第4章-专家控制课件

第4章专家控制第4章专家控制4.1引言4.2专家控制的基本原理4.4仿人智能控制*4.3专家控制应用举例目录4.1引言4.2专家控制的基本原理4.4仿人智能控4.1引言经典控制方法在复杂应用中面临着诸多问题。人类的经验却可以很好地控制复杂的对象。1983年，自适应控制方面的专家、瑞典学者Astrom提出了将专家系统技术引入自动控制的思想，并在1986年正式提出了“专家控制”的概念。从此专家控制得到了广泛的研究，发展为智能控制的一个重要分支。4.1引言经典控制方法在复杂应用中面临着诸多问题。4.1引言4.2专家控制的基本原理4.4仿人智能控制4.3专家控制应用举例目录4.1引言4.2专家控制的基本原理4.4仿人智能控4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.1专家控制系统的基本内容专家控制是以专家系统为基础的。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。专家系统中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。Feigenbaum认为：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。4.2.1专家控制系统的基本内容专家控制是以专家系统为基专家系统的发展自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的40多年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。那么，究竟什么是专家系统呢？专家系统的发展自从1965年世界上第一个专家系统DENDR专家系统结构人机接口解释机构知识获取机构数据库推理机知识库专家用户专家系统结构人机接口解释机构知识获取机构数据库推理各部分的功能

知识库：存放领域知识、常识性知识、理论性知识、推理规则等。使专家系统具有启发性。

数据库：存放推理的原始数据、中间结果、控制信息等。

推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策。

知识获取机构：获取专家的领域知识，对知识库进行修改和维护。

解释机构：说明推理过程，回答用户问题。

人机接口：人机交互的界面。各部分的功能知识库：存放领域知识、常识性知识、理论性知识、专家系统的特点启发性：常识、经验性推理透明性：解释机构灵活性：知识库更新方便专家系统的特点启发性：常识、经验性推理专家系统的特点从处理的问题性质看,专家系统善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。例如，医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。从处理问题的方法看，专家系统则是靠知识和推理来解决问题，所以,专家系统是基于知识的智能问题求解系统。从系统的结构来看,专家系统则强调知识与推理的分离,因而系统具有很好的灵活性和可扩充性。专家系统的特点从处理的问题性质看,专家系统善于解决那些不专家系统的特点专家系统一般具有解释功能，即在运行过程中一方面能回答用户提出的问题，另一方面还能对最后的输出(结论)或处理问题的过程作出解释。有些专家系统还具有“自学习”能力,即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。

专家系统不像人那样容易疲劳、遗忘，易受环境、情绪等的影响，它可始终如一地以专家级的高水平求解问题。因此，从这种意义上讲，专家系统可以超过专家本人。专家系统的特点专家系统一般具有解释功能，即在运行过程中一方类型用途解释专家系统PROSPECTOR地质勘探预测专家系统天气、虫害等诊断专家系统MYCIN、故障诊断设计专家系统花布立体感图案设计规划专家系统机器人规划、交通调度控制专家系统专家控制与一般的专家系统相比，专家控制系统更强调实时性与可靠性。专家系统的类型类型用途解释专家系统PROSPECTOR地质勘探预测专家解释专家系统任务：通过对已知信息和数据的分析与解释，确定它们的涵义。特点数据量很大，常不准确、有错误、不完全能从不完全的信息中得出解释，并能对数据做出某些假设推理过程可能很复杂和很长例子：语音理解、图象分析、系统监视、化学结构分析和信号解释等解释专家系统任务：通过对已知信息和数据的分析与解释，确定它预测专家系统任务：通过对过去和现在已知状况的分析，推断未来可能发生的情况特点系统处理的数据随时间变化，且可能是不准确和不完全系统需要有适应时间变化的动态模型例子：有气象预报、军事预测等预测专家系统任务：通过对过去和现在已知状况的分析，推断未来诊断专家系统任务：根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因特点能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系能够区分一种现象及其所掩盖的另一种现象能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断例子：有医疗诊断等诊断专家系统任务：根据观察到的情况(数据)来推断出某个对象设计专家系统任务：寻找出某个能够达到给定目标的动作序列或步骤特点从多种约束中得到符合要求的设计系统需要检索较大的可能解空间能试验性地构造出可能设计，易于修改能够使用已有设计来解释当前新的设计例子：VAX计算机结构设计专家系统等设计专家系统任务：寻找出某个能够达到给定目标的动作序列或步规划专家系统任务：寻找出某个能够达到给定目标的动作序列或步骤特点所要规划的目标可能是动态的或静态的，需要对未来动作做出预测所涉及的问题可能很复杂例子：军事指挥调度系统、ROPES机器人规划专家系统、汽车和火车运行调度专家系统等。规划专家系统任务：寻找出某个能够达到给定目标的动作序列或步控制专家系统任务：自适应地管理一个受控对象或客体的全面行为，使之满足预期要求特点：控制专家系统具有解释、预报、诊断、规划和执行等多种功能例子：空中交通管制、商业管理、自主机器人控制、作战管理、生产过程控制和生产质量控制等控制专家系统任务：自适应地管理一个受控对象或客体的全面行为专家系统的实现知识工程知识表达：规则、框架知识的推理：推理的策略、竞争消解知识库的维护：知识获取、知识优化、规则的管理系统的组织：知识库、推理机、数据库的信息交流专家系统的实现知识工程一般应用程序与专家系统的区别一般应用程序 专家系统把问题求解的知识隐含地编入程序。把知识组织为两级：数据级和程序级。把其应用领域的问题求解知识单独组成一个实体。即为知识库。将知识组织成三级；数据、知识库和控制。一般应用程序与专家系统的区别一般应用程序 专家系统把问题求4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.2知识表达知识的类型：事实性知识：描述对象的概念、属性、状态、条件等，属于描述性命题。过程性知识：推理的规则、物理定律、专家经验等，属于规律性的命题。控制性知识：以知识、知识的处理为认识对象的知识，也称为元知识。如知识的背景和范围、推理的策略等。4.2.2知识表达知识的类型：

