第4章-人工智能与智能控制理论-专家系统

人工智能与智能控制理论——专家系统专家系统概要——定义专家系统定义为：使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题，并得出与专家相同的结论。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方法来处理该领域问题。专家系统是一个具有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处理的复杂问题。专家系统的特点（1）具有专家水平的专门知识（2）能有效地推理（3）具有获取知识的能力（4）具有灵活性（5）具有透明性（6）具有交互性（7）具有实用性（8）具有一定的复杂性及难度专家系统应该具备以下四个要素：（1）应用于某专门领域；（2）拥有专家级知识；（3）能模拟专家的思维；（4）能达到专家级水平。专家系统的优势它提高了决策质量削减咨询专家的费用，以解决问题它为狭窄的专业领域的问题提供快速有效的解决方案它可以收集稀缺的专业知识并有效地使用它为重复性问题提供一致的答案保持重要的信息水平帮助用户获得快速准确的答案对决策的正确解释能够解决复杂和具有挑战性的问题专家系统可以稳定地工作，而不会感到情绪化，紧张或疲劳专家系统中的推理机实现专家系统通常包括6个部分：人机交互界面、知识库、综合数据库、推理机、解释器、知识获取。专家系统主要由知识库和推理机构成，专家系统的结构如图所示。专家系统中的推理机实现知识表达技术-规则任何规则都包括两个部分：IF部分和THEN部分。IF部分是前项（某一领域推理结果的前提或者条件），THEN部分是后项（结论或者行为）。一般来说，前提之间可以使用关键词AND（合取）、OR（析取）或者两者混合使用。不过，最好在同一规则中避免使用合取和析取。专家系统中的推理机实现专家系统研发团队的主要参与者预测型：根据对象的过去和现在情况来推断对象的未来演变结果。诊断型：根据输入信息来找到对象的故障和缺陷。维修型：指定并实施纠正某类故障的规划。设计型：根据给定要求形成所需方案和图样。监护型：完成实时监测任务。控制型：完成实施控制任务。专家系统的开发设计内容和步骤（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。（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。知识表达方式选择知识获取专家系统开发设计知识库的初步设计推理算法开发试验知识库的改进推广人机接口设计使用专家系统的应用场景解释（Interpretation）－如测试肺部测试（如PUFF）。预测（Prediction）－如预测可能由黑蛾所造成的玉米损失（如PLAN）。诊断（Diagnosis）－如诊断血液中细菌的感染（MYCIN）。又如诊断汽车柴油引擎故障原因之CATS系统。故障排除（FaultIsolation）－如电话故障排除系统ACE。设计（Design）－如专门设计小型马达弹簧与碳刷之专家系统MOTORBRUSHDESIGNER。规划（Planning）－就出名的有辅助规划IBM计算机主架构之布置，重安装与重安排之专家系统CSS，以及辅助财物管理之PlanPower专家系统。监督（Monitoring）－如监督IBMMVS操作系统之YES/MVS。除错（Debugging）－如侦查学生减法算术错误原因之BUGGY。专家系统的应用场景修理（Repair）－如修理原油储油槽之专家系统SECOFOR。行程安排（Scheduling）－如制造与运输行称安排之专家系统ISA。又如工作站（workshop）制造步骤安排系统。教学（Instruction）－如教导使用者学习操作系统之TVC专家系统。控制（Control）－帮助DigitalCorporation计算机制造及分配之控制系统PTRANS。分析（Analysis）－如分析油井储存量之专家系统DIPMETER及分析有机分子可能结构之DENDRAL系统。它是最早的专家系统，也是最成功者之一。维护（Maintenance）－如分析电话交换机故障原因之后，及能建议人类该如何维修之专家系统COMPASS。架构设计（Configuration）－如设计VAX计算机架构之专家系统XCON以及设计新电梯架构之专家系统VT等。校准（Targeting）－例如校准武器如何工作专家系统的在烹饪机器人中的应用烹饪专家系统包括的模块：烹饪知识库模块、烹饪数据库模块、推理模块、执行模块及用户界面模块，用户界面模块烹调设备包括：控制系统、投料机构逻辑控制系统、出菜控制机构、搅拌控制驱动机构、锅具运动机构、火候控制系统以及上述烹饪专家系统分级递阶智能控制大型复杂系统系统阶次高、子系统互相关联、系统的评价目标多且目标间又可能相互冲突等，常采用分级递阶智能控制的形式。目前已经应用的两种分级递阶控制理论，两种理论在递阶结构上有联系。