第4章专家控制.

第四章专家控制专家控制是智能控制的一个重要分支。专家控制的实质是使系统的构造和运行都基于控制对象和控制规律的各种专家知识，而且要以智能的方式来利用这些知识，求得受控系统尽可能地优化和实用化。因此，专家控制又称为基于知识的控制或专家智能控制。4.1概述4.1.1专家控制的由来传统的自动控制学科从经典控制理论发展到现代控制理论，并出现了自适应控制等高级控制技术，取得了巨大的进展。这些进展主要源于数学分析和数值计算这两个方面的理论和技术。例如，从控制系统的实践环节看，辨识、分析、仿真、设计等都产生了许多新的思想、概念、方法和算法，而“实现”这一环节基本上都从模拟方式发展为数字方式。然而，传统控制系统的结构基本没有改变，仍然是机器单独作用的反馈控制。在设定值确定之后，系统的运行排斥了人的干预，人机之间缺乏交互。系统的性能是离线监控的。如果出现故障，只能停机，进行离线处理。此外，传统控制系统的机制基本上也没有改变，仍然是单纯地执行各种控制规律算法。系统对于控制对象在环境中的参数、结构的变化缺乏应变能力，对于控制器的参数、结构缺乏合适的调整方法。传统控制理论的不足，在于它必须依赖于受控对象或过程的严格的数学模型，试图针对精确模型来求取最优的控制结果。实际的受控对象或过程存在着许多难以建模的因素。完善的模型一般都难以用解析表示，模型过于简化往往又不足以解决实际问题。专家系统是一种基于知识的系统，它主要面临的是各种非结构化问题，尤其是处理定性的、启发式或不确定的知识信息，经过各种推理过程达到系统的任务目标。专家系统技术的特点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种新颖的控制系统设计和实现的方法。4.1.2专家系统专家系统是一种人工智能的计算机程序系统，这些程序软件相当于某个专门领域的专家的知识和经验水平，以及解决专门问题的能力。自从1977年Feigenbaum在第5届国际人工智能大会上提出“知识工程”的概念以来，知识获取、知识表示和知识利用等技术逐渐形成人工智能研究的一大分支。Feigenbaum认为，人的智能活动，包括理解、解决问题的能力，甚至学习能力，都完全依靠知识。特定知识的处理和运用是智能行为的核心问题。基于知识推理的专家系统，作为知识工程的研究范例，已经开创了人工智能中尤其活跃而且富有成效的应用领域。目前，专家系统的开发不但早已走出了实验室，而且成为软件产业的一个新分支—知识产业。知识工程的理论、技术和方法，与其他人工智能的研究成果一样，对智能控制的形成和发展提供了重要的借鉴。1.专家系统的基本组成专家系统的基本组成结构如图4.1所示。由图4.1可知，知识库和推理机是专家系统中两个主要的组成要素。知识库存放着作为专家经验的判断性知识。例如，表达建议、推断、命令、策略的产生式规则等，用于某种结论的推理、问题的求解，以及对于推理、求解知识的各种控制知识。知识库中还图4.1专家系统的基本组成包括另一类叙述性知识，也称为数据，用于说明问题的状态、有关的事实和概念以及当前的条件及常识等。完整的知识库还应包括具有管理功能的软件系统，主要用于对知识条目的查询、检索、增删、修改和扩充等操作。推理机实际上是一个运用知识库中提供的两类知识，基于某种通用的问题求解模型，进行自动推理、求解问题的计算机软件系统。它包括一个解释程序，用于决定如何使用判断性知识推导新的知识，还包括一个调度程序，用于决定判断性知识的使用次序。推理机的具体构造取决于问题领域的特点，及专家系统中知识表示和组织的方法。推理机的运行可以根据不同的控制策略：从原始数据和已知条件推断出结论的方法称为正向推理或数据驱动策略；先提出结论或假设，然后寻找支持这个结论或假设的条件或证据，如若成功则结论成立，否则再重新假设，这种方法称为反向推理或目标驱动策略；运用正向推理帮助系统提出假设，再运用反向推理寻找证据，这种方法即为双向推理或混合控制。