图示类：与或图、Petri网、语义网等。

符号类：谓词逻辑表示法、状态空间表示法、产生式规则等。

结构类：框架、脚本、面向对象表示法、神经网络等。知识表达的种类图示类：与或图、Petri网、语义网等。知识表达的种类

产生式规则产生式规则主要描述了前提和结论之间的关系。其一般形式为：

IF<前提>THEN<结论>在控制中，前提可以是控制的条件，如输出误差，结论是控制大小，例如，

IF偏差|e|增大，THEN控制输入u增大。产生式规则产生式规则主要描述了前提和结论之间的关系。其谓词逻辑(PredicateLogic)一种符号逻辑，它将命题解析成主词、谓词、逻辑连接词和量词，其中谓词用来刻划命题中个体词的性质或事物之间的关系，代表了命题的核心。例如“所有车间的温度是30℃、相对湿度50％”可表示成以下谓词公式的形式：

谓词逻辑(PredicateLogic)一种符号逻辑面向对象表示方法对象是指人类认识的客观事物，在形式上用以下四元组表示： 对象::=<ID,DS,MS,MI>ID(Identifier)为对象标识符，即对象名。如电机、回转窑。DS(DataStructure)为对象的数据结构，描述对象的状态属性。例如温度、压力等事实性知识。MS(MethodSet)为方法集合，用来描述各种决策。例如，对应不同状态下的控制策略。MI(MessageInterface)为对象接收外部信息的窗口，用来控制信息的流向，驱动事件的运行。面向对象表示方法对象是指人类认识的客观事物，在形式上用以4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.3知识推理知识推理基于逻辑的推理基于常识的推理产生式规则推理不确定性推理主观Bayes法证据理论粗糙集理论模糊集理论等4.2.3知识推理知识推理基于逻辑的推理基于常识的推理产生式规则推理过程

模式匹配：将数据库中的数据与知识库中规则的前提进行匹配，如果完全匹配或足够近似匹配，则这条规则标记为触发规则。

竞争消解：当有一条以上的规则条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为竞争消解。

执行操作：根据推理的结论进行操作，并更新数据库的内容等。产生式规则推理过程模式匹配：将数据库中的数据与知识库中规则推理策略：正向推理、反向推理、双向推理。推理策略推理策略：正向推理、反向推理、双向推理。推理策略正向推理从已知事实出发，逐步推导出最后结论。其推理机的工作过程：用数据库中的事实与知识库中的规则前提条件进行匹配。按冲突消解策略从匹配的规则中选择一条规则。执行选中规则的动作（依次）。不断获取中间结果。将中间结果作为新的前提，重复上述工作，直到得出结论或不再产生新的结果为止。事实驱动方式正向推理从已知事实出发，逐步推导出最后结论。反向推理首先提出假设，然后验证这些假设的真假性，找到假设成立的所有证据或事实。其推理过程大致是：在知识库中寻找结论与假设目标一致的规则。将所选规则的前提作为新的子目标假设。重复上述工作，直到假设与事实匹配或不存在新的激活规则。目标驱动方式反向推理首先提出假设，然后验证这些假设的真假性，找到假设成推理策略的选择推理的目标如果目标是从一组给定事实出发，找出所有可能的结论，可使用正向推理。（例如疾病诊断）如果目标是证实或否定某一特定结论，那么，通常使用反向推理。（例如电路设计）搜索空间的形状。事实较少，正向推理结论较少，反向推理推理策略的选择推理的目标双向推理方法：自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。

