智能控制导论 第4版 课件全套 蔡自兴 第1-12章 概论、递阶控制-人工智能的发展简史与展望

智能控制导论IntelligentControl智能控制导论1.1智能控制的产生与发展1.1.1自动控制面临的机遇与挑战1.1.2智能控制的发展和作用1.2智能控制的定义、特点与一般结构1.2.1智能控制的定义与特点1.2.2智能控制器的设计特点与一般结构1.3智能控制的学科结构理论1.4智能控制的学科体系与系统分类1.4.1人工智能的核心要素和学科体系1.4.2智能控制的学科体系和系统分类1.5本书概要第1章概论Introduction智能控制采用各种智能化技术实现复杂系统和其它系统的控制目标，是一种具有强大生命力的新型自动控制技术，为自动控制开辟新途径。智能控制获得日益广泛的应用，是历史的必然。传统控制，包括反馈控制、近代控制和大系统理论等，在应用中遇到不少难题。实现控制系统的智能化是自动控制解决面临的难题的方法之一。近年来，知识资源、数据资源、核心算法、运算能力深度融合，协同发展，推动人工智能产业快速发展和国民经济转型升级，也促进智能控制进一步发展。1.1智能控制的产生与发展GenerationandDevelopmentsofIntelligentControl

1.1.1智能控制的机遇与挑战传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在精确的系统数学模型基础上的，而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。(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合。(3)对于某些复杂的和含有不确定性的对象，根本无法以传统数学模型来表示，即无法解决建模问题。(4)应用要求进行创新，提出新的控制思想，进行新的集成开发，以解决未知环境中复杂系统的控制问题。1985年8月，IEEE在美国纽约召开了第一届智能控制学术讨论会。会上集中讨论了智能控制原理和智能控制系统的结构。（RPI,Troy,NY,NewYork,USA，“山姆大叔故乡”）1986年9月，美国国家科学基金会（NSF）及电气与电子工程师学会（IEEE）控制系统学会在加利福利亚州桑托卡拉拉（SantaClara）大学联合组织了一次名为“对控制的挑战”的专题研讨会，发表了“对控制的挑战—集体的观点”(ChallengetoControl:ACollectivePointofView)的对自动控制发展问题的“宣言书”。

1.1.1智能控制的机遇与挑战（续）这次会议之后不久，在IEEE控制系统学会内成立了IEEE智能控制专业委员会，并讨论了智能控制的定义和研究生课程教学大纲等。1987年1月，在美国费城由IEEE控制系统学会与计算机学会联合召开了智能控制国际会议（ISIC，Philadelphia,Pennsylvania,USA)

1.1.1智能控制的机遇与挑战（续）面临挑战的原因（1）科学技术间的相互影响和相互促进

例如，生命科学、计算机、人工智能、大数据和互联网、物联网等技术。（2）当前和未来应用的需求

例如，空间技术、海洋工程、基因工程和机器人技术等应用要求。（3）基本概念和时代思潮发展水平的推动

例如，离散事件驱动、高速信息公路、分布式系统、网络系统、非传统模型和人工神经网络的连接机制等。

1.1.1智能控制的机遇与挑战（续）

1.1.1智能控制的机遇与挑战（续）控制工作者的任务

*扩展视野，着力创新*采用非完全模型和非精确模型*应用离散事件驱动系统和断续系统*实现控制系统与计算机系统的结合，控制科学与系统科学及生命科学的结合面临难题的解决途径──Intelecualization

人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科，它的发展已促进自动控制向着更高的水平──智能控制发展。自动控制的发展智能控制是人工智能和自动控制的重要组成部分和研究领域，人工智能的发展促进自动控制向智能控制发展。1.1.2智能控制的发展和学科的建立

1.2.1

智能控制的定义和特点

1.智能控制的定义

定义1.1智能机器（IntelligentMachine）能够在定形或不定形，熟悉或不熟悉的环境中自主地或交互地执行各种拟人任务定义1.2自动控制（AutomaticControl）按规定程序对机器或装置进行自动操作或控制的过程

定义1.3智能控制（IntelligentControl）智能控制是采用智能化理论和技术驱动智能机器实现其目标的过程。定义1.5智能控制系统（IntelligentControlSystem）驱动智能机器自主地实现其目标而无需操作人员干预的系统。

1.2智能控制的定义、特点与一般结构Definition,FeaturesandArchitectureofIC1.2.1

智能控制的定义和特点（续）同时具有以知识表示的非数学广义模型和以数学模型（含计算智能算法）表示的混合控制过程。智能控制的核心在高层控制，即组织级。其任务在于对实际环境或过程进行组织，即决策和规划，实现广义问题求解。智能控制是一门边缘交叉学科。智能控制的发展需要各相关学科的配合与支援，同时也要求智能控制工程师是个知识工程师。智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善，需要进一步探索与开发。2.智能控制的特点（FeaturesofIC）

1.2.2

智能控制的一般结构

智能控制器的结构特点：(1)具有以微积分(PID)表示和以技术应用语言表示的混合系统方法,或具有仿生、拟人算法表示的系统。(2)采用不精确的和不完全的分级装置模型。(3)含有多传感器递送分级和不完全外系统知识，并在学习过程中不断加以辨识、整理和更新。

把任务协商作为控制系统以及控制过程的一部分来考虑。1.3智能控制的学科结构理论DisciplineStructuralTheoriesofIC

学习要求与目标（1）了解提出各种智能控制结构理论的背景（2）掌握各种智能控制结构理论的中心思想（3）初步了解提出各种智能控制结构理论的学者（4）理解把信息论做为智能控制一个子集的理由智能控制结构理论的科学问题从学科体系上研究智能控制的构成问题智能控制结构理论主要有：二元结构三元结构四元结构1.3.1

智能控制的二元结构理论

(2-elementStructuralTheoryofIC)

傅京孙(King-SunFu)于1971年提出把智能控制作为人工智能和自动控制的交接领域。傅京孙院士简历(1930--1985)美籍华裔科学家和教育家,国际公认的模式识别、图像处理、人工智能和智能控制专家。浙江丽水人，1930年10月出生于南京。1953年在台湾大学电机工程系毕业，1955年获加拿大多伦多大学科学硕士学位，1959年获美国伊利诺大学博士学位。参考文献：蔡自兴.国际模式识别和机器智能的一代宗师——纪念傅京孙诞辰90周年.科技导报2020,38(20):123-1331.傅京孙提出二元结构1.3.1