推理机通过“推理假设”机构与系统用户相联系，形成了专家系统与系统用户之间的人机接口。系统可以输入并“理解”用户有关领域问题的咨询提问，再向用户输出问题求解的结论，并对推理过程作出解释。人机之间的交互信息一般要在机器内部表达形式与人可接受的形式(如自然语言、图文等)之间进行转换。2.专家系统的特点专家系统通过某种知识获取手段，把人类专家的领域知识和经验技巧移植到计算机中，并且模拟人类专家的推理、决策过程，表现出求解复杂问题的人工智能。它与传统的计算技术和常规的软件程序相比，具有显著的特点。在功能上，专家系统是一种知识信息处理系统，而不是数值信息计算系统。它依靠知识表示技术确定问题的求解途径，而不是基于数学描述方法建立处理对象的计算模型；它主要采用知识推理的各种方法求解问题，制定决策，而不是在固定程序控制下通过执行指令完成求解任务。在结构上，专家系统的两个主要组成部分——知识库和推理机，是独立构造、分离组织，但又相互作用的。这不能简单地看作是一种编程技巧，而是说明一个知识基系统的首要特征是它具有一个知识体的核心部分。维持专家系统的知识是明确的，可存取的，而且是可积累的。常规的软件程序尽管也包含许多领域知识，但这些知识往往是隐含的，它们与求解问题的方法混杂在一起，无法得到单独的操作和控制。在性能上，专家系统具有启发性，它能够运用专家的经验知识对不确定的或不精确的问题进行启发式推理，运用排除多余步骤或减少不必要计算的思维捷径和策略；专家系统具有透明性，它能够向用户显示为得出某一结论而形成的推理链，运用有关推理的知识(元知识)检查导出结论的精度、一致性和合理性，甚至提出一些证据来解释或证明它的推理；专家系统具有灵活性，它能够通过知识库的扩充和更新提高求解专门问题的水平或适应环境对象的某些变化，通过与系统用户的交互，使自身的性能得到评价和监护。3.知识的表示知识表示、知识获取和知识推理是人工智能知识工程的重要课题。其中，知识表示是专家系统在构造方法上区别于常规程序系统的特征。专家知识的表达形式反映领域问题的性质，影响到知识的获取、知识的操作和利用。有关知识表示的详尽讨论可见人工智能的各种专著，以下扼要列举专家系统中知识表示的常用形式。1）产生式规则产生式规则的一般形式为“条件→行动”或“前提→结论”，即用“IF-THEN”语句表示一个知识项。产生式规则的左半部一般为若干事实的逻辑积，确定了规则可应用的先决条件，右半部描述了规则的先决条件得到满足时所采取的行动或得出的结论，据此可对数据库进行操作，生成新的状态。产生式规则的先决条件不断与数据库中的事实进行匹配，在顺序执行规则的同时就形成推理链。产生式规则的推理机制是以演绎推理为基础的。以著名的化学专家系统DENDRAL(E.Feigenbaum，1968)、医学专家系统MYCIN(E.Shortliffe等,1972)和地质探矿专家系统PROSPECTOR(SRI，1981)为典范，产生式规则已成为专家系统中最流行的知识表示方法，这类系统一般又称为基于规则的系统或产生式系统。2）框架框架是一种主要表示叙述性知识的数据结构，通常用于描述事物、概念的固定不变的若干方面。一个框架由各个描述方面的槽组成，每个槽可有若干侧面，而每个侧面又可有若干个属性值，如此形成一个具有嵌套的连接表：(框架名)(槽1)(侧面11)(值111)(值112)(侧面12)(值121)(值122)…（槽2)(侧面21)(值211)(值212)…(侧面22)(值221)(值222)…框架的内容可根据需要取舍。框架的侧面可以是“值”侧面（属性值已知的侧面），或者是“默认”侧面（填入默认值供属性不明确时用），或者是“如果需要”侧面（填入计算属性值的过程信息），或者是“如果加入”侧面（填入说明是否启动“如果需要”侧面中的过程）。框架可以链接起来组成具有层次结构的框架系统。基于框架表示的专家系统有肺病诊断系统WHEEZE（D.Smith等，1980）。数学专家系统AM（D.B.Lenat，1976）采用框架和产生式规则相结合表示知识。