该方法较正向或反向推理所形成的中间结果少，在复杂系统中推理效率更高。双向推理方法：自顶向下、又自底向上作双向推理，直至某个中间竞争消解竞争：多个规则匹配消解策略：根据问题定义优先级先到优先复杂的优先没用过的优先刚用过的优先产生数据冗余最小的优先随机选取竞争消解竞争：多个规则匹配专家系统实例PROSPECTOR的功能与结构

PROSPECTOR的研究目的是：勘探矿产资源，扩大技术培训及集中多个专家的知识来解决给定的资源问题。PROSPECTOR系统给地质勘探人员提供下列几种帮助：

(1)勘探评价。

(2)区域资源评价。

(3)井位选择。专家系统实例PROSPECTOR的功能与结构专家系统实例PROSPECTOR系统的总体结构图如图所示。系统的勘探知识以某种外部格式存储在磁盘中。同样，一个具有1000多个单词的分类学词典也存储在磁盘上。每一次咨询开始时，由一个叫做PARSEFILE的程序把这些外部表示转换成系统的内部表示形式——推理网络。推理网络就是系统赖以完成咨询的知识库。专家系统实例PROSPECTOR系统的总体结构图如图所示。系总体结构总体结构知识表示知识表示

PROSPECTOR系统的知识用分类学网络、语义网络和规则表示。知识库由三级网络组成，它们分别用来描述概念、陈述和推理规则。

1.分类学网络最低一级网络是分类学网络，它给出了系统所知道的1000多个词汇的用途及相互关系。知识表示知识表示知识表示除了系统所知道的1000多个词汇的用途及相互关系。例如，由“关系”的节点为根的子树中所有词汇在描述知识时作为表示关系的词汇使用。除此之外，分类学网络还给出了概念之间的从属关系，它们由四种弧表示：：表示N2是N1的子集。例如，火成岩是岩石的一类。

：表示N2是N1的元素。例如，FROM―OF是一个具体的关系。知识表示除了系统所知道的1000多个词汇的用知识表示

:既表示N2是N1的子集，说明N2与N1的其他用ds链接的子集是不相交的概念。例如，年代和形态是系统中的两类词汇，但这两类词汇中没有相同的词汇，即它们没有共同的后代。而硫化物和浊变物是相交的概念，它们有共同的后代黄铁矿。知识表示分类学网络知识表示分类学网络知识表示知识表示分块语义网络在PROSPECTOR中，陈述由分块语义网络表示。分块语义网络是把整个网络划分成若干个块，每一块（称为语义空间）表示一句完整的话（陈述）。例如，“角闪石部分地转化为黑云母”，可由图表示。知识表示分块语义网络知识表示语义空间知识表示语义空间知识表示每一个陈述都可以分解为若干个简单断言。所谓简单断言指仅包含一个关系及其各参量的断言。图中的语义空间可分解为七个简单断言的集合：

a1：存在一个实体E1

a2：E1的成分是角闪石

a3：存在一个实体E2

a4：E2的成分是黑云母

a5：存在一个过程P1知识表示每一个陈述都可以分解为若干个简单断知识表示

a6：在P1过程中，E1转化为E2

a7：在P1过程中，转化的程度是部分转化分块语义网络中的空间还可以用逻辑连接词AND、OR、NOT连接成更大的语义空间，表示更复杂的陈述。知识表示a6：在P1过程中，E1转知识表示推理网络在PROSPECTOR中，判断性知识用规则表示。每条规则的形式如下：E→H(LS，LN)

推理网络中每条规则的LS、LN及每个语义空间H的P(H)均由领域专家在建造知识库时提供。除了表示规则的弧外，推理网络中还有代表先后顺序的弧(用虚线表示，见图)，其意义如下：知识表示推理网络知识表示：只有当P(E1|S)>P(E1)时，才考虑E2

：只有P(E1|S)<P(E1)时，才考虑E2

：只有P(E1|S)≈P(E1)时，才考虑E2

：仅指明考虑E2之前先考虑E1知识表示：只知识表示其中P(E1|S)、P(E1)分别是E1的后验概率和先验概率，称E1是E2的上下文。关于虚线上方括号中数字的精确含义为[LS，LN]。设E1

