ЭКСПЕРТНЫЙ РЕГУЛЯТОР ДЛЯ СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ

Методические указания по самостоятельной работе

«Применение технологий экспертных систем и нейросетевых структур для создания быстродействующих адаптивных регуляторов»

Составитель Егоров И.Н.

В настоящее время известно достаточно много различных алгоритмов, в которых предлагаются разные подходы к адаптивному управлению сложными динамическими объектами. Как показывает обзор существующей литературы, несмотря на универсаль­ность предлагаемых подходов и эффективность при решении ряда спе­циальных задач, широкое применение их в промышленности затрудни­тельно. Это связано либо с необходимостью использования достаточно сложных вычислительных средств, либо с ориентацией на аналоговую технику, которая имеет определенные недостатки.

Перспективные пути решения этой проблемы связаны с комплексным применением современных интеллектуальных технологий для создания принципиально нового поколения САУ сложными динамическими объек­тами.

Теоретические и практические результаты исследований, проведенных на кафедре "Проблем управления" МИРЭА [1-5], убедительно доказывают, что исполь­зование технологии экспертных систем (ЭС) позволяет существенно повысить гибкость управления, что обеспечивается следующими факто­рами:

— возможность работы с несколькими алгоритмами управления и адаптации; при этом осуществляется их обоснованный выбор на основе текущей (иногда неполной и противоречивой) информации о функцио­нирующей системе путем обработки имеющихся знаний;

—способность к обучению и корректировке знаний; при этом содер­жимое базы знаний ЭС всегда может быть расширено и модифицирова­но, что обеспечивает возможность адаптации к изменениям как целей, так и параметров объекта управления (ОУ).

Практическое применение технологии ЭС позволило разработать интеллектуальный регулятор, обладающий высокими адаптивными свой­ствами и большой функциональной гибкостью [1,2].

ЭКСПЕРТНЫЙ РЕГУЛЯТОР ДЛЯ СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ

Структура экспертной системы

Одна из особенностей современного этапа развития науки и техники связана с ускоренным ростом уровня требований к качеству и надежно­сти создаваемых производственных механизмов, процессов, технологий и систем. Между тем основные принципы и инструменты проектирова­ния и управления развиваются недостаточными темпами и во многом остаются традиционными, возлагая всю тяжесть синтеза системы на раз­работчика.

Разрешение противоречия между усложнением создаваемых систем и практикуемыми сегодня подходами к их проектированию и обслужива­нию составляет одну из центральных задач теории систем автоматичес­кого управления (САУ). Данная проблема включает в себя разработку новой методологии регулирования, позволяющей обеспечить в условиях неполноты имеющейся информации о состоянии системы и условиях ее функционирования не только направленный поиск оптимальных харак­теристик и параметров САУ, но и контроль их изменения в процессе работы. Применение принципиально нового подхода к созданию САУ диктуется необходимостью сокращения сроков разработки систем, а так­же предъявляемыми к системам жесткими требованиями к их качеству и надежности функционирования.

В настоящее время трудно себе представить высококачественную САУ, в которой не используется принцип обратной связи. Обратные свя­зи являются одним из важнейших средств придания системе требуемых свойств. Кроме того, к числу основных тенденций развития современных САУ для сложных технических объектов относится создание новых видов обратных связей.

Упрощенная структура системы, содержащая интеллектуальную об­ратную связь, представлена на рис. 1, где # — сигнал задания; е — ошиб­ка управления; и — сигнал управления; у — выход ОУ.

Рис. 1. Обобщенная структурная схема интеллектуальной системы управления

Здесь наряду с основным контуром управления (регулятор—объект управления (ОУ)) присутствует интеллектуальный контур, который автоматически под­страивает коэффициенты регулятора в условиях изменения характерис­тик окружающей среды и ОУ.

Один из вариантов построения интеллектуальной системы управле­ния (ИСУ) основан на применении технологии экспертных систем (ЭС). В ряде случаев экспертный регулятор (ЭР) предназначен для осуществления активной самодиагностики ОУ, ко­торая включает, во-первых, определение возможных неисправностей в ОУ на основе анализа изменений его параметров и, во-вторых, компен­сацию обнаруженных отклонений с помощью осмысленной подстройки коэффициентов контроллера с использованием базы знаний (БЗ).

В общем случае под ЭС понимается интеллектуальная програм­ма, способная делать логические выводы на основании знаний в конк­ретной предметной области и обеспечивающая решение определенных задач. Хотя большинство созданных к настоящему времени ЭС имеет спе­цифическую структуру, ориентированную на решение конкретной при­кладной задачи, можно выделить основные общие компоненты их построения.

