当前位置: 首页 » 行业资讯 » 染整科技月刊 » 正文

智能控制系统(五)①

放大字体  缩小字体 发布日期:2021-10-11  作者:陈立秋  浏览次数:75
核心提示:陈立秋,中国纺织工程学会染整专业委员会特聘首席专家,获得中国染整行业终身荣誉奖。现从事染整工程的创新工作。
 同仁甲:什么是智能制造?
主持人:智能制造是在信息化和自动化的基础上,将专家的知识不断融入制造过程以实现设计过程智能化,制造过程和制造装备智能化,实现拟人化制造,目的使制造过程具有更完善的判断与适应能力。
同仁甲:什么是智能控制?
主持人:人工智能的控制也就是AI与自控制的结合。人工智能中有不少内容可用于控制,当前最主要的有:专家系统、模糊控制、人工神经网络控制三种形式。知识表示、问题求解、语言理解。机器学习、模式识别、定理证明、机器视觉、逻辑推理、智能调度和决策、自动程序设计、机器人学等都是人工智能研究和应用领域。智能制造不仅仅是工业化和自动化,更是给客户提高附加值的服务。
(一)专家系统
专家系统(ExpertSystem)越来越普遍地获得应用,其领域要求高度可靠,并具有快速决策和不同功能。这些功能包括解释、预测、分析、诊断、调试、设计、规划、控制、监视、教学、检测、咨询、管理、评估和决策支持等。
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,专家系统是一个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-basedSystem)。
1.专家系统结构
专家系统的结构是指专家系统各组成部分的构造方法和组织形式。一般由六个部分组成,如图1所示。
 
 