、E2分别是“存在硫化物”和“重晶石覆盖硫化物”，显然若已知E1为假，再去提问“是否重晶石覆盖硫化物”是不合适的。通过使用先后顺序弧把E1

、E2连接起来：知识表示其中P(E1|S)、P(E1)分别是E知识表示推理网络知识表示推理网络知识表示知识库中三种网络的关系知识表示知识库中三种PROSPECTOR的不确定性推理模型是建立在概率论的基础上的，称为主观贝叶斯(Bayesian)方法。主观贝叶斯方法是在概率论基础上严格推导出来的。因为整个推导过程比较复杂，限于篇幅，这里就不详细介绍了。推理模型PROSPECTOR的不确定性推理模型是建立在概率论的基础上控制策略PROSPECTOR系统的推理方式称为混合主动式，即正反向混合推理与接纳用户自愿提供信息相结合的推理方式。在PROSPECTOR中没有独立于知识库而存在的综合数据库，它的推理网络同时兼有知识库和数据库两种身份。因此，PROSPECTOR推理过程实际上就是不断修改各个语义空间的后验概率，直到顶层语义空间的后验概率超过其一阈值时为止。控制策略控制策略控制策略控制策略

正向推理

PROSPECTOR的正向推理实际上就是概率传播，它由传播程序完成。每当用户输入一个证据E及其后验概率P(E|S)，传播程序就利用主观Bayesian方法，将P(E|S)的影响沿推理网络传播，修改更高层次上语义空间的后验概率，直至将P(E|S)的影响传至顶层空间。控制策略正向推理控制策略

主动式推理咨询开始时，用户可根据自己的观察为系统提供信息。PROSPECTOR在这方面为用户提供了很大的灵活性，用户不仅可以输入有关可问空间的信息，还可以输入关于推理网络任意层次上的假设空间的信息。这种方法有利于充分发挥用户的作用，加快推理速度。控制策略主动式推理控制策略反向推理当正向推理（概率传播）结束后，如果系统已能确定存在某种矿藏，则输出结果；否则进入反向推理过程。反向推理由提问系统负责，它为断定某种矿藏的成矿可能性寻求有关的数据。因此反向推理实际上要完成两个任务：

(1)应优先考虑哪个顶层假设，这主要根据评判函数Jh来选择;(2)应向用户询问哪个空间，这主要根据评判函数J*来选择。控制策略反向推理解释系统PROSPECTOR的解释系统可以为用户提供几种不同类型的解释。最简单的一种是允许系统在咨询的任何时刻检查推理网络中某个语义空间的后验概率。其次解释系统可以向用户显示推断某一结论所使用的规则。用户还可以检查某一数据对推理网络中任一特定空间概率的影响。解释系统解释系统解释系统4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.4专家控制系统的设计应用专家系统概念和技术，模拟人类专家的控制知识与经验而建造的控制系统，称为专家控制系统。专家控制器实时专家控制系统4.2.4专家控制系统的设计应用专专家控制与专家系统的差别专家控制虽然引用了专家系统的思想和方法，但它与一般的专家系统还有重要的差别：通常的专家系统只完成专门领域问题的咨询功能，它的推理结果一般用于辅助用户的决策；而专家控制则要求能对控制动作进行独立的、自动的决策，它的功能一定要具有连续的可靠性和较强的抗扰性。通常的专家系统一般处于离线工作方式，而专家控制则要求在线地获取动态反馈信息，因而是一种动态系统，它应具有使用的灵活性和实时性，即能联机完成控制。专家控制与专家系统的差别专家控制虽然引用了专家系统的专家控制器例如，Kravs提出的基于模式识别的自调整PID控制器EXACT。专家控制器例如，Kravs提出的基于模式识别的自调整PID控专家控制器专家控制器工业专家控制器工业专家控制器实时专家控制系统实时专家控制系统系统组织目标：解决各子模块间在求解时的合作问题集中式（通过共享对象进行通讯）基于规则的组织方法黑板法分布式系统组织目标：解决各子模块间在求解时的合作问题基于规则的组织方法例如，PICON系统这类传统的专家系统，一般采用规则表示法来组织系统，实现实时应用。这些系统由外部事件所触发并驱动的，但一般没有明确的目标和计划，一旦开始推理，其过程就不能被中断和挂起，直至推理结束。基于规则的组织方法例如，PICON系统这类传统的专家系统，黑板法（Blackboard)黑板法（黑板专家控制系统）由一组称为知识资源(KS)的独立模块和一块黑板组成求解系统。知识资源：子知识库，有系统中专门领域的知识。黑板：全局数据库，是一个可由一切KS访问的公用数据结构。黑板法（Blackboard)黑板法（黑板专家控制系统）由黑板结构第n级第n－1级第2级第1级黑板知识源1知识源2知识源k调度单元……黑板结构第n级第n－1级第2级第1级黑板知识源1知识源2知识专家控制系统的类型专家控制系统的类型稳定性分析主要依赖于以下的工作：稳定性监控：根据被控系统的状态和输出，判断系统是否处于稳定运行的状态。控制策略的选择：通过运行状态的识别，根据控制理论和经验，选择可以保证稳定的控制策略。稳定性分析主要依赖于以下的工作：专家控制的特点知识和数据的分离。结构上的并行性。专家控制的特点知识和数据的分离。4.1引言4.2专家控制的基本原理4.4仿人智能控制*4.3专家控制应用举例目录4.1引言4.2专家控制的基本原理4.4仿人智能控4.3应用举例4.3.1PID专家控制系统设计4.3.2过程专家控制系统4.3应用举例4.3.1PID专家控制系统设计4.3.4.3.1PID专家控制系统设计图专家整定PID控制系统4.3.1PID专家控制系统设计图专家整定PID特征识别超调量：衰减率：特征识别超调量：衰减率：知识库设计当输出无波峰时，说明比例作用和积分作用偏小，可适当增加Kp和Ki；当波形振荡发散时，说明比例作用过强或积分作用太大，可适当减小Kp和Ki；超调量偏大时，则说明比例作用或积分作用偏大，可适当减小Kp和Ki。参数变化上升时间Tr调节时间TS超调量Ovv稳态误差稳定性Kp增大减小小幅增加增大降低减弱Ki增大小幅减小增大增大大幅降低减弱Kd增大小幅减小减小减小微小增大*表4-2Kp、Ki、Kd变化对系统的影响知识库设计当输出无波峰时，说明比例作用和积分作用偏小，可适4.3.1PID专家控制系统设计4.3.2过程专家控制系统4.3应用举例4.3.1PID专家控制系统设计4.3.2过程专家控4.3.2过程专家控制系统包括故障诊断、性能监视、生产调度、经营过程的优化和重组等。因此，这类专家控制系统的设计，需要对被控对象的工艺和工况具有深入的了解，来设计具有实时性的专家系统。目前，已有公司开发出了专门的商业软件，其中最为著名的是美国Gensym公司的产品G2。4.3.2过程专家控制系统包括故障诊断、性能监视、生过程专家系统举例制糖工业监控系统过程专家系统举例制糖工业监控系统系统组成