智能控制的二元结构理论（续）2.二元结构的思想图1.3智能控制的二元结构IC=AI

AC其中,IC---智能控制AI---人工智能AC---自动控制3.例子拟人控制器人-机控制器自主机器人系统1.3.1

智能控制的二元结构理论（续）1.萨里迪斯提出三元结构

萨里迪斯(G.N.Saridis)于1977年提出另一种智能控制结构，它把智能控制看作为人工智能、控制理论和运筹学的交接。萨里迪斯简介1955年大学毕业于希腊雅典国立技术大学机电工程系。1962年和1965年分别获美国普渡大学EE硕士和博士学位。1963-1981

年在普渡大学EE系任教。1.3.2

智能控制的三元结构理论

(3-elementStructuralTheoryofIC)

1.3.2

智能控制的三元结构理论（续）2.三元结构的思想图1.4智能控制的三元结构

IC=AI

AC

OR式中,AC--控制论,OR--运筹学在提出三元结构的同时，萨里迪斯还提出分级智能控制系统。

IPDI原理组织级协调级执行级精度（低）（高）智能（高）（低）1.3.2

智能控制的三元结构理论（续）1.3.2

智能控制的三元结构理论（续）图1.5三元结构各元关系图1.3.2

智能控制的三元结构理论（续）图1.6分级智能控制系统1.3.3

智能控制的四元结构理论

(4-elementStructuralTheoryofIC)

1.四元结构的提出

蔡自兴1986年提出智能控制四元结构论，把智能控制看做自动控制、人工智能、信息论和运筹学四个学科的交集。(收入《中国大百科全书》等)2.四元结构的思想图1.9智能控制的四元结构IC=AI

CT

IT

OR其中,IT为信息论1.3.3

智能控制的四元结构理论1.3.3

智能控制的四元结构理论（续）

把信息论作为智能控制结构一个子集的理由

1.信息论是解释知识和智能的一种手段定义1.5知识(Knowledge)是人们通过体验、学习或联想而知晓的对客观世界规律性的认识，包括事实、条件、过程、规则、关系和规律等。定义1.6信息(Information)是知识的交流或对知识的感觉，是对知识内涵的一种量测。定义1.7智能(Intelligence)是一种应用知识对一定环境进行处理的能力或由目标准则衡量的抽象思考能力。定义1.8信息论(Informatics)是研究信息、信息特性测量、信息处理以及人机通信过程效率的数学理论。推论：（1）“知识”比“信息”含义更广，即(信息)∈（知识）（2）智能是获取和运用知识的能力（3）可以用信息论在数学上解释机器知识和机器智能1.3.3

智能控制的四元结构理论（续）2.控制论、系统论和信息论是紧密相互作用的图1.8钱学森的系统科学体系图（部分）

现代的系统论、信息论和控制论作为科学前沿突出的学科群，无论从哪一方面来看，都是相互作用和相互靠拢的，并给人以鲜明的印象。系统学运筹学

系统工程

系统论控制论自动化技术

信息论

通讯技术哲学基础科学

技术科学

工程技术系统科学1.3.3

智能控制的四元结构理论（续）3.信息论已成为控制智能机器的工具

智能控制比传统控制更具有明显的知识性，因而与信息论有更为密切的关系。信息论己成为控制机器、控制生物、控制社会的手段,发展成为控制仿生机器和拟人机器---智能机器的有力工具。许多智能控制系统都力图模仿人体的活动功能。人体器官的构造功能也反映“三论”的密切关系与相互作用。(+AI,中枢)图1.9塞缪尔的心脏构形示意图一般系统论系统论应用部门网络三论控制系统计算机信息科学信息技术信息论控制通信人的通信人和动物机器控制论1.3.3

智能控制的四元结构理论（续）4.信息熵成为控制智能的测度

递阶智能机器和智能系统均采用熵(entropy)作为各控制级的测度。熵在信息论中指的是信息源中所包含的平均信息量S，并以下式表示：

nS=―K∑P

i

logPi

i=1

式中，P为信息源中各事件发生的概率，K为常数。组织级——用Shannon熵衡量知识协调级——用熵测量协调的不确定性执行级——用Boltzman熵表示执行代价设计使系统的总熵最小---总代价最小熵和熵函数是现代信息论的重要基础。把熵函数和信息流一起引入智能控制系统，正表明信息论是组成智能控制的不可缺少的部分。1.3.3

智能控制的四元结构理论（续）5.信息论参与智能控制的全过程，并对执行级起到核心作用

一般说来，信息论参与智能控制的全过程，包括信息传递、信息变换、知识获取、知识表示、知识推理、知识处理、知识检索、决策以及人机通信等。例如,MORCS-1的各级控制都需要信息获取、信息传递、信息转换、信息辨识等信息处理。

信息论不仅对智能控制的高层发生作用，而且在智能控制的底层——执行级也起到核心作用。构成智能控制四元交集结构的每一子集（即自动控制、人工智能、运筹学和信息论）之间的关系可见教材的图1.11。每一个子集都与另3个子集相关，四元交集关系要比三元交集关系复杂得多。1.3.3

智能控制的四元结构理论（续）图1.10四元结构各元关系图1.4智能控制的学科体系和系统分类

自1956年人工智能作为一门学科登上国际科技舞台已经有60多年了，但对于人工智能的核心要素至今仍然没有统一认识，而对于人工智能的学科体系还没有看到全面、深入和令人信服的思想。本节提出人工智能的核心要素和人工智能与智能控制的学科体系，供进一步研讨。通常将人工智能看作计算机科学的一门分支，是指通过计算机程序来呈现人类智能的技术。人工智能的学科体系对智能控制学科的关系密切，需要深入研讨。（1）知识

知识反映自然界和社会存在的客观规律，是人工智能的要素之一。

知识是人工智能的根源(Source)，人工智能的发展源于知识，并依赖知识。知识

人们通过体验、学习或联想而认识的世界客观规律性算法数据知识算力AI1.4.1人工智能的学科体系：核心要素1.人工智能的核心要素（2）

数据

数据表示客观存在的事实或观察到的结果，能够输入计算机进行程序处理。数据为人工智能提供“原材料”。

数据是人工智能的基础（Foundation）并促进人工智能的发展升级。数据事实或观察的结果，指所有能输入计算机并被程序处理的数字、字母、符号、影像信号和模拟量等各种介质的总称。算法数据知识算力AI1.4.1人工智能的学科体系：核心要素（续）

