專家控制測控

專家控制測控第一頁，共五十一頁，2022年，8月28日傳統(tǒng)控制系統(tǒng)系統(tǒng)運行——排除人為干預——人機缺乏交互——控制器缺乏應變能力——

強烈依賴數(shù)學模型第二頁，共五十一頁，2022年，8月28日2.1專家系統(tǒng)專家：對解決專門問題非常熟悉的專門人才，一般源于豐富的經(jīng)驗及詳細專業(yè)知識。專家系統(tǒng)：一類包含知識和推理的智能計算機程序系統(tǒng)，內部含有大量的某個領域專家水平的知識和經(jīng)驗，能夠利用人類專家的知識和解決問題的經(jīng)驗方法來處理該領域的高水平難題。簡言之，是模擬人類專家解決領域問題的計算機程序系統(tǒng)。第三頁，共五十一頁，2022年，8月28日發(fā)展歷史初創(chuàng)期（1965－1971）

DENLDRA：推斷化學分子結構的專家系統(tǒng)（專家系統(tǒng)奠基人、Stanford大學計算機系Feigenbaum教授）MACSMA：用于數(shù)學運算的數(shù)學專家系統(tǒng)（麻省理工學院）第四頁，共五十一頁，2022年，8月28日成熟期（1972－1977）血液感染病診斷專家系統(tǒng)MYCIN（理論－應用）語音識別專家系統(tǒng)HEARSAY（理論－成熟）第五頁，共五十一頁，2022年，8月28日發(fā)展期（1978－現(xiàn)在）