控制部分：过程接口模块、数据校验模块、其它模块。

监督部分：监视模块、故障辨识模块、报警管理模块。

人机界面：用户界面模块。系统组成控制部分：过程接口模块、数据校验模块、其它模块。故障检测热跳变判断故障检测热跳变判断故障诊断故障诊断第4章专家控制第4章专家控制4.1引言4.2专家控制的基本原理4.4仿人智能控制*4.3专家控制应用举例目录4.1引言4.2专家控制的基本原理4.4仿人智能控4.1引言经典控制方法在复杂应用中面临着诸多问题。人类的经验却可以很好地控制复杂的对象。1983年，自适应控制方面的专家、瑞典学者Astrom提出了将专家系统技术引入自动控制的思想，并在1986年正式提出了“专家控制”的概念。从此专家控制得到了广泛的研究，发展为智能控制的一个重要分支。4.1引言经典控制方法在复杂应用中面临着诸多问题。4.1引言4.2专家控制的基本原理4.4仿人智能控制4.3专家控制应用举例目录4.1引言4.2专家控制的基本原理4.4仿人智能控4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.1专家控制系统的基本内容专家控制是以专家系统为基础的。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。专家系统中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。Feigenbaum认为：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。4.2.1专家控制系统的基本内容专家控制是以专家系统为基专家系统的发展自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的40多年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。那么，究竟什么是专家系统呢？专家系统的发展自从1965年世界上第一个专家系统DENDR专家系统结构人机接口解释机构知识获取机构数据库推理机知识库专家用户专家系统结构人机接口解释机构知识获取机构数据库推理各部分的功能

知识库：存放领域知识、常识性知识、理论性知识、推理规则等。使专家系统具有启发性。

数据库：存放推理的原始数据、中间结果、控制信息等。

推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策。

知识获取机构：获取专家的领域知识，对知识库进行修改和维护。

解释机构：说明推理过程，回答用户问题。

人机接口：人机交互的界面。各部分的功能知识库：存放领域知识、常识性知识、理论性知识、专家系统的特点启发性：常识、经验性推理透明性：解释机构灵活性：知识库更新方便专家系统的特点启发性：常识、经验性推理专家系统的特点从处理的问题性质看,专家系统善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。例如，医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。从处理问题的方法看，专家系统则是靠知识和推理来解决问题，所以,专家系统是基于知识的智能问题求解系统。从系统的结构来看,专家系统则强调知识与推理的分离,因而系统具有很好的灵活性和可扩充性。专家系统的特点从处理的问题性质看,专家系统善于解决那些不专家系统的特点专家系统一般具有解释功能，即在运行过程中一方面能回答用户提出的问题，另一方面还能对最后的输出(结论)或处理问题的过程作出解释。有些专家系统还具有“自学习”能力,即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。

