到结论的“思维”机构。推理机包括三 种推理方式：
（1）正向推理：从原始数据和已知条件得 到结论；
（2）反向推理：先提出假设的结论，然后 寻找支持的证据，若证据存在，则假设成立；
1．定义 专家系统是一类包含知识和推理的智能
计算机程序，其内部包含某领域专家水平的 知识和经验，具有解决专门问题的能力。
4
2.1.2 专家系统的发展历程 分为四个阶段：
（1）孕期期（1965年以前） 专家系统历史的一些重要事件 1956年人工智能诞生； 两项历史意义的突破：LT系统与西洋跳棋 程序； 1957年开始通用问题求解程序GPS.
专家系统的数量增加，仅1987年研制成 功的专家系统就有1000种。
专家系统可以解决的问题一般包括解 释、预测、设计、规划、监视、修理、 指导和控制等。目前，专家系统已经广 泛地应用于医疗诊断、语音识别、图象 处理、金融决策、地质勘探、石油化工、 教学、军事、计算机设计等领域。
8
2. 2、专家系统的基本结构与实现 专家系统主要由知识库和推理机构
19
（2）推理机的设计 ① 选择推理方式；
② 选择推理算法：选择各种搜索算法，如 深度优先搜索、广度优先搜索、启发式优 先搜索等。
（3）人─机接口的设计 ① 设计“用户─专家系统接口”：用于咨 询理解和结论解释；
② 设计“专家─专家系统接口”：用于知 识库扩充及系统维护。
20
2.3 专家控制系统的设计方法
5
(2)初创期（1965-1971年） 第 一 代 专 家 系 统 DENLDRA 和
MACSMA的出现，标志着专家系统的诞 生 。 其 中 DENLDRA 为 推 断 化 学 分 子 结 构的专家系统，由专家系统的奠基人， Stanford大学计算机 系的 Feigenbaum教 授及其研究小组研制。MACSMA为用于 数学运算的数学专家系统，由麻省理工 学院完成。
2
上世纪80年代初，人工智能中专家系统 的思想和方法开始被引入控制系统的研究和 工程应用中。
专家系统能处理定性的、启发式或不确 定的知识信息，经过各种推理来达到系统的 任务目标。专家系统为解决传统控制理论的 局限性提供了重要的启示，二者的结合导致 了专家控制这一方法。
3
2.1 概述
2.1.1、什么是专家系统
（3）双向推理：运用正向推理提出假设的 结论，运用反向推理来证实假设。
13
3．知识的表示 常用的知识表示方法为：产生式规则，
框架，语义网络，过程。其中产生式规则 是专家系统最流行的表达方法。由产生式 规则表示的专家系统又称为基于规则的系 统或产生式系统。
14
产生式规则的表达方式为：
IF E THEN H WITH CF(E,H) 其中，E表示规则的前提条件，即证据， 它可以是单独命题，也可以是复合命题； H表示规则的结论部分，即假设，也是 命题；CF（Certainty Factor）为规则 的强度，反映当前提为真时，规则对结 论的影响程度。
第2章 专家系统与专家控制系统
1
在传统控制系统中，系统的运行排斥 了人的干预，人-机之间缺乏交互。控制器 对被控对象在环境中的参数、结构的变化缺 乏应变能力。
传统控制理论的不足，在于它必须依赖 于被控对象严格的数学模型，试图对精确模 型来求取最优的控制效果。而实际的被控对 象存在着许多难以建模的因素。
15
4．专家系统开发语言 （1）C语言，人工智能语言（如Prolog， Lisp等）； （2）专家系统开发工具：已经建好的专 家系统框架，包括知识表达和推理机。 在运用专家系统开发工具开发专家系统 时，只需要加入领域知识。
16
2.2.2专家系统的实现 1、专家系统的建立原则 知识与知识处理机构分开和互相独 立的原则 按系统功能实现模块化构造的原则 交互性原则
成，专家系统的结构如图2-4所示。
9
用户
领域专家
知识工程师
人机接口
解释机构
数据库
推理机
知识获取机构
专
家
系
统
知识库
核
心
专家系统的结构
10
1．知识库 知识库包含三类知识：
（1）基于专家经验的判断性规则； （2）用于推理、问题求解的控制性规则； （3）用于说明问题的状态、事实和概念 以及当前的条件和常识等的数据。
（1）专家控制系统的概念与分类 （2）专家控制系统的设计结构 （3）专家控制系统的开发步骤 （4）知识的获取与表示 （5）推理机制
21
2.3.1 专家控制系统概念、分类
一、概述 瑞典学者K.J.Astrom在1983年首先
把人工智能中的专家系统引入智能控 制领域，于1986年提出“专家控制” 的概念，构成一种智能控制方法。
17
2、专家系统的建立步骤 问题选择和定义阶段 原型构造阶段 规划和设计阶段 实施阶段、测试和评介阶段以及集 成和维护阶段 测试和评价阶段 集成和维护阶段
18
（1）知识库的设计 ① 确定知识类型：叙述性知识，过程性 知识，控制性知识； ② 确定知识表达方法； ③ 知识库管理系统的设计：实现规则的 保存、编辑、删除、增加、搜索等功能。
6
（3）成熟期（1972-1977年）： 在此期间斯坦福大学研究开发了最著名
的专家系统-血液感染病诊断专家系统 MYCIN，标志专家系统从理论走向应用。 另一个著名的专家系统-语音识别专家系统 HEARSAY的出现，标志着专家系统的理 论走向成熟。
7
（4）发展期（1978-现在） 在此期间，专家系统走向应用领域，