基于知识描述/数学解析的混合多层智能控制理论(Villa)，精度随智能提高而降低的分级递阶智能控制理论(Saridis)。分级递阶自组织控制的基本原理与基本结构智能控制就是能在适应环境变化的过程中模仿人和动物所表现出来的优秀控制能力（动觉智能）的控制。智能控制是人工智能技术、计算机科学技术与自动控制技术交叉的产物。控制的要求、人工智能的方法和计算机软硬件基础构成了智能控制发展的基础。智能控制理论自被提出以来，已逐渐形成了：分级递阶自组织控制、模糊控制、神经网络控制和仿人智能控制等方向。Saridis提出的分级递阶智能控制理论按照IPDI的原则分级管理系统，它由组织级、协调级、执行级三级组成的。分级递阶自组织控制的基本原理与基本结构组织级代表控制系统的主导思想，并由人工智能起控制作用。根据贮存在长期存储内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。换句话说，组织器作为推理机的规则发生器，处理高层信息，用于机器推理、规划、决策、学习（反馈）和记忆操作。递阶智能机器的结构描述——组织级分级递阶自组织控制的基本原理与基本结构对于给定的外部命令和任务，设法找到能完成该任务的子任务组合将子任务的要求送到协调级递阶智能机器的结构描述——组织级最后对任务执行的结果进行性能评价，并将评价结果逐级向上反馈，同时对以前存储的信息加以修改，起到机器学习的作用。即完成推理、规划、决策、学习和记忆操作。分级递阶自组织控制的基本原理与基本结构组织级算法执行下列功能：接收指令，并对它进行推理。推理表示把不同的本原活动和规则与所接收的指令联系起来，并在概率上估计每个活动。规划：对活动的操作。完成一规划所需的活动次序及插入的重复本原事件。传递矩阵和传递概率用于排列动作次序和估算它们的总概率。决策选择最有希望的规划。用学习算法，由反馈实现对概率的更新（完成和估计每项任务之后）。记忆交换，实现对储存在长时存储器内信息的更新。递阶智能机器的结构描述——组织级分级递阶自组织控制的基本原理与基本结构协调级为一中间结构，承上启下。作为组织级与执行级的界面把组织信息发送至执行级。协调级由一定数目的协调器组成。每个协调器与分配器均存在双向联系，协调器之间没有直接联系。分配器的功能：通信功能、任务处理功能（对要执行的任务识别，为相应的协调器选择合适的控制步骤）、学习能力（根据不断执行任务取得的经验逐渐减小决策过程的不确定性）。递阶智能机器的结构描述——协调级分级递阶自组织控制的基本原理与基本结构来自执行级的具体硬件(执行装置)与协调器相连。指令由相应的协调器发送至执行装置时，就执行规定好的任务。协调级不具有组织级那样的推理能力，其智能与尽可能好地执行组织器的规划有关。递阶智能机器的结构描述——协调级分级递阶自组织控制的基本原理与基本结构递阶智能控制的最底层，又称控制级，直接控制局部过程并完成子任务，要求具有较高的精度但较低的智能，对相关过程执行适当的控制作用。递阶智能机器的结构描述——执行级IPDI的原则——精度随智能提高而降低IPDI——IncreasingPrecisionwithDecreasingIntelligence分级递阶自组织控制的基本原理与基本结构该结构是将复杂系统的决策问题进行纵横向分解。递阶控制的基本原理是把总体问题P分解成有限数量的子问题pi。总体问题P的目标应使复杂系统的总体准则取得极值。设pi是对子问题求解时，不考虑各子问题间存在关联时的解，则[p1、p2，……，pn]的解→P的解递阶控制的一般原理实际上，各子系统（子问题）间存在关联，因而产生冲突(也称耦合作用)。故引进一个干预向量或协调参数，解决由于关联产生的冲突。用pi（λ）代替pi，可得[p1（λ）、p2（λ），……，pn（λ）]

P的解。递阶控制中的协调问题就是要选择λ，从某个初值λ0经过迭代达到终值λ*，从而使递阶控制达到最优。分级递阶自组织控制的基本原理与基本结构协调各子系统控制时，多数基于以下两个基本原则：递阶控制的一般原理（1）关联预测协调原则协调器预测各子系统的关联输入输出变量，下层的各决策单元根据预测的关联变量求解各自的决策问题，然后把达到的性能指标值送给协调器，协调器再修正关联预测值，直到总体目标达到最优为止，这种协调模式为直接干预模式；（2）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，即不考虑关联的约束条件，而依靠协调器的干预信号来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。分级递阶自组织控制的应用全自主移动机器人分层递阶控制全自主移动机器人是机器人研究与应用的发展方向，其所处环境大多为复杂的非结构化环境，需要机器人具备稳定的机械性能，高效的机动性能、强大的环境感知能力和快速的反应能力。因此，这类机器人一般都配备多种外部传感器组成的复杂感觉系统以全面地获取环境信息。同时，执行机构也朝着仿