即计算方法，是问题的求解方案和思路的完整描述，是人工智能的决策内涵。

算法是人工智能的灵魂（Spirit），也是人工智能软实力的核心。（3）算法算法解题方案准确而完整的描述，是求解问题的一系列清晰指令，表示用系统方法描述问题求解的策略机制。算法数据知识算力AI1.4.1人工智能的学科体系：核心要素（续）（4）

算力

算力是人工智能的力量（Power）所在，也是人工智能硬实力的关键保证。

即计算能力，能够使计算机把复杂的数据转化为可理解公式。算力为人工智能提供了执行能力。算力机器在数学上的归纳转化能力，即把抽象数学表达式或数字通过数学方法转换为可以理解的数学式子的能力算法数据知识算力AI1.4.1人工智能的学科体系：核心要素（续）

人工智能核心技术的突破推动人工智能产业升级。知识资源、数据资源、核心算法、运算能力深度融合，协同发展，促进人工智能产业快速发展和国民经济转型升级。基础设施基础技术核心要素关键技术主应要用传感器互联网物联网服务器高性能芯片大数据云计算行业解决方案通用技术平台产品应用规范计算智能依靠算法计算存储认知智能学习、思考情感、理解自主行为等感知智能音频技术视频技术生物识别等知识数据算力算法人工智能的设施、要素、技术和应用示意图1.4.1人工智能的学科体系：核心要素（续）

AI

Application2AIApplicationn

AIApplication(n-

1)

AIApplicationi

AIApplication1AIApplication3

Data-basedTechnologyKnowledge-basedTechnology

Kowledge-basedAITech.forComputing.powerAIAlgorithmComp.PowerKnowledgeDataData-basedAI

Tech.forAlgorithm&ProgrammingAlgorithmandProgrammingofAIComputing.power&structureofAI…………人工智能的学科体系1.4.1人工智能的学科体系：体系理论2.人工智能的学科体系理论基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系

（1）

基于知识的人工智能

（2）

基于数据的人工智能

（3）

知识/数据混合人工智能

（4）

人工智能的算法与编程

（5）

人工智能的算力与构架

（6）

人工智能研究应用领域

人工智能的核心要素为知识、数据、算法和算力。基于人工智能核心要素提出人工智能的学科体系思想：基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.1人工智能的学科体系：体系理论（续）（1）

基于知识的人工智能

自20世纪60年代中期至80年代中期，专家系统和知识工程蓬勃发展，符号主义人工智能一枝独秀，而知识就是人工智能之源（Source）。

基于知识的人工智能涉及基于规则专家系统、基于框架专家系统、模糊逻辑和谓词逻辑系统、状态空间技术、本体技术、语义网络和框架技术、知识库和知识图谱、消解-反演求解、规则演绎、概率推理、不确定推理、归纳学习、解释学习、类比学习、增强学习等。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.2人工智能的学科体系：体系理论（续）（2）

基于数据的人工智能

到20世纪80年代后期，机器学习、计算智能、人工神经网络、连接主义和行为主义研究逐渐形成高潮，而数据就是人工智能之基(Foundation)，促使人工智能发展到一个更高的技术水平。

基于数据的人工智能包括基于模型的专家系统、基于网络的专家系统、人工神经网络、深度神经网络、仿生进化系统、线性回归、决策树、支持向量机、聚类、深度学习、大数据、数据挖掘与知识发现等。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.2人工智能的学科体系：体系理论（续）（3）知识/数据混合人工智能

对于许多复杂的问题只有综合采用基于知识和基于数据的人工智能理论与技术才能解决。新旧世纪交接之际，符号主义、连接主义和行为主义走向综合集成，协同发展。

基于知识和数据的人工智能混合系统包括群体智能系统、分布式智能系统、集成智能系统、自主智能系统、脑科学和人机协同智能系统、人工生命系统、智能规划和决策系统以及未知和复杂环境中的精准问题求解等。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.2人工智能的学科体系：体系理论（续）（4）人工智能的算法与编程

算法是人工智能的之魂（Spirit），是人工智能程序设计的基础。深度学习等算法已大显身手，认知计算、认知决策、类脑计算等算法有待进一步突破。

A*算法、增强学习算法、遗传算法、LISP语言、Prologue语言、Python语言等是各类人工智能算法的杰出代表。深度学习算法、认知计算与决策算法、类脑计算、普适计算、进化计算与基于群体迭代的进化算法等研究已取得进展。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.2人工智能的学科体系：体系理论（续）（5）人工智能的算力和架构

算力是人工智能之力（Power），为人工智能提供执行能力。要创建新的计算架构，开拓新的计算系统，大力发展当代最新和最强大的生产力。

计算机处理器配备的高端部件以及芯片组、内存和硬盘是提高计算能力的基本保证。出现了GPU、新芯片和新计算（云计算、量子计算）等新的计算架构。并行处理等技术及新一代计算网络（5G、6G和7G）极大地提高人工智能的计算速度。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系1.4.2人工智能的学科体系：体系理论（续）（6）人工智能的研究与应用领域

开展全面研究，全力建设人工智能学科，实现人工智能基础理论、技术和应用总体达到世界领先水平，为跻身创新型国家前列和经济强国奠定重要基础。基于知识的AI基于数据的AI知识/数据混合AIAI算法与编程AI算力与构架AI研究与应用领域人工智能学科体系

主要领域包括自动定理证明、自动程序设计、自然语言处理、智能检索、机器学习、机器人学、专家系统、智能控制、模式识别、机器视觉、神经网络、机器博弈、分布式智能、计算智能、人工生命以及智能制造、智慧医疗、智慧农业、智能金融、智慧城市和智能经济等。1.4.2人工智能的学科体系：体系理论（续）1.4.3智能控制的学科体系

基于人工智能学科体系思想，我们提出一种智能控制（IntelligentControl，IC）学科体系的构思，如图1.13所示。从图1.13可见，智能控制的学科体系由基于知识的智能控制、基于数据的智能控制、智能控制的算法与编程、智能控制的算力与架构以及智能控制的应用研究等。图1.13智能控制的学科体系（1）

基于知识的智能控制

知识是人工智能之源。基于知识的智能控制系统涉及大多数递阶控制系统、专家控制系统、模糊控制系统和分布式（多真体）控制系统等。递阶控制系统（第2章）专家控制系统（第3章）模糊控制系统（第4章）分布式控制系统（第5章）1.4.3智能控制的学科体系（续）（2）