专家系统不像人那样容易疲劳、遗忘，易受环境、情绪等的影响，它可始终如一地以专家级的高水平求解问题。因此，从这种意义上讲，专家系统可以超过专家本人。专家系统的特点专家系统一般具有解释功能，即在运行过程中一方类型用途解释专家系统PROSPECTOR地质勘探预测专家系统天气、虫害等诊断专家系统MYCIN、故障诊断设计专家系统花布立体感图案设计规划专家系统机器人规划、交通调度控制专家系统专家控制与一般的专家系统相比，专家控制系统更强调实时性与可靠性。专家系统的类型类型用途解释专家系统PROSPECTOR地质勘探预测专家解释专家系统任务：通过对已知信息和数据的分析与解释，确定它们的涵义。特点数据量很大，常不准确、有错误、不完全能从不完全的信息中得出解释，并能对数据做出某些假设推理过程可能很复杂和很长例子：语音理解、图象分析、系统监视、化学结构分析和信号解释等解释专家系统任务：通过对已知信息和数据的分析与解释，确定它预测专家系统任务：通过对过去和现在已知状况的分析，推断未来可能发生的情况特点系统处理的数据随时间变化，且可能是不准确和不完全系统需要有适应时间变化的动态模型例子：有气象预报、军事预测等预测专家系统任务：通过对过去和现在已知状况的分析，推断未来诊断专家系统任务：根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因特点能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系能够区分一种现象及其所掩盖的另一种现象能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断例子：有医疗诊断等诊断专家系统任务：根据观察到的情况(数据)来推断出某个对象设计专家系统任务：寻找出某个能够达到给定目标的动作序列或步骤特点从多种约束中得到符合要求的设计系统需要检索较大的可能解空间能试验性地构造出可能设计，易于修改能够使用已有设计来解释当前新的设计例子：VAX计算机结构设计专家系统等设计专家系统任务：寻找出某个能够达到给定目标的动作序列或步规划专家系统任务：寻找出某个能够达到给定目标的动作序列或步骤特点所要规划的目标可能是动态的或静态的，需要对未来动作做出预测所涉及的问题可能很复杂例子：军事指挥调度系统、ROPES机器人规划专家系统、汽车和火车运行调度专家系统等。规划专家系统任务：寻找出某个能够达到给定目标的动作序列或步控制专家系统任务：自适应地管理一个受控对象或客体的全面行为，使之满足预期要求特点：控制专家系统具有解释、预报、诊断、规划和执行等多种功能例子：空中交通管制、商业管理、自主机器人控制、作战管理、生产过程控制和生产质量控制等控制专家系统任务：自适应地管理一个受控对象或客体的全面行为专家系统的实现知识工程知识表达：规则、框架知识的推理：推理的策略、竞争消解知识库的维护：知识获取、知识优化、规则的管理系统的组织：知识库、推理机、数据库的信息交流专家系统的实现知识工程一般应用程序与专家系统的区别一般应用程序 专家系统把问题求解的知识隐含地编入程序。把知识组织为两级：数据级和程序级。把其应用领域的问题求解知识单独组成一个实体。即为知识库。将知识组织成三级；数据、知识库和控制。一般应用程序与专家系统的区别一般应用程序 专家系统把问题求4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.2知识表达知识的类型：事实性知识：描述对象的概念、属性、状态、条件等，属于描述性命题。过程性知识：推理的规则、物理定律、专家经验等，属于规律性的命题。控制性知识：以知识、知识的处理为认识对象的知识，也称为元知识。如知识的背景和范围、推理的策略等。4.2.2知识表达知识的类型：

图示类：与或图、Petri网、语义网等。

符号类：谓词逻辑表示法、状态空间表示法、产生式规则等。

结构类：框架、脚本、面向对象表示法、神经网络等。知识表达的种类图示类：与或图、Petri网、语义网等。知识表达的种类

产生式规则产生式规则主要描述了前提和结论之间的关系。其一般形式为：

IF<前提>THEN<结论>在控制中，前提可以是控制的条件，如输出误差，结论是控制大小，例如，

IF偏差|e|增大，THEN控制输入u增大。产生式规则产生式规则主要描述了前提和结论之间的关系。其谓词逻辑(PredicateLogic)一种符号逻辑，它将命题解析成主词、谓词、逻辑连接词和量词，其中谓词用来刻划命题中个体词的性质或事物之间的关系，代表了命题的核心。例如“所有车间的温度是30℃、相对湿度50％”可表示成以下谓词公式的形式：

