Интеллектуальные системы управления

Получающиеся  в результате модели зачастую неадекватны  реальным проблемным областям, характеризующимся  недетерминизмом процесса поиска решения. Выход из такого положения — параллелизм  при поиске.

Реально следует  ориентироваться на объединение  ДЭС первого и второго типа в расчетно-логическую ДЭС третьего типа, где база знаний сочетает описание в виде строгих математических формул с информацией экспертов, а также  соответственно — математические методы поиска решения с нестрогими эвристическими методами, причем вес того или другого компонента определяется возможностью адекватного описания предметной области и способом отыскания решения (рис. 13.4).

Рисунок 13.3 – Структура ДЭС второго уровня

При разработке ДЭС возникают следующие проблемы:

1. определение состава базы знаний и ее формирование;
2. разработка новых и использование известных теорий и методов для описания информационных процессов в ИС;
3. разработка способов представления и организации использования знаний;
4. разработка алгоритмов и программного обеспечения с распараллеливанием и использованием «гибкой логики»;
5. отыскание подходящих вычислительных сред для реализации параллельных алгоритмов при формировании ДЭС.

 

 

  

Рисунок 13.4 – Структура ДЭС третьего уровня  

Наряду с изложенным важно отметить, что ДЭС должны обладать свойством адаптации к  динамической проблемной области, способностью ввода новых элементов и связей в описание ситуаций, изменения правил и стратегии функционирования объектов в процессе принятия решения и выработки управления, работы с неполной, нечеткой и противоречивой информацией и т.д.

Динамические  экспертные системы функционируют  в составе ИС, имеющих обратные связи, и поэтому важно обеспечить устойчивую работу таких ИС.

С традиционных позиций можно считать, что длительность реакции ДЭС на входные воздействия, т.е. время, затрачиваемое на обработку входной информации и выработку управляющего воздействия, есть чистое запаздывание. На основе частотного анализа можно оценить изменение фазовых свойств системы и тем самым определить запас устойчивости. При необходимости можно произвести коррекцию системы посредством фильтров.

Однако с точки  зрения классической теории управления ИС являются многообъектными многосвязными  системами, анализ устойчивости которых обычными способами весьма затруднителен.    
 

В настоящее  время теория робастного управления ( -теория управления, -управление) является одной из интенсивно развивающихся ветвей теории управления. Сравнительно молодая (первые работы появились в начале 80-х гг.), она возникла из насущных практических проблем синтеза многомерных линейных систем управления, функционирующих в условиях различного рода возмущений и изменения параметров.

Можно подойти  к проблеме проектирования управления реальным сложным объектом, функционирующим  в условиях неопределенности, другим образом: не пытаться использовать один тип управления — адаптивный или  робастный. Очевидно, следует выбирать тот тип, который соответствует состоянию окружающей среды и системы, определенному по имеющейся в распоряжении системы информации. Если же в процессе функционирования системы можно организовать получение информации, целесообразно использовать ее в процессе управления.

Но реализация такого комбинированного управления до недавнего времени наталкивалась  на непреодолимые трудности при  определении алгоритма выбора типа управления. Достигнутые в разработке проблем искусственного интеллекта успехи делают возможным синтез такого алгоритма.

Действительно, поставим задачу: спроектировать систему, использующую адаптивное и робастное  управление и осуществляющую выбор  типа управления на основе методов  искусственного интеллекта. Для этого  рассмотрим особенности обоих типов  и, учитывая их специфические качества, определим, как можно построить систему комбинированного управления.

Одним из основных понятий в теории робастного управления является понятие неопределенности. Неопределенность объекта отражает неточность модели объекта, причем как параметрическую, так и структурную.

Рассмотрим подробнее  формы задания неопределенности в робастной теории управления с  помощью простой системы —  с одним входом и одним выходом (рисунок13.5).

Сигналы имеют  следующую интерпретацию: r — задающий входной сигнал; u — входной сигнал (вход) объекта; d — внешнее возмущение; у — выходной сигнал (выход) объекта, измеряемый.  

  

Рисунок 13.5 – Система с одним входом и одним выходом   

В -теории управления неопределенность удобно задавать в частотной области. Предположим, что передаточная функциянормального объекта Р, и рассмотрим возмущенный объект, передаточная функция которого,

 

 где  W – фиксированная передаточная функция (весовая функция);

–произвольная устойчивая передаточная функция, удовлетворяющая неравенству   .

Такое возмущение  будем называть допустимым. Ниже приведем некоторые варианты моделей неопределенности:

Соответствующие предположения должны быть сделаны  для величин   и W в каждом случае.

Неопределенность  входных сигналов d отражает различную природу внешних возмущений, действующих на объект и регулятор. Неопределенный объект, таким образом, может рассматриваться как некое множество объектов.

Выберем некую  характеристику систем с обратной связью, например устойчивость. Регулятор  С является робастным относительно этой характеристики, если ею обладает любой из множества объектов, задаваемых неопределенностью.