基于数据的智能控制

数据是人工智能之基，数据为人工智能和智能控制提供原料，并促使智能控制发展到一个更高的技术水平。基于数据的智能控制包括神经控制系统、仿生控制系统和网络控制系统等。神经控制系统（第6章）仿生控制系统（第7章）网络控制系统（第9章）1.4.3智能控制的学科体系（续）（3）

知识与数据复合智能控制

基于知识和数据的智能控制混合系统包括各种基于模拟生物智能优化算法的智能控制系统（仿生控制系统）、学习控制系统和集成智能控制系统等。许多复杂的智能控制问题，往往综合采用基于知识和基于数据的智能控制理论与技术才能解决。学习控制系统（第10章）仿人控制系统（第11章）自然语言控制系统（第12章）集成控制系统（第13章）1.4.3智能控制的学科体系（续）（4）

智能控制的算法与编程

算法是人工智能和智能控制的之魂（Spirit），是智能程序设计的基础。深度学习等算法已大显身手，认知计算、认知决策、类脑计算等算法有待进一步突破。A*算法、增强学习算法、遗传算法、LISP语言、Prologue语言、Python语言等是各类人工智能算法的杰出代表。深度学习算法、认知计算与决策算法、类脑计算、普适计算、进化计算与基于群体迭代的进化算法等研究已取得进展。1.4.3智能控制的学科体系（续）（5）

智能控制的算力和架构

算力（计算能力）为智能控制提供执行能力，强大的算力是实现智能控制的根本保证。在智能控制基础层，计算机处理器配备的高端部件以及芯片组、内存和硬盘是提高计算能力的基本保证。出现了新芯片和新计算（云计算、量子计算）等新的计算架构。并行处理技术及新一代计算网络（5G和6G）极大地提高智能控制的计算速度。计算能力的不断增强和计算速度的不断提高，有力地促进智能控制的发展。1.4.3智能控制的学科体系（续）（6）

智能控制的应用研究

智能控制的主要应用研究领域包括智能机器人规划与控制、生产过程的智能监控与管控、智能集成制造系统的分布式智能控制、智能故障检测与诊断、航天航空飞行器的智能导航与控制、智能交通系统控制与调度、电力系统运行的智能控制和故障诊断、医疗过程的智能控制以及具有智能决策、诊断和控制功能的各种智能仪器、智慧城市和社会经济管理系统等。1.4.3智能控制的学科体系（续）1.5本章小结本书介绍智能控制的基本原理及其应用，着重讨论智能控制系统的原理、方法及应用。所涉及智能控制系统为递阶控制系统、专家控制系统、模糊控制系统、神经控制系统、进化控制系统、网络控制系统、学习控制系统和复合智能控制系统等本书主要作为高校自动化、电气工程与自动化、智能科学与技术、人工智能、测控工程、机器人、物流、机电工程、电子工程等专业本科生智能控制类课程教材，也可供从事智能控制和智能系统研究、设计、应用的科技工作者阅读与参考。1.5本章小结（续）本章1.1节简述智能控制的起源、发展机遇和面临挑战，介绍智能控制学科的发展和建立。1.2节讨论智能控制的定义、特点与一般结构。智能控制是一类无需人的干预就能够独立地驱动智能机器实现其目标的自动控制。本节叙述智能控制的固有特点。1.3节研讨智能控制学科结构理论和智能控制学科体系，分别论述了二元智能控制、三元智能控制和四元智能控制3种智能控制结构理论，重点讨论了作者提出的四元智能控制结构理论，特别阐述把信息论作为智能控制结构的一个子集的理由。1.5本章小结（续）1.4节研究智能控制的学科体系与系统分类。从人工智能学科发展的角度和历史看，人工智能应包含知识、数据、算法和算力（计算能力）四个核心要素。这些要素在人工智能中的地位和作用分别是：知识是人工智能之源，数据是人工智能之基，算法是人工智能之魂，算力是人工智能之力。受人工智能学科体系思想启发和影响，将智能控制的学科体系包括基于知识的智能控制、基于数据的智能控制、知识/数据复合智能控制、智能控制算法与编程、智能控制算力与架构以及智能控制的应用研究等部分组成。同时对智能控制系统进行了分类。谢谢！智能控制导论IntelligentControl智能控制导论第4版蔡自兴编著

国家精品课程配套教材中国水利水电出版社2024

Textbooks

教材第一篇基于知识的智能控制第2章递阶控制Ch.2HierarchicalControl智能控制导论教学重点1．介绍递阶智能机器及其三个级别的一般结构；2．讨论递阶控制各级的作用；3．举例介绍智能控制的应用。教学难点1．理解递阶控制的结构及各级的分工协作关系；2．了解汽车自主驾驶系统的递阶控制结构和控制算法。教学要求

着重掌握递阶控制的作用机制，举例分析递阶控制系统的结构与控制算法。第2章递阶控制第2章递阶控制（续）内容2.1递阶智能机器的一般结构2.2递阶智能控制系统举例2.2.1汽车自主驾驶系统的组成2.2.2汽车自主驾驶系统的递阶结构2.2.3自主驾驶系统的软件结构与控制算法2.2.4自主驾驶系统的试验结果2.3本章小结

递阶智能控制（hierarchicalintelligentcontrol）,简称递阶控制。递阶控制是智能控制最早理论之一，而递阶智能控制系统结构已隐含在其他各种智能控制系统之中，成为其他各种智能控制系统的重要基础。递阶控制是在研究早期学习控制系统的基础上，并从工程控制论角度总结人工智能与自适应控制、自学习控制和自组织控制的关系之后而逐渐形成的。已经提出几种递阶控制理论。其中以萨里迪斯提出的基于3个控制层次和IPDI原理的三级递阶智能控制系统最具代表性。第2章递阶控制（续）

递阶智能控制是由萨里迪斯(Saridis)和梅斯特尔（Meystal）等人提出的，是按照精度随智能降低而提高的原理（IPDI）逐级分布的，这一原理来源于递阶（分级）管理系统。已取得的理论成果表现在两个方面，即基于逻辑的方法和基于解析的方法。前者已由尼尔森（Nilsson）和菲克斯（Fikes）等叙述过，其通用技术仍在继续研究与开发之中；而后者已在理论和实验两方面达到比较成熟的水平，有一些新的方法和技术，如Boltzmann机、神经网络和Petri网等，已为智能机器理论的分析研究提供了新的工具。2.1递阶智能机器的一般结构