1987年1000種解釋、預測、設計、規(guī)劃、監(jiān)理、修理、指導、控制等第六頁，共五十一頁，2022年，8月28日專家系統(tǒng)特點啟發(fā)性透明性靈活性符號操作不確定性推理第七頁，共五十一頁，2022年，8月28日啟發(fā)性問題結構往往不合理問題求解知識包括理論知識、常識和專家的啟發(fā)知識啟發(fā)知識可能不完全、不準確，但能執(zhí)行高級分析與推理第八頁，共五十一頁，2022年，8月28日透明性專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題應用知識庫內的知識和問題求解過程產(chǎn)生的中間結果第九頁，共五十一頁，2022年，8月28日靈活性具有擴展和豐富知識庫的能力改善非編程狀態(tài)下的系統(tǒng)性能，即自學習能力知識庫、推理機相對獨立第十頁，共五十一頁，2022年，8月28日符號操作強調符號處理和符號操作用符號表示知識符號集合表示問題的概念第十一頁，共五十一頁，2022年，8月28日不確定性推理問題求解方法大多是經(jīng)驗性的提供的有關信息往往也是不確定性的經(jīng)驗知識一般用于表示不精確性并存在一定概率的問題第十二頁，共五十一頁，2022年，8月28日專家系統(tǒng)優(yōu)點高效、準確、周到、迅速、不知疲倦不受環(huán)境影響、不可能遺漏、忘記專家專長不受時間、空間限制，以便推廣匯集多領域專家知識和經(jīng)驗及其協(xié)作能力軍事專家系統(tǒng)巨大經(jīng)濟、社會效益促進科技發(fā)展第十三頁，共五十一頁，2022年，8月28日專家系統(tǒng)構成結構：專家系統(tǒng)各組成部分的構造方法和組織形式知識庫、推理機第十四頁，共五十一頁，2022年，8月28日專家系統(tǒng)建立知識庫（1）基于專家經(jīng)驗的判斷性規(guī)則（2）用于推理、問題求解的控制性規(guī)則（3）用于說明問題的狀態(tài)、事實和概念及當前的條件和常識等的數(shù)據(jù)包含知識查詢、檢索、增刪、修改和擴充等模塊通過人機接口與專家溝通，獲取知識第十五頁，共五十一頁，2022年，8月28日推理機用于對知識庫中的知識進行推理來得到結論的“思維”機構（1）正向推理：從原始數(shù)據(jù)和已知條件得到結論（2）反向推理：先提出假設的結論，然后尋找支持證據(jù)，若證據(jù)存在，則假設成立（3）雙向推理：運用正向推理提出假設的結論，運用反向推理來證實假設第十六頁，共五十一頁，2022年，8月28日知識的表示常用方法：產(chǎn)生式規(guī)則、框架、語義網(wǎng)絡、過程產(chǎn)生式規(guī)則：IFETHENHWITHCF第十七頁，共五十一頁，2022年，8月28日專家系統(tǒng)開發(fā)語言（1）C語言，人工智能語言（Prolog,Lisp等）（2）專家系統(tǒng)開發(fā)工具：已經(jīng)建好的專家系統(tǒng)框架第十八頁，共五十一頁，2022年，8月28日專家系統(tǒng)建立步驟（1）知識庫設計①確定知識類型：敘述性知識、過程性知識、控制性知識②確定知識表達方式③知識庫管理系統(tǒng)的設計第十九頁，共五十一頁，2022年，8月28日（2）推理機設計①選擇推理方式②選擇推理算法：選擇各種搜索算法，如深度優(yōu)先搜索、廣度優(yōu)先搜索、啟發(fā)式優(yōu)先搜索等第二十頁，共五十一頁，2022年，8月28日（3）人機接口設計①設計“用戶－專家系統(tǒng)接口”：用于咨詢理解和結論解釋②設計“專家－專家系統(tǒng)接口”：用于知識庫擴充及系統(tǒng)維護第二十一頁，共五十一頁，2022年，8月28日2.2專家控制瑞典學者strom提出應用專家系統(tǒng)概念和技術，模擬人類專家的控制知識與經(jīng)驗而建造的控制系統(tǒng)目的：傳統(tǒng)控制的基礎＋有經(jīng)驗的控制工程師第二十二頁，共五十一頁，2022年，8月28日專家控制基本原理結構第二十三頁，共五十一頁，2022年，8月28日功能滿足任意動態(tài)過程的控制需要可以利用對象的先驗知識通過修改、增加控制規(guī)則，不斷積累知識，改進控制性能定性描述控制系統(tǒng)性能對控制性能解釋通過對控制閉環(huán)中的單元進行故障檢測來獲取經(jīng)驗規(guī)則第二十四頁，共五十一頁，2022年，8月28日與專家系統(tǒng)的區(qū)別（1）專家系統(tǒng)能完成專門領域的功能，輔助用戶決策；專家控制能進行獨立的、實時的自動決策，比可靠性、抗干擾性要求高（2）專家系統(tǒng)離線工作，專家控制在線控制第二十五頁，共五十一頁，2022年，8月28日知識表示（1）受控過程的知識①先驗知識：包括問題的類型及開環(huán)特性②動態(tài)知識：包括中間狀態(tài)及特性變化（2）控制、辨識、診斷知識①定量知識：各種算法②定性知識：各種經(jīng)驗、邏輯、直觀判