(1)人机接口 利用人机接口,专家可以将自己的新知识、新经验加入到知识库中,也可以方便地对知识库中的规则进行修改;操作员可以在操作中随时得到专家系统的帮助,了解系统,并应用系统,像领域专家一样解决问题。
(2)知识库 用以存储某个具体领域的专门知识,包括理论知识和经验知识。专家系统的性能在很大程度上取决于知识库中知识的完备性和知识表示的正确性、一致性和独立性:常用的知识表示方法有逻辑因果图、产生式规则、语义网络、框架理论和概念从属等,尤以产生式规则构成的产生式知识库(即规则库)使用最多。产生式规则的一般形式是IF(前提)THEN(动作)。将规则与数据库中的数据相匹配,一旦匹配成功,就执行相应动作或得出某个结论。
(3)知识获取 要保证知识库能对应用对象所有状态的描述具有完全性和正确性,往往需要新知识的获取。一方面是将专家的知识和经验进行描述并写入;另一方面是进行机器自学习,增添新知识。
(4)数据库 用以存储表征应用对象的特性数据、状态数据、求解目标和中间状态数据等,供推理机和解释机构使用。
(5)解释机构 用以检验和解释知识库中相应规则的条件部分,即用推理得到的中间结果对规则的条件部分中的变量加以约束,并将该规则所预言的变化(由动作引起)返回推理机。
(6)推理机 承担控制并执行专家推理的过程。从数据库来的数据经过一定的推理和计算形成事实,然后与知识库中的相应规则进行匹配,找出可用的规则集,根据一定的优先级别应用各条规则,同时执行各规则的动作(或结论)部分,并更新数据库。在整个推理过程中,如何快速查找并正确应用可用规则,是决定推理速度和正确性的关键。推理方法又与知识描述方式密切有关,如对语义网络知识库用匹配和继承推理方法,对神经网络知识库用模式识别推理方法,对产生式规则库用链式逻辑推理方法。链式逻辑推理具体又分为正向推理(数据驱动策略)、逆向推理(目标驱动策略)与正反向混合推理三类方式。
2.专家系统的类型
按照专家系统所求解问题的性质,可把它分为下列几种类型。
(1)解释专家系统(Expert System for Interpretation)解释专家系统的任务是通过对已知信息和数据的分析与解释。
(2)预测专家系统 (Expert System for  Predition)预测专家系统的’任务是通过对过去和现在已知状态的分析,推断未来可能发生的情况。
(3)诊断专家系统性(Expert System for Diagnosis)诊断专家系统的任务是根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因
(4)设计专家系统(Expert System for Design)设计专家系统的任务是根据设计要求,求出满足设计问题约束的目标配置。
(5)规划专家系统(Expert System for Planning)规划专家系统的任务在于寻找出某个能够达到给定目标的动作序列或步骤。
(6)监视专家系统(Expert System for Monitoring)监视专家系统的任务在于对系统、对象或过程的行为进行不断观察,并把观察到的行为与其应当具有的行为进行比较,以发现异常情况,发出警报。
(7)控制专家系统(Expert System for Control)控制专家系统的任务是适应地管理一个被控对象或客体的全面行为,使之满足预期要求。
(8)调试专家系统(Expert System for Debugging)调试专家系统的任务是对失灵的对象给出处理意见和方法。
(9)教学专家系统(Expert System for Instruction)教学专家系统的任务是根据学生的特点、弱点和基础知识,以最适当的教案和教学方法对学生进行教学和辅导。
(10)修理专家系统(Expert System for Repair)修理专家系统的任务是对发生故障的对象(系统或设备)进行处理,使其恢复正常工作。
3.专家系统在自动化中的应用
在过程控制中,专家系统能够做的事情很多。但须注意,过程控制是在现场实时进行的,因此在专家系统的实时性和可靠性方面有很高的要求,并希望有良好的开放性。
在过程控制中,一套计算机控制装置处理的范围内,往往有成百上千个变量,系统很大,好在这些变量并非都是息息相关的,划分为若干个子专家系统将方便很多。
专家系统的编程语言,当处理的完全是逻辑关系时,LISP语言是公认的最佳选择。但是,在过程控制的许多应用场合,常常会涉及一些模拟解析运算。例如,有一条生产式规则,IFya≥yb,THENyc=C。这里可能ya和yb都是实测的数值,C又是一个已知的恒值,此时是单纯的逻辑关系。但在有些时候,ya或(和)yb需要通过微分方程的求解得出,或者C是一个随时间而变化的函数,此时采甩LISP语言就不方便了,因为它不适合于模拟运算,所以还需翻译成别的语言。遇到逻辑与模拟计算复合的情况,还是采用C+语言为宜。
显然,通过逻辑与模拟计算的复合,可以使专家系统的应用范围扩大。
专家系统在自动化中的应用至少有三大方面。
(1)用于控制 依据负荷、进料情况、环境条件和系统工作情况等因素,决定控制作用u、控制器参数、控制系统类型或结构等。
(2)用于工况监测、故障诊断和区域优化 这是诊断型任务,与控制型任务不同。依据系统工作情况和环境条件等因素,判定工况是否正常、工况不正常的根源和如何使工作情况进入优良区域。
(3)用于计划和调度
专家控制系统技术,包括自动控制理论与人工智能(AI)以及计算机技术等多学科、多专业相结合的产物。
专家控制是知识基于控制对多人和控制规律的各种知识,并以智能方式应用这些知识,使控制系统和受控过程尽可能优化。
专家系统的自学习,就是AI的深度学习,积累知识,知识更新。
专家系统是智能控制机的一个重要组成部分。
(二)模糊控制
一种完善的工程方法应该能够看效地利用所有可能得到的信息。在许多实际问题中,某些重要的信息是由专家提供的。通常这些专家信息是用比较模糊的术语(如”大”、“小”、“可以”等)来表示的,因此这类信息是不太精确的。那么,为什么专家信息常常要用模糊语言来表示呢?原因主要有以下几点:表达起来比较方便,不需要十分精确的考证,交流起来通俗易懂等。为了能够系统地利用这些信息,一系列所谓智能方法(如智能控制、智能信息处理等)便在工程学术界应运而生。
近年来,由于人工智能技术、微型计算机技术、神经网络理论、信息科学及非线性科学等的迅速发展,促使广大科学工作者又在维纳控制论的思想指引下,在一个新的高度上进行控制理论、计算机科学、神经生理学及信息科学等多学科的密切合作,以期模拟和综合人类的智能,开创智能控制论的新篇章。模糊控制是以模糊集合论,模糊语言变量及模糊逻辑推理为基础的非线性智能控制,它已与神经网络、遗传算法及混沌理论等新学科相融合,正在显示出其巨大的应用潜力。
1.模糊逻辑控制(FuzzyLogicControl,FLC)的核心是控制器输出与输入间的模糊关系准则,也就是说,由输入的模糊变量,按照某种模糊推理合成的规则,求取作为输出的模糊变量。
反馈控制器总是以偏差e及其导数ec作为输入的,这是手工操作时的经验,也是各种经典控制规律的做法。从物理概念看,就是既要依据偏差的量(正负及大小),又要依据偏差的变化速度(趋势)来确定应该采取的控制作用。当然,也可考虑参考二阶或更高阶次的导数,但由于噪声的存在,引人高阶导数并不相宜。在FLC中,也同样以偏差e及其变化率eC作为输入信号。输入信号的个数称为FLC的维数,这样可叫做二维模糊控制。
控制器的输出通常是控制作用的增量∆u。取∆u与控制作用u相比,至少有两个优点:①虽然模糊控制的推理规则往往不是线性的,但是u与e间将形成类似P+I关系,而不是P+D关系,有利于消除余差;②不会产生积分饱和现象。
模糊逻辑控制器的框图如图2所示。因为获得的测量值一般不是模糊量,要求送往执行机构的信号一般也不是模糊量,所以从控制器的输入到输出建要经过输入信号的模糊化、在模糊控制规则下的决策和对模糊信号的精确化等步骤。
 
 
 
[ 行业资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐行业资讯
点击排行