谓词逻辑(PredicateLogic)一种符号逻辑面向对象表示方法对象是指人类认识的客观事物，在形式上用以下四元组表示： 对象::=<ID,DS,MS,MI>ID(Identifier)为对象标识符，即对象名。如电机、回转窑。DS(DataStructure)为对象的数据结构，描述对象的状态属性。例如温度、压力等事实性知识。MS(MethodSet)为方法集合，用来描述各种决策。例如，对应不同状态下的控制策略。MI(MessageInterface)为对象接收外部信息的窗口，用来控制信息的流向，驱动事件的运行。面向对象表示方法对象是指人类认识的客观事物，在形式上用以4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系统的设计4.2专家控制的基本原理4.2.1专家控制系统的基本内容4.2.2知识表达4.24.2.3知识推理知识推理基于逻辑的推理基于常识的推理产生式规则推理不确定性推理主观Bayes法证据理论粗糙集理论模糊集理论等4.2.3知识推理知识推理基于逻辑的推理基于常识的推理产生式规则推理过程

模式匹配：将数据库中的数据与知识库中规则的前提进行匹配，如果完全匹配或足够近似匹配，则这条规则标记为触发规则。

竞争消解：当有一条以上的规则条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为竞争消解。

执行操作：根据推理的结论进行操作，并更新数据库的内容等。产生式规则推理过程模式匹配：将数据库中的数据与知识库中规则推理策略：正向推理、反向推理、双向推理。推理策略推理策略：正向推理、反向推理、双向推理。推理策略正向推理从已知事实出发，逐步推导出最后结论。其推理机的工作过程：用数据库中的事实与知识库中的规则前提条件进行匹配。按冲突消解策略从匹配的规则中选择一条规则。执行选中规则的动作（依次）。不断获取中间结果。将中间结果作为新的前提，重复上述工作，直到得出结论或不再产生新的结果为止。事实驱动方式正向推理从已知事实出发，逐步推导出最后结论。反向推理首先提出假设，然后验证这些假设的真假性，找到假设成立的所有证据或事实。其推理过程大致是：在知识库中寻找结论与假设目标一致的规则。将所选规则的前提作为新的子目标假设。重复上述工作，直到假设与事实匹配或不存在新的激活规则。目标驱动方式反向推理首先提出假设，然后验证这些假设的真假性，找到假设成推理策略的选择推理的目标如果目标是从一组给定事实出发，找出所有可能的结论，可使用正向推理。（例如疾病诊断）如果目标是证实或否定某一特定结论，那么，通常使用反向推理。（例如电路设计）搜索空间的形状。事实较少，正向推理结论较少，反向推理推理策略的选择推理的目标双向推理方法：自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。

该方法较正向或反向推理所形成的中间结果少，在复杂系统中推理效率更高。双向推理方法：自顶向下、又自底向上作双向推理，直至某个中间竞争消解竞争：多个规则匹配消解策略：根据问题定义优先级先到优先复杂的优先没用过的优先刚用过的优先产生数据冗余最小的优先随机选取竞争消解竞争：多个规则匹配专家系统实例PROSPECTOR的功能与结构

PROSPECTOR的研究目的是：勘探矿产资源，扩大技术培训及集中多个专家的知识来解决给定的资源问题。PROSPECTOR系统给地质勘探人员提供下列几种帮助：

(1)勘探评价。

(2)区域资源评价。

(3)井位选择。专家系统实例PROSPECTOR的功能与结构专家系统实例PROSPECTOR系统的总体结构图如图所示。系统的勘探知识以某种外部格式存储在磁盘中。同样，一个具有1000多个单词的分类学词典也存储在磁盘上。每一次咨询开始时，由一个叫做PARSEFILE的程序把这些外部表示转换成系统的内部表示形式——推理网络。推理网络就是系统赖以完成咨询的知识库。专家系统实例PROSPECTOR系统的总体结构图如图所示。系总体结构总体结构知识表示知识表示

PROSPECTOR系统的知识用分类学网络、语义网络和规则表示。知识库由三级网络组成，它们分别用来描述概念、陈述和推理规则。

1.分类学网络最低一级网络是分类学网络，它给出了系统所知道的1000多个词汇的用途及相互关系。知识表示知识表示知识表示除了系统所知道的1000多个词汇的用途及相互关系。例如，由“关系”的节点为根的子树中所有词汇在描述知识时作为表示关系的词汇使用。除此之外，分类学网络还给出了概念之间的从属关系，它们由四种弧表示：：表示N2是N1的子集。例如，火成岩是岩石的一类。