递阶智能控制是由萨里迪斯(Saridis)和梅斯特尔（Meystal）等人提出的，是按照精度随智能降低而提高的原理（IPDI）逐级分布的，这一原理来源于递阶（分级）管理系统。已取得的理论成果表现在两个方面，即基于逻辑的方法和基于解析的方法。前者已由尼尔森（Nilsson）和菲克斯（Fikes）等叙述过，其通用技术仍在继续研究与开发之中；而后者已在理论和实验两方面达到比较成熟的水平，有一些新的方法和技术，如Boltzmann机、神经网络和Petri网等，已为智能机器理论的分析研究提供了新的工具。2.1递阶智能机器的一般结构（续）

递阶智能控制是由萨里迪斯(Saridis)和梅斯特尔（Meystal）等人提出的，是按照精度随智能降低而提高的原理（IPDI）逐级分布的，这一原理来源于递阶（分级）管理系统。已取得的理论成果表现在两个方面，即基于逻辑的方法和基于解析的方法。前者已由尼尔森（Nilsson）和菲克斯（Fikes）等叙述过，其通用技术仍在继续研究与开发之中；而后者已在理论和实验两方面达到比较成熟的水平，有一些新的方法和技术，如Boltzmann机、神经网络和Petri网等，已为智能机器理论的分析研究提供了新的工具。2.1递阶智能机器的一般结构（续）

递阶智能控制是由三个基本控制级构成的，其级联交互结构如图2.1所示。图中，

为从执行级到协调级的在线反馈信号；

为从协调级到组织级的离线反馈信号；C为输入指令；U

为分类器的输出信号，即组织器的输入信号。2.1递阶智能机器的一般结构（续）图2.1递阶智能机器的级联结构2.1递阶智能机器的一般结构（续）

1.组织级（Organizationlevel）组织级代表控制系统主导思想，由人工智能起控制作用。根据存储在长期存储单元的本原数据集合，组织绝对动作、一般任务和规则序列，如图2.2所示。图2.2组织级的结构框图2.1递阶智能机器的一般结构（续）

2.协调级（Coordinationlevel）

协调级是组织级和执行级间的接口，由人工智能和运筹学共同作用。协调级产生一个适当的子任务序列来执行原指令，处理实时信息。协调级由一定数量的具有固定结构的协调器组成。图2.3协调级的结构框图2.1递阶智能机器的一般结构（续）

3.执行级（Excutionlevel）

执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。执行级的性能也可由熵来表示，因而统一了智能机器的功用。已知通常称H为香农（Shannon）负熵，它可变换为下列方程式中，

为被传递的信息信号空间。负熵是对信息传递不确定性的一种度量，即系统状态的不确定性可由该系统熵的概率密度指数函数获得。2.2递阶智能控制系统举例图2.4红旗车自主驾驶系统结构示意图本递阶智能控制系统的结构示意图如图2.4所示，它主要由环境识别子系统和驾驶控制子系统组成。2.2.1汽车自主驾驶系统的组成2.2.1汽车自主驾驶系统的组成（续）1.系统总体结构环境识别子系统和驾驶控制子系统环境识别子系统：道路标志牌和前方车辆识别驾驶控制子系统：行为决策、行为规划、操作控制2.自主驾驶的硬件系统

工控机及其接口(interface)执行器：步进电机、液压驱动传感器系统:激光雷达,摄像机,GPS等2.2.1汽车自主驾驶系统的组成（续）3.嵌入式实时操作系统基于PC的开发环境，开发方便实时多任务操作系统内核确保了系统的实时性可裁剪和可重配置的操作系统结构，运行效率提高方便快捷任务间通信支持多处理机间的任务协调与通信自主驾驶系统处理机运行实时4.软件设计与系统的实时性任务优先级设置于抢断式任务调度系统时钟同步机制分布式共享数据存储2.2.2汽车自主驾驶系统的递阶结构图2.5所示四层模块化汽车自主驾驶控制系统结构；其四个层次依次是：任务规划、行为决策、行为规划和操作控制。另外还包括车辆状态与定位信息和系统监控两个独立功能模块。图2.5红旗车自主驾驶系统的四层模块化结构2.2.2汽车自主驾驶系统的递阶结构（续）速度跟踪控制路径跟踪控制油门控制器刹车控制器转向控制器紧急状态控制期望速度期望路径监控信息操作控制层主要模块示意图车辆1.操作控制层（Manipulationcontrollevel）2.2.2汽车自主驾驶系统的递阶结构（续）道路和障碍信息车辆纵向速度规划车辆期望轨迹规划驾驶技能与交通规则数据库车辆状态行为信息行为执行情况反馈期望纵向速度期望路径点序列行为监督执行行为规划层主要模块示意图2.行为规划层（

Behaviorplanninglevel）2.2.2汽车自主驾驶系统的递阶结构（续）3.行为决策层（

Behaviordecisionlevel）预期状态任务规划层当前执行子任务行为决策逻辑行为输出当前行为执行情况行为规划层交通情况行为模式产生环境建模及预测驾驶行为知识库图2.6行为决策层主要模块示意图2.2.2汽车自主驾驶系统的递阶结构（续）4.任务规划层（

Taskplanninglevel）图2.14任务规划层主要模块示意图导航地物地图数据库任务规划任务监控用户任务输入全局定位信息当前执行子任务子任务执行情况1.驾驶控制系统的软件结构2.2.3自主驾驶系统的软件结构与控制算法图2.8驾驶控制系统软件结构示意图2.驾驶控制系统算法2.2.3自主驾驶系统的软件结构与控制算法（续）（1）遗忘迭代滤波算法形式：（2）平移平均滤波算法：

采用离散化的形式，即采用零阶保持方法对连续控制算法进行离散化。对部分滤波算法，系统采用遗忘迭代滤波或平移平均滤波算法代替，以减少运算量。1.试验环境和内容2.2.4自主驾驶系统的试验结果HQ3红旗车自主驾驶系统的试验在高速公路上进行，包括长沙市绕城高速公路和京珠高速公路。试验中，公路处于正常的交通状况。分别就自主驾驶系统的以下性能进行了试验：（1）环境感知系统的抗干扰性和稳定性，包括车道感知系统对道路上的各种障碍、标志干扰及对光照变化的适应性；车辆识别系统识别的准确性及对光照的适应性。（2）驾驶控制系统的车道跟踪能力，包括各种道路条件下，车道中心线跟踪的稳定性和舒适性。（3）驾驶控制系统的速度跟踪能力，涉及各种路况下速度跟踪的稳定性和舒适性。（4）驾驶控制系统对动态交通的处理情况及超车动作，对交通变化处理的实时性与合理性及超车动作的平顺性。2.试验结果2.2.4自主驾驶系统的试验结果