3）语义网络语义网络是通过概念及其相互间语义关系，图解表示知识的网络。其中，结点表示事物或事件的概念，结点间用弧连接，弧上加有标记说明语义关系。另外，结点可以是变量，通过增加中间结点可以使语义网络表示多元关系。基于语义网络的最简单的推理是通过继承关系得到结点事物的属性值。基于语义网络表示的专家系统有自然语言问答系统NLQS(Simmons,1973)，PROSPECTOR系统用语义网络和规则共同表示知识。4）过程知识的过程表示法是将某一专门知识及其使用方法表达为一个求解子问题的过程，即子程序。在进行知识推理时，只需调用这些子程序。应用过程表示的有回答系统SIR(B.Raphael,1968)、SHRDLU(T.Winograd，1972)等。知识表示方法还有谓词逻辑、状态空间、概念从属、脚本、知识表达语言KRL等。4.1.3专家控制的研究状况和分类1.研究状况知识工程的思想和专家系统技术推动了传统控制的发展。1984年，在布达佩斯召开的IFAC(InternationgalFederationofAutomaticControl)第9届世界大会上，J.Zaborszky提出了系统科学的一般结构，如图4.2所示。这种概念结构明确地从知识的观点改变了对控制系统的传统描述，认为系统的功能和构成实际上主要是一个专家系统。1986年，美国52位专家教授在加州桑塔卡拉拉大学召开了控制界的“高峰”会议，发表了共同的观点。1980年以后，专家系图4.2系统科学的一般结构统技术在控制问题中的应用研究逐渐增多。例如，LISP机公司过程控制的分布式实时专家系统PICON(R.L.Moore等，1984)，用于核反应堆环境辅助决策的专家系统REACTOR(M.Gallanti等，1982—1983)，利用专家系统对飞行控制系统控制规律进行再组合的研究(T.L.Trankle和L.Z.Markosian，1985)等。另外，专家系统的技术还被应用于传统的PID调节器和自适应控制器，如性能自适应PID控制器EXACT(E.H.Bristol，1977；T.W.Kraus和T.J.Myron，1984)、PI控制器的实时专家调节器(B.Porter等，1987)等。在1984年的IFAC第9届世界大会上仅有6篇有关专家系统用于控制问题的研究文章，而到1987年IFAC的第10届世界大会上就有49篇文章，而且设专门会议讨论有关问题。然后一些著名刊物纷纷增设专刊。专家系统以及其他人工智能技术在实时控制中的应用研究逐渐成为几十年来控制工程领域的一个新潮流。随着智能控制学科方向的发展，我国有关专家控制技术的研究工作也非常活跃。例如，基于专家知识的智能控制及其在造纸过程中的应用，智能控制器与锅炉专家控制系统的研究，专家控制系统在精馏控制中的应用。特别是，在研制的用于蒸馏塔多方面研制实用系统的基础上，还提出了仿人智能控制理论。一般认为，专家控制研究的突出代表应首推瑞典学者K.J.ström。他对于自动控制理论的研究很有造诣，尤其在自适应控制方面。1983年，他发表“ImplementationofanAutotunerUsingExpertSystemIdeas”一文，明确建立了将专家系统技术引入自动控制的思想，随后开展了原型系统的实验。1986年，他在“ExpertControl”一文中正式提出了“专家控制”的概念，阐述了比较深入、完整的见解。ström的研究成果对于专家控制技术的发展应用起到重要的先导作用，体现着专家控制技术的原理本质和功能特点。本章有关专家控制的主要内容以ström的工作为背景。2.类型对于专家控制及其实现的研究可以有不同的分类看法。根据专家系统技术在控制系统中的功能结构，可分为直接式专家控制和间接式专家控制。直接式专家控制系统中，领域专家的控制知识和经验被用来直接控制生产过程或调节受控对象，常规的控制器或调节器被代之以一个模拟手动操作功能的专家系统，直接给出控制信号。这种控制方法适用于模型