：表示N2是N1的元素。例如，FROM―OF是一个具体的关系。知识表示除了系统所知道的1000多个词汇的用知识表示

:既表示N2是N1的子集，说明N2与N1的其他用ds链接的子集是不相交的概念。例如，年代和形态是系统中的两类词汇，但这两类词汇中没有相同的词汇，即它们没有共同的后代。而硫化物和浊变物是相交的概念，它们有共同的后代黄铁矿。知识表示分类学网络知识表示分类学网络知识表示知识表示分块语义网络在PROSPECTOR中，陈述由分块语义网络表示。分块语义网络是把整个网络划分成若干个块，每一块（称为语义空间）表示一句完整的话（陈述）。例如，“角闪石部分地转化为黑云母”，可由图表示。知识表示分块语义网络知识表示语义空间知识表示语义空间知识表示每一个陈述都可以分解为若干个简单断言。所谓简单断言指仅包含一个关系及其各参量的断言。图中的语义空间可分解为七个简单断言的集合：

a1：存在一个实体E1

a2：E1的成分是角闪石

a3：存在一个实体E2

a4：E2的成分是黑云母

a5：存在一个过程P1知识表示每一个陈述都可以分解为若干个简单断知识表示

a6：在P1过程中，E1转化为E2

a7：在P1过程中，转化的程度是部分转化分块语义网络中的空间还可以用逻辑连接词AND、OR、NOT连接成更大的语义空间，表示更复杂的陈述。知识表示a6：在P1过程中，E1转知识表示推理网络在PROSPECTOR中，判断性知识用规则表示。每条规则的形式如下：E→H(LS，LN)

推理网络中每条规则的LS、LN及每个语义空间H的P(H)均由领域专家在建造知识库时提供。除了表示规则的弧外，推理网络中还有代表先后顺序的弧(用虚线表示，见图)，其意义如下：知识表示推理网络知识表示：只有当P(E1|S)>P(E1)时，才考虑E2

：只有P(E1|S)<P(E1)时，才考虑E2

：只有P(E1|S)≈P(E1)时，才考虑E2

：仅指明考虑E2之前先考虑E1知识表示：只知识表示其中P(E1|S)、P(E1)分别是E1的后验概率和先验概率，称E1是E2的上下文。关于虚线上方括号中数字的精确含义为[LS，LN]。设E1

、E2分别是“存在硫化物”和“重晶石覆盖硫化物”，显然若已知E1为假，再去提问“是否重晶石覆盖硫化物”是不合适的。通过使用先后顺序弧把E1

、E2连接起来：知识表示其中P(E1|S)、P(E1)分别是E知识表示推理网络知识表示推理网络知识表示知识库中三种网络的关系知识表示知识库中三种PROSPECTOR的不确定性推理模型是建立在概率论的基础上的，称为主观贝叶斯(Bayesian)方法。主观贝叶斯方法是在概率论基础上严格推导出来的。因为整个推导过程比较复杂，限于篇幅，这里就不详细介绍了。推理模型PROSPECTOR的不确定性推理模型是建立在概率论的基础上控制策略PROSPECTOR系统的推理方式称为混合主动式，即正反向混合推理与接纳用户自愿提供信息相结合的推理方式。在PROSPECTOR中没有独立于知识库而存在的综合数据库，它的推理网络同时兼有知识库和数据库两种身份。因此，PROSPECTOR推理过程实际上就是不断修改各个语义空间的后验概率，直到顶层语义空间的后验概率超过其一阈值时为止。控制策略控制策略控制策略控制策略

正向推理

PROSPECTOR的正向推理实际上就是概率传播，它由传播程序完成。每当用户输入一个证据E及其后验概率P(E|S)，传播程序就利用主观Bayesian方法，将P(E|S)的影响沿推理网络传播，修改更高层次上语义空间的后验概率，直至将P(E|S)的影响传至顶层空间。控制策略正向推理控制策略

主动式推理咨询开始时，用户可根据自己的观察为系统提供信息。PROSPECTOR在这方面为用户提供了很大的灵活性，用户不仅可以输入有关可问空间的信息，还可以输入关于推理网络任意层次上的假设空间的信息。这种方法有利于充分发挥用户的作用，加快推理速度。控制策略主动式推理控制策略反向推理当正向推理（概率传播）结束后，如果系统已能确定存在某种矿藏，则输出结果；否则进入反向推理过程。反向推理由提问系统负责，它为断定某种矿藏的成矿可能性寻求有关的数据。因此反向推理实际上要完成两个任务：

(1)应优先考虑哪个顶层假设，这主要根据评判函数Jh来选择;(2)应向用户询问哪个空间，这主要根据评判函数J*来选择。控制策略反向推理解释系统PROSPECTOR的解释系统可以为用户提供几种不同类型的解释。最简单的一种是允许系统在咨询的任何时刻检查推理网络中某个语义空间的后验概率。其次解释系统可以向用户显示推断某一结论所使用的规则。用户还可以检查某一数据对推理网络中任一特定空间概率的影响。解释系统解释系统解释系统4.2.1专家控制系统的基本内容4.2.2知识表达4.2.3知识推理4.2.4专家控制系