经过长期道路试验，HQ3红旗车自主驾驶有关的环境感知和驾驶控制算法得到不断改进，实现了预定的如下性能指标：（1）正常交通情况下在高速公路上稳定自主驾驶速度130km/h；（2）最高自主驾驶速度170km/h；（3）具备超车功能。

经过10多年的研究开发与不断改进，该自主车的技术性能有了显著提高，达到国际先进水平。据媒体报道，2011年7月14日上午，该车进行了一次新的自主驾驶试验，在正常天气与路况条件下，以遵守交通法规为前提，在有多个高架桥路口的高速公路真实环境中，实现长沙至武汉自主驾驶，能够有效地超车并汇入车流，准确识别高速公路上的常见交通标志，并做出安全驾驶的动作。2.试验结果（续）2.2.4自主驾驶系统的试验结果

本次自主驾驶试验的一些具体性能指标如下：（1）驾驶距离里程：286km（2）驾驶时间：3小时22分（3）平均时速：87km/h（4）最高时速可达170km/h，一般设置为110km/h（5）自主超车：68次，超车116辆，被其他车辆超越148次，实现了在密集车流中长距离安全驾驶（6）人工干预率：小于1%

本自主驾驶创造了我国无人车自主驾驶的新纪录，标志着我国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破，达到国际先进水平。2.试验结果（续）2.2.4自主驾驶系统的试验结果

本次自主驾驶试验的一些具体性能指标如下：（1）驾驶距离里程：286km（2）驾驶时间：3小时22分（3）平均时速：87km/h（4）最高时速可达170km/h，一般设置为110km/h（5）自主超车：68次，超车116辆，被其他车辆超越148次，实现了在密集车流中长距离安全驾驶（6）人工干预率：小于1%

本自主驾驶创造了我国无人车自主驾驶的新纪录，标志着我国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破，达到国际先进水平。2.3小结

本章首先研究由三个交互作用的层级组成递阶控制。2.1节讨论递阶智能机器的一般理论，大部分内容涉及三级递阶控制系统，其结构是根据精度随智能降低而提高（IPDI）的原理设计的。

递阶智能控制的原理与结构是2.1节介绍的主要内容,包括组织级、协调级和执行级的原理与结构，其结构是根据精度随智能降低而提高（IPDI）的原理设计的。2.2节介绍一种递阶控制的应用实例，即HQ3红旗自主车自主驾驶四层递阶控制系统，介绍了该系统的总体结构和汽车自主控制系统的四层递阶结构和系统的软件结构与控制算法，并给出了该自主汽车驾驶系统高速公路的试验结果。谢谢！

智能控制导论IntelligentControl智能控制导论第4版蔡自兴编著

国家精品课程配套教材中国水利水电出版社2024

Textbooks

教材第3章专家控制Ch.3ExpertControl

3.1专家系统的基本概念3.1.1专家系统的定义与一般结构3.1.2专家系统的建造步骤3.2专家系统的主要类型及其结构3.2.1基于规则的专家系统3.2.2基于框架的专家系统3.2.3基于模型的专家系统3.3专家控制系统的结构与类型3.3.1专家控制系统的控制要求与设计原则3.3.2专家控制系统的结构3.3.3专家控制系统的类型3.4专家控制系统应用举例3.4.1实时控制系统的特点与要求3.4.2高炉监控专家系统3.5本章小结3.1专家系统的基本概念BasicConceptsofExpertSystem3.1.1

专家系统的定义与一般结构1.专家系统的定义专家系统的先行者费根鲍姆（Feigenbaum）曾把专家系统定义为一个应用知识和推理过程来求解那些需要大量人类专家解决难题经验的智能计算机程序。定义3.1专家系统专家系统是一个智能计算机程序系统，其内部含有大量的某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。专家系统的基本功能取决于它所含有的知识，因此，也把专家系统称为基于知识的系统（knowledge-basedsystem）。3.1.1

专家系统的定义与一般结构（续）2.专家系统的一般结构ExpertiseKnowledgeBaseInputorQueryReasoningMachineAnswer图3.1专家系统简化结构图3.1.1

专家系统的定义与一般结构（续）2.专家系统的一般结构（续）图3.2理想专家系统结构图接口事实规则计划议程中间解黑板知识库解释器执行器调度器协调器3.1.1

专家系统的定义与一般结构（续）2.专家系统的一般结构（续）专家系统的主要组成部分(1)

知识库（knowledgebase）

用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等。(2)综合数据库（globaldatabase）

用于存储领域或问题的初始数据和推理过程中得到的中间数据（信息），即被处理对象的一些当前事实。又称为全局数据库。3.1.1

专家系统的定义与一般结构（续）2.专家系统的一般结构（续）专家系统的主要组成部分（续）(3)推理机（reasoningmachine/inferenceengine）

用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。(4)解释器（explainator）

能够向用户解释专家系统的行为。(5)接口/界面（interface）

它能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。3.1.2

专家系统的建立步骤建立专家系统的一般步骤如下：（1）设计初始知识库问题知识化知识概念化概念形式化形式规则化规则合法化（2）原型机（prototype）的开发与实验（3）知识库的改进与归纳3.1.2

专家系统的建立步骤（续）建立专家系统的一般步骤如下：知识化合法化概念化形式化规则化知识概念结构形式规则再设计改进重新阐述图3.3建立专家系统的步骤（1）设计初始知识库。知识库的设计是建立专家系统最重要和最艰巨的任务。初始知识库的设计包括：

①问题知识化，即辨别所研究问题的实质，如要解决的任务是什么，它是如何定义的，可否把它分解为子问题或子任务，它包含哪些典型数据等。

②知识概念化，即概括知识表示所需要的关键概念及其关系，如数据类型、已知条件(状态)和目标(状态)、提出的假设以及控制策略等。3.1.2

专家系统的建立步骤（续）建立专家系统的一般步骤如下（续）：（1）设计初始知识库（续）

③概念形式化，即确定用来组织知识的数据结构形式，应用人工智能各种知识表示方法把与概念化过程有关的关键概念、子问题及信息流特性等变换为正式表达，它包括假设空间、过程模型和数据特性等。