Рис. 2. Структура экспертной системы

На рис. 2 показана базовая структура ЭС, структурные элементы ко­торой должны выполнять следующие функции:

- представление знаний по конкретному объекту управления; для
реализации этих функций используется механизм, называемый базой
данных (БД);

- представление знаний в конкретной предметной области и управ­ление ими; для реализации этих функций используется механизм, назы­ваемый базой знаний (БЗ);

- осуществление логического вывода на основании знаний, имею­щихся в БЗ; этот механизм называется механизмом логических выводов (МЛВ);

- пользовательский интерфейс для правильной передачи ответов
пользователю;

- получение знаний от эксперта, поддержка БЗ и дополнение ее при
необходимости; механизм, реализующий эти функции, называется моду­лем приобретения знаний;

- вывод заключений, представление различных комментариев, при­лагаемых к этим заключениям, и объяснение их мотивов; такой механизм
называется модулем советов и объяснений.

Основные элементы, показанные на рис. 2, соответствуют любой ЭС, однако ЭС управления (т. е. по существу ЭР) должна удовлетворять ряду специфических требований, главными из которых являются:

- компактность, т. е. возможность оперировать большими объемами
знаний и данных при малых массогабаритных характеристиках уст­ройств, на которых реализуется ЭР;

- гибкость, т. е. способность без специальных перестроек обращаться
к различным разделам знаний из рассматриваемой предметной области
и осуществлять в них эффективный поиск решений, удовлетворяющих целям управления;

- надежность, т. е. способность обеспечивать эффективное функционирование системы управления в условиях неполноты знаний об окру­жающей среде.

Кроме этого ЭР должен обладать быстродействием, необходимым для реализации процессов управления в реальном масштабе времени.

С учетом перечисленных требований к ЭР была разработана архитек­тура ЭР, показанная на рис. 3.

Рис.3. Архитектура экспертного регулятора

Работа ЭР условно разбита на три этапа.

На первом этапе решаются задачи проектирования САУ:

- выбор подходящей структуры модели объекта управления;

- определение параметров модели по заданной структуре на основе
нерекуррентных методов идентификации;

- выбор закона управления;

- предварительная настройка параметров закона управления;

- окончательный синтез параметров закона управления с помощью
процедур оптимизации по заданному пользователем критерию качества.

В результате решения всех перечисленных выше задач проектирова­ния системы в пространстве показателей качества переходного процес­са (далее — в пространстве качества) определяется "рабочая" точка.

На втором этапе решается задача обучения при изменении параметров модели системы в окрестности "рабочей" точки, полученной на этапе проектирования системы. Здесь формируются текущие эмпири­ческие знания о динамических свойствах системы:

- знания о функциональных особенностях объекта управления (ка­чественная зависимость между изменением параметров модели объекта
управления и параметрами критерия качества системы);

- знания о функциональных особенностях регулятора (качественная
зависимость между изменением коэффициентов закона управления и
параметрами критерия качества).

На третьем этапе происходит непрерывное слежение за про­текающими процессами и решаются задачи активной самодиагностики функционирующей системы, которые включают:

- обработку текущих данных измерений с датчиков;

- оценку изменений параметров системы, как аналитическими методами, так и на основе эмпирических знаний о динамических свойствах
объекта управления;

- коррекцию параметров регулирующего устройства;

- оценку проведенной коррекции;

- изменение закона управления (в случае необходимости).
Выбор между этапами работы ЭР осуществляется на основе правил, заложенных в специальную диспетчерскую программу, называемую в данной работе супервизором.

Как видно из рис. 3, в архитектуру ЭР, помимо блоков, имеющихся в любой ЭС, включена база алгоритмов (БА). В ней содержатся различные вычислительные алгоритмы, необходимые для идентификации парамет­ров ОУ и синтеза коэффициентов регулятора.

Основной проблемой при создании любой экспертной системы яв­ляется разработка БЗ в достаточно узкой области экспертизы, которая может быть решена в два этапа: на первом этапе должны быть форма­лизованы и структурированы экспертные знания о предметной области; на втором этапе должны быть формализованы представления этих зна­ний с помощью моделей искусственного интеллекта. Так как ЭР — это новое направление в области использования ЭС в управлении, то здесь ключевую роль играет разработка базы знаний в предметной области — области теории управления.

Поскольку теоретические знания содержат основные понятия, исполь­зуемые при описании предметной области, и свойства отношений, используемых для установления связей между понятиями, то к теорети­ческим знаниям в данной работе относятся знания о диапазонах входных и возмущающих сигналов, подаваемых на систему, о порядке аппрок­симирующей модели, о законе регулирования, о наличии нелинейных элементов в контуре управления, об областях эффективного использова­ния алгоритмов решения задач идентификации и синтеза системы управления.

В эмпирических знаниях ЭР должна содержаться информация о качественной зависимости между подпространством параметров систе­мы и подпространством прямых показателей качества переходного про­цесса в окрестности рабочей (полученной при синтезе) точки.

Приведенные знания в целях обеспечения доступно­сти чтения представляются на естественном языке в виде правил, струк­тура которых принята для продукционных систем искусственного интел­лекта. Фактически в программной реализации разработанной версии ЭР знания структурированы и представляются в сжатой форме на языке Пролог и в данной лекции не приводятся.