斷第二十六頁，共五十一頁，2022年，8月28日數(shù)據(jù)庫（1）事實：知識的靜態(tài)數(shù)據(jù)（2）證據(jù)：測量到的動態(tài)數(shù)據(jù)（不完整、沖突）（3）假設：由事實和證據(jù)推導的中間結果（4）目標：系統(tǒng)的性能指標第二十七頁，共五十一頁，2022年，8月28日規(guī)則庫IF控制局勢（事實和數(shù)據(jù)）THEN操作結論第二十八頁，共五十一頁，2022年，8月28日分類直接型專家控制器間接型專家控制器第二十九頁，共五十一頁，2022年，8月28日間接型專家控制器第三十頁，共五十一頁，2022年，8月28日優(yōu)化型專家控制器適應型專家控制器協(xié)調型專家控制器組織型專家控制器第三十一頁，共五十一頁，2022年，8月28日專家系統(tǒng)類型解釋專家系統(tǒng)：通過對已知信息和數(shù)據(jù)的分析與解釋，確定它們的含義第三十二頁，共五十一頁，2022年，8月28日預測專家系統(tǒng)通過對過去和現(xiàn)在已知狀況的分析，推斷未來可能發(fā)生的情況第三十三頁，共五十一頁，2022年，8月28日診斷專家系統(tǒng)根據(jù)觀察到的情況（數(shù)據(jù)）推斷某個對象機能失常的原因第三十四頁，共五十一頁，2022年，8月28日設計專家系統(tǒng)根據(jù)設計要求，求出滿足設計問題約束的目標配置第三十五頁，共五十一頁，2022年，8月28日規(guī)劃專家系統(tǒng)尋找出某個能夠達到給定目標的動作序列或步驟第三十六頁，共五十一頁，2022年，8月28日監(jiān)視專家系統(tǒng)對系統(tǒng)、對象或過程的行為進行不斷觀察，并把觀察到的行為與其應當具有的行為進行比較，以發(fā)現(xiàn)異常情況，發(fā)出警報第三十七頁，共五十一頁，2022年，8月28日控制專家系統(tǒng)適應地管理一個受控對象或客體的全面行為，使之滿足預期要求第三十八頁，共五十一頁，2022年，8月28日調試專家系統(tǒng)對失靈的對象給出處理意見和方法第三十九頁，共五十一頁，2022年，8月28日教學專家系統(tǒng)根據(jù)學生特點、弱點和基礎知識，以最適當?shù)慕贪负徒虒W方法對學生進行教學和輔導第四十頁，共五十一頁，2022年，8月28日修理專家系統(tǒng)對發(fā)生故障的對象進行處理，使其恢復正常工作第四十一頁，共五十一頁，2022年，8月28日專家控制關鍵技術知識的表達識別和獲取定量控制信號定性知識轉化為定量控制信號控制知識和控制規(guī)則獲取第四十二頁，共五十一頁，2022年，8月28日專家控制特點靈活性：根據(jù)系統(tǒng)工作狀態(tài)及誤差，靈活選取控制律適應性：根據(jù)專家知識和經(jīng)驗，調整控制器參數(shù)，適應對象特性及環(huán)境變化魯棒性：通過利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠工作第四十三頁，共五十一頁，2022年，8月28日2.3專家PID控制專家PID控制原理（直接型專家控制）實質：基于受控對象和控制規(guī)律的各種知識，無需知道對象精確模型，利用專家經(jīng)驗設計PID參數(shù)第四十四頁，共五十一頁，2022年，8月28日e(k)：離散化的當前采樣時刻誤差e(k-1)、e(k－2)：前1個、前2個采樣時刻誤差?e(k)＝e(k)－e(k-1)?e(k－1)＝e(k－1)－e(k-2)第四十五頁，共五十一頁，2022年，8月28日1、│e(k)│＞M1（誤差絕對值大），定值控制2、e(k)?e(k)＞0或?e(k)＝0（誤差變大或不變）

若│e(k)│≧M2（誤差較大，較強控制）

u(k)=u(k-1)+k1{kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)］}

若│e(k)│＜M2（誤差變大，絕對值不大，一般控制）

u(k)=u(k-1)+kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)］第四十六頁，共五十一頁，2022年，8月28日3、e(k)?e(k)＜0，?e(k)?e(k－1)＞0或?e(k)＝0，（誤差減小或平衡，控制器輸出不變）4、e(k)?e(k)＜0，?e(k)?e(k－1)＜0

（誤差處于極值）若│e(k)│≧M2，u(k)=u(k-1)+k1kpem(k)（較強）若│e(k)│＜M2，u(k)=u(k-1)+k2kpem(k)（較弱）第四十七頁，共五十一頁，2022年，8月28日5、│e(k)│≦ε，加入積分環(huán)節(jié)

em(k)為誤差e的第k個極值；u(k)為第k次控制器的輸出；k1為增益放大系數(shù)，k1＞1；k2為抑制系數(shù)，0＜k2＜1；M1M2為設定的誤差界限，M1＞M2＞0；k為控制周期的序號（自然數(shù)）；ε