④形式规则化，即编制规则、把形式化了的知识变换为由编程语言表示的可供计算机执行的语句和程序。

⑤规则合法化，即确认规则化了知识的合理性，检验规则的有效性。（2）原型机的开发与试验。选定知识表达方法后，着手建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程。（3）知识库的改进与归纳。反复对知识库及推理规则进行改进试验，归纳出更完善的结果。经过相当长时间(例如数月至两、三年)的努力，使系统在一定范围内达到人类专家的水平。3.2

专家系统的主要类型与结构专家系统的主要类型有基于规则的专家系统Rule-basedExpertSystem基于框架的专家系统Frame-basedExpertSystem基于模型的专家系统Model-basedExpertSystem

3.2.1基于规则的专家系统

1.基于规则专家系统的工作模型产生式系统的思想比较简单，然而却十分有效。产生式系统是专家系统的基础，专家系统就是从产生式系统发展而成的。基于规则的专家系统是个计算机程序，用一套包含在知识库内的规则对工作存储器内的具体信息（事实）进行处理，由推理机推断出新的信息。其工作模型如图3.4所示。图3.4基于规则专家系统的工作模型3.2.1基于规则的专家系统（续）

1.基于规则专家系统的工作模型（续）

基于规则专家系统采用下列模块来建立产生式系统的模型：（1）知识库以一套规则建立人的长期存储器模型（2）工作存储器建立人的短期存储器模型，存放问题事实和由规则激发而推断出的新事实。（3）推理机借助于把存放在工作存储器内的问题事实和存放在知识库内的规则结合起来，建立人的推理模型，以推断出新的信息。图3.5基于规则专家系统的结构3.2.1基于规则的专家系统（续）

2.基于规则专家系统的结构2.基于规则专家系统的结构（续）（1）知识库（2）推理机（3）工作存储器（4）用户界面用户通过该界面来观察系统并与系统交互。（5）开发界面知识工程师通过该界面对专家系统进行开发。（6）解释器对系统的推理提供解释。（7）外部程序如数据库、扩展盘和算法等，对专家系统的工作起支持作用，易于为专家系统所访问和使用。3.2.1基于规则的专家系统（续）

3.2.2基于框架的专家系统1.面向目标编程与基于框架设计基于框架的专家系统是建立在框架的基础之上的，采用面向目标编程技术。基于框架的专家系统是个计算机程序，使用一组包含在知识库内的框架对工作存储器内的具体问题信息进行处理。面向目标编程的所有数据均以目标形式出现。每个目标具有陈述知识和过程知识。在设计基于框架系统时，专家系统的设计者们把目标叫做框架。3.2.2基于框架的专家系统（续）2.基于框架专家系统的结构图3.6人类的框架分层结构类（class）槽(Slots)子类（subclass)例子(instances)规则(rules)目标议程表

(goalagenda)3.2.2基于框架的专家系统（续）3.基于框架专家系统的一般设计方法基于框架专家系统的主要设计步骤与基于规则的专家系统相似,主要差别在于如何看待和使用知识。在设计基于框架的专家系统时，把整个问题和每件事想像为编织起来的事物。在辨识事物之后，寻找把这些事物组织起来的方法。对于任何类型的专家系统，其设计是个高度交互的过程3.2.3基于模型的专家系统1.基于模型专家系统的提出关于人工智能的一个观点综合各种模型的专家系统比基于逻辑心理模型的系统具有更强的功能，从而有可能显著改进专家系统的设计在诸多模型中，人工神经网络模型的应用最为广泛3.2.3基于模型的专家系统（续）2.基于神经网络的专家系统神经网络模型从知识表示、推理机制到控制方式，与目前专家系统中的基于逻辑的心理模型有本质的区别。三种神经网络模型与专家系统集成模式神经网络支持专家系统专家系统支持神经网络协同式的神经网络专家系统3.2.3基于模型的专家系统（续）2.基于神经网络的专家系统（续）神经网络专家系统的基本结构图3.7神经网络专家系统的基本结构3.2.3基于模型的专家系统（续）2.基于神经网络的专家系统（续）神经网络专家系统的几个问题讨论神经网络的知识表示是一种隐式表示神经网络通过实例学习实现知识自动获取神经网络的推理是个正向非线性数值计算过程，同时也是一种并行推理机制同一知识领域的几个独立的专家系统可组合成更大的神经网络专家系统3.3专家控制系统的结构与类型3.3.1专家控制系统的结构专家控制器取代传统控制的PID控制器，即构成专家控制系统。知识库和推理机是专家控制器的核心组成部分。图3.9表示专家控制系统原理图。图3.9专家控制系统原理图3.3.1

专家控制系统的结构（续）1.专家控制系统的一般结构几乎所有的专家控制系统（控制器）都包含知识库、推理机、控制规则集和／或控制算法。图3.10画出专家控制系统的基本结构。知识库和推理机是专家控制器的核心组成部分。图3.10专家控制器的基本结构3.3.1

专家控制系统的结构（续）1.专家控制系统的一般结构（续）黑板专家控制系统由黑板、知识源和控制器3部分组成，其结构如图3.12所示。图3.12黑板专家控制系统的结构3.3.1

专家控制系统的结构（续）2.直接家控制系统的一般结构根据系统结构的复杂性把专家控制系统分为两种形式，即专家控制系统和专家控制器。（1）直接专家控制系统的结构

专家控制器有时又称为基于知识控制器。以基于知识控制器在整个系统中的作用为基础，可把专家控制系统分为直接专家控制系统和间接专家控制系统两种。图3.13给出它们的原理图。图3.13两种专家控制系统原理结构3.3.1

专家控制系统的结构（续）2.直接家控制系统的一般结构（续）（1）直接专家控制系统的结构（续）图3.11给出工业专家控制器的简化结构图。图3.11工业专家控制器简化结构图3.3.1

专家控制系统的结构（续）2.直接家控制系统的一般结构（续）（1）直接专家控制系统的结构（续）

工业专家控制器各部分的作用说明如下：

①知识库（KB）

表达已获取知识，用产生式规则来建立。

②控制规则集（CRS）

归纳受控过程各种控制模式和经验。

③特征识别与信息处理（FR＆IP）

实现对信息的提取与加工，为控制决策和学习适应提供依据。它包括抽取动态过程的特征信息，识别系统的特征状态，并对这些特征信息进行必要的加工。

④推理机（同前专家系统）。

⑤控制规则集（同前专家系统）。3.3.1

专家控制系统的结构（续）2.直接家控制系统的一般结构（续）（2）直接专家控制系统的输入输出关系

工业专家控制器的输入输出关系表示于下：

专家控制器的输入集为

E=(R,e,Y,U)(3.1)e=R-Y(3.2)式中，R为参考控制输入，e为误差信号，Y为受控输出，U为控制器的输出集。I、G、U、K和E之间的关系可由下式表示，即U=f(E,K,I,G)(3.3)其中，E为专家控制器的误差输入；K为知识库对推理机的输出；I为推理机的输出；G为知识库对控制规则单元的输出；f为智能算子（复合运算）

f=ghp(3.4)其中，g，h，p也是智能算子，而且有：(3.5)