Таким образом, понятие робастности подразумевает  наличие регулятора, множества объектов и фиксацию определенной характеристики системы.

В этой работе мы не будем затрагивать всего множества  задач, решаемых в рамках теории управления. Коснемся лишь задачи минимальной чувствительности: построения такого регулятора С, который стабилизирует замкнутую систему и минимизирует влияние внешних возмущений на выход у, иначе говоря, минимизирует норму матрицы передаточных функций от внешних возмущений к выходу у.

Одной из особенностей решения этой, да и всего множества задач робастного управления является тот факт, что мы заранее в процессе проектирования регулятора закладываем ограничения на входные воздействия и неопределенность объекта в виде неравенств .

В процессе функционирования робастной системы информация о  неопределенностях в системе  не используется для управления.

Естественно, это  приводит к тому, что робастные системы консервативны и качество переходных процессов порой не удовлетворяет разработчиков этих систем.

Подобно робастной  адаптивная система управления строится для объектов, информация о которых  или о воздействиях на которые  недоступна в начале функционирования системы. Чаще всего свойство адаптации достигается посредством формирования в явном или неявном виде математической модели объекта или входного воздействия.

Этим отличается как поисковое адаптивное управление, в основе которого поиск и удержание экстремума показателя качества управления, так и беспоисковое, в основе которого компенсация отклонения фактических изменений управляемых координат от желаемых изменений, соответствующих требуемому уровню показателя качества. Далее по уточненной модели происходит подстройка адаптивного регулятора.

Таким образом, основная особенность адаптивных систем управления – возможность получения  информации в процессе функционирования и использования этой информации для управления.

Более того, в  адаптивных системах всегда используется априорная информация о неопределенности в системе. Это принципиальное отличие адаптивного подхода от робастного.

Рассмотрим простейшую адаптивную систему управления, обеспечивающую отслеживания входного сигнала в  присутствии помехи на входе объекта (рисунок 13.6).  

  

Рисунок. 13.6–Адаптивная система управления  

Формальное отличие  от схемы на рисунке 13.5 — блок адаптации А, который на основании выходного сигнала объекта и сигнала, характеризующего заданное качество, вырабатывает сигнал подстройки коэффициентов адаптивного регулятора.

Имея в виду недостатки каждого из регуляторов, целесообразно попытаться использовать их достоинства, предложив комбинированную схему управления объектом. Адаптивная система при помощи блока адаптации вырабатывает некоторую информацию о состоянии внешней среды. В частности, в рассматриваемом случае можно получить информацию о внешнем возмущении d. Алгоритм управления С_а соответствует текущему состоянию внешней среды, согласно заложенному в блоке адаптации критерию. Но адаптивная система требует, чтобы входной сигнал rимел достаточно широкий частотный диапазон, и накладывает жесткие ограничения на значение и частотный спектр сигнала внешнего возмущения d. Поэтому адаптивные системы могут работать только в узких диапазонах входного сигнала rи внешнего возмущения d. Вне этих диапазонов адаптивная система имеет низкое качество управления и может даже потерять устойчивость.

Рассмотренные выше свойства робастного и адаптивного  управления приводят к заключению, что в процессе функционирования системы в одних случаях выгодно  использовать робастное управление, в других — адаптивное, т.е. иметь возможность комбинировать управление в зависимости от состояния внешней среды.

Комбинированное управление. Основной вопрос при проектировании систем комбинированного управления заключается  в том, каким образом, на основании  каких знаний (информации) осуществлять выбор того или иного типа управления.

Наиболее широкие  возможности для этого представляют методы искусственного интеллекта. Их преимущество по сравнению с простыми переключающими алгоритмами состоит  в использовании широкого спектра  данных и знаний для формирования алгоритма выбора типа управления.

Если формально  объединить схемы, приведенные на рисунках 13.5, 13.6, то получим схему комбинированного управления (рисунок 13.7).

Как видно из рисунка, сигнал управления и должен переключаться с робастного регулятора на адаптивный и наоборот — по мере изменения окружающей среды в процессе функционирования системы. Используя методы теории интеллектуальных систем, можно обеспечить переход с одного типа управления на другой в зависимости от условий работы системы.

 

 

Рисунок 13.6 – Схема комбинированного управления

Рассмотрим сначала, какую информацию можно использовать для работы интеллектуального блока системы. Как известно, системы с одним входом и одним выходом хорошо описываются в частотной области. Поэтому естественно использовать частотные характеристики для организации процесса принятия решений при выборе типа управления.

Как указывалось выше, частотная характеристика системы с робастным управлением соответствует наихудшему сочетанию параметров в области неопределенности. Поэтому робастное управление можно принять за одну из границ выбираемого управления.

Другая граница  определяется возможностями исследуемой системы (быстродействие привода, энерговооруженность и т.д.). Между этими двумя границами находится область, где разумно использовать адаптивное управление.   

 

 

Рисунок 13.7 – Схема комбинированного управления