3.3.1

专家控制系统的结构（续）3.间接家控制系统（1）间接专家控制系统的结构

间接专家控制系统又可称为监控式专家控制系统，其作用原理框图见图3.13。专家控制器能够协调各种算法，利用专家经验规则决定何时采用何种参数和启动什么算法。控制系统工作时，就像一个颇有经验的控制专家能够自在地调度系统参数与结构，并及时回答用户的咨询。

图3.13间接专家控制系统的作用原理框图3.3.1

专家控制系统的结构（续）3.间接家控制系统（续）（2）专家鉴定PID控制系统的工作原理

由图3.14可见，专家控制系统的控制信号由PID控制器提供给受控对象，而专家系统通过对PID控制器的参数整定起到间接的控制作用。受控对象的输出信号Pr，经传感器反馈到系统输入端与给定信号Sr进行比较，得到偏差信号E并作用于PID控制器。

图3.14专家鉴定PID控制系统结构图3.3.2

专家控制系统的设计要求和设计原则

1.专家控制系统的控制要求运行可靠性高具有较高的运行可靠性、方便的监控能力。决策能力强具备不同水平的决策能力，能够处理含有不确定性、不完全性和不精确性的决策问题。应用通用性好易于开发、示例多样性、便于混合知识表示、全局数据库的活动维数、基本硬件的机动性、多种推理机制以及开放式的可扩充结构等。控制与处理的灵活性包括控制策略的灵活性、数据管理的灵活性、解释说明的灵活性、模式匹配的灵活性以及过程连接的灵活性等。拟人能力专家控制系统的控制水平必须达到人类专家的水平。

3.3.2

专家控制系统的设计要求和设计原则（续）

2.专家控制器的设计原则模型描述的多样性解析模型离散事件模型模糊模型规则模型基于模型的模型在线处理的灵巧性控制策略的灵活性决策机构的递阶性推理与决策的实时性3.4专家控制系统应用举例3.4.1实时控制系统的特点与要求实时控制系统定义对受控过程表现出预定的足够快的实时行为具有严格的响应时间限制而与所有算法无关实时控制系统具有与外部环境及时交互的能力系统在与外部环境交互时，受到处理（控制）时间的约束实时控制系统的具体要求和设计特点准确地表示知识与时间的关系。具有快速和灵敏的上下文激活规则能够控制任意时变非线性过程3.4.1实时控制系统的特点与要求（续）实时控制系统的具体要求和设计特点（续）能够进行时序推理、并行推理和非单调推理修正序列的基本控制知识具有中断过程和异步时间处理能力及时获取动态和静态过程信息，以便于对控制系统进行实时诊断有效回收不再需要的存储元件，并保持传感器的过程接受来自操作者的交互指令序列连接常规控制器和其他应用软件能够进行多专家系统之间以及专家系统与用户之间的通信3.4.2高炉监控专家系统1.高炉控制概况

高炉生产过程的操作是一个十分复杂的过程。铁矿和焦炭从炉顶加入，而鼓风机则由底部吹风。为保证生铁冶炼的质量，高炉安装了几百个传感器，从采集的数据中观察高炉内的状况。图3.15

高炉监控的操作及功能3.4.2高炉监控专家系统（续）1.高炉控制概况（续）高炉管理系统的主要功能数据分析分析和采集传感器的数据。炉内静态状况分析根据分析结果来寻求最合适的操作方法。炉况诊断当炉内状况非常复杂时，要引入专家系统或专家控制系统来改善高炉运行条件。开发和建立高炉专家控制系统的目的利用人工智能技术，建立准确的控制系统。将高炉操作技术标准化和规范化。灵活处理经常性的系统变化要求。3.4.2高炉监控专家系统（续）2.高炉监控专家系统的结构与功能组成部分异常炉况预测系统用于预测炉内炉料滑动和沟道的产生情况高炉熔炼监控系统

用于判断炉内熔炼过程并指导操作员对高炉进行合理的操作系统功能推理预处理部分用常规的方法在过程计算机上执行推理部分用知识工程技术在人工智能处理器上实现图3.16

高炉监控专家系统的结构3.4.2高炉监控专家系统（续）3.监控专家系统开发过程

开发过程大体如图3.16所示，说明如下页：图3.16系统开发过程框图3.4.2高炉监控专家系统（续）3.监控专家系统开发过程（续）开发过程大体如图3.16所示，说明如下：（1）决定目标。明确系统的功能与所涉及的范围。（2）获取知识。高炉技术文献资料、操作员手册和领域专家知识。（3）知识汇编与系统化。归纳分类专家思维过程；传感数据模式整理和分类、数据滤波、分级和求导；知识模糊性(不确定性)的表示。（4）规则结构的设计。将规则分组和结构化，考虑推理的速度。（5）系统功能的划分。实现在线实时处理；将系统功能划分为预处理和推理二部分。（6）构造原型系统。描述规则和黑板模型；将实际系统和测试系统形式化。（7）评估与调整。用离线测试系统调试系统；检查系统的有效性。（8）应用和升级。增加和校正规则。3.4.2高炉监控专家系统（续）4.传感数据的预处理采用以下二个步骤对传感器数据进行推理前的预处理：第一步是对传感器数据进行平滑鼓风炉有200多个数据。不同的数据，往往受到扰动和加料造成的非周期性变化的影响。为了去除这种影响，采用统计方法做平滑处理（线性回归过程）。炉顶气体温度如图3.19所示，为了对它进行预处理，采用了平滑处理过程。图3.19

数据预处理第一步例子3.5小结专家控制系统是具有广泛应用的智能控制领域之一根据系统的复杂性，可分为专家控制器和专家控制系统。按系统控制机理，可分为直接专家控制系统和间接专家控制系统。对于具有不确定性、非线性以及非精确和不完全信息的比较简单的控制过程，可以采用一般的工业专家控制器。对于比较复杂的控制过程(装置)，应当采用专家控制系统。大多专家控制系统（器）具有递阶结构。在设计专家控制器时，应特别注重知识库和推理机或黑板的设计。3.5