Уровни иерархии интеллектуальной системы управления и степень интеллектуальности

МЕТОДИЧЕСКИЕ УКАЗАНИЯ

к практическим занятиям по курсу

«Основы интеллектуализации средств автоматизации»

Владимир

Составитель: И.Н. Егоров

УДК 681.5(07)

Материалы и методические указания к практическим занятиям по курсу «Основы интеллектуализации средств автоматизации» для специальности 220700.Сост. И.Н.Егоров. – Владимир: ВлГУ им. А.Г. и Н.Г. Столетовых, 2012, - 160 с.

СОДЕРЖАНИЕ

1.ПЗ1.Основы концепции интеллектуального управления сложными динамическими объектами 3

2. ПЗ_2,Интеллектуальные средства автоматизации: понятия, определения, принципы построения 7

3. ПЗ₃. Способы представления и обработки знаний в интеллектуальных системах 16

4. ПЗ₄ .Нейронные сети 49

5. ПЗ₅. Исчисление предикатов 66

6.ПЗ₆. Эволюционные аналогии в искусственных интеллектуальных системах 75

7.ПЗ₇. Интеллектуальные мультиагентные системы 110

8.ПЗ8. Принципы построения и проектирования экспертных систем……136

Литература 160

1.ПЗ₁.Основы концепции интеллектуального управления сложными динамическими объектами.

1.1. Структура интеллектуальной системы(Рис.1.)

Рис.1.Структурная схема интеллектуальной системы

Возможность создания специальных моделей интеллектуальных систем управления, послужило развитие аппаратных средств поддержки процессов, протекающих в интеллектуальных систе­мах. Первоначально с целью ускорения процессов обработки знаний, а позже и с целью снижения сроков создания интеллектуальных систем, в их состав стали включать аппаратно реализованные блоки, осуществляю­щие некоторые функции системы. Можно выделить три основные груп­пы таких средств:

спецпроцессоры поддержки языков программирования высокого
уровня (типа Лисп, Пролог, Рефал и др.);

спецпроцессоры для интеллектуальных баз данных и баз знаний
(в том числе для логического вывода);

спецпроцессоры для интеллектуального интерфейса (обработ­ки изображений, текстов и речи).

Отдельную группу составляют всевозможные аппаратно реализован­ные средства обработки лингвистической, в том числе нечеткой инфор­мации (нечеткие процессоры).

Интеллектуальные системы с такими блоками в своем составе полу­чили название "систем с развитыми средствами аппаратной поддержки"

Особенно удобными для целей техничес­кого управления оказались так называемые открытые системы, т. е. системы, способные с течением времени совершенствовать свое поведе­ние благодаря заложенным в них алгоритмам обучения. Принципиальная открытость систем в соответствии со вторым прин­ципом обеспечивается наличием таких подсистем высшего ранга в иерар­хической структуре, как самонастройка, самоорганизация и самообуче­ние.

Основным предметом исследований в теории интеллектуальных сис­тем явилась разработка структур, претендующих на обеспечение интел­лектуального поведения при решении различных задач.

Важно отметить, что под интеллектуальностью системы здесь под­разумевается ее способность работать с базой внешних событий или си­туаций для привлечения знаний, позволяющих уточнить предложенную задачу и наметить пути ее решения; под неточностью понимается нео­пределенность, или, другими словами, свобода выбора в выполнении опе­рации по решению задачи.

Уровни иерархии интеллектуальной системы управления и степень интеллектуальности

Пять принципов организации интеллектуальной управляю­щей структуры:

- наличие тесного информационного взаимодействия управляющих
систем с реальным внешним миром и использование специально организованных информационных каналов связи;

- принципиальная открытость систем для повышения интеллектуальности и совершенствования собственного поведения;

- наличие механизмов прогноза изменений внешнего мира и собственного поведения системы в динамически меняющемся внешнем
мире;

- построение управляющей системы в виде многоуровневой иерархической структуры в соответствии с правилом: повышение интеллектуальности и снижение требований к точности по мере повышения ранга иерархии в системе (и наоборот) - неточность знаний о модели объекта или о его поведении можно скомпенсировать увеличе­нием числа уровней интеллектуальности, а также использованием совер­шенных механизмов принятия решений в условиях неопределенности в соответствующих алгоритмах управления. ;

- сохраняемость функционирования (возможно, с некоторой потерей
качества или эффективности) при разрыве связей или потере управляющих воздействий от высших уровней иерархии управляющей структуры - устанавливает лишь частичную потерю интеллектуальности (но не прекращение функционирования) при отка­зах в работе высших уровней иерархии системы..

Для реализации указанных выше пяти принципов в интеллектуальной системе управления необходимо предусмотреть следующие слои обработ­ки неопределенной информации (слои интеллектуальности):

- слой прогноза событий;

- слой самообучения и адаптации;

- слой работы с базами событий, знаний и формирования решений;

- исполнительный слой.

В зависимости от того, сколько слоев интеллектуальности имеет та или иная система, можно говорить о разных степенях ее интеллектуаль­ности. Под степенью интеллектуальности можно подразуме­вать различные средства борьбы с недоопределенностью либо самого объекта управления, либо его поведения в непредсказуемом динамичес­ком внешнем мире.

Введем ряд определений:

- система управления, функционирование которой ограничено
двумя нижними слоями интеллектуальности, имеет степень интеллектуальности в малом;

- система управления, функционирование которой ограничено
тремя нижними слоями интеллектуальности, имеет степень интеллек­туальности в большом;

- система управления, функционирование которой поддерживается
всеми четырьмя слоями интеллектуальности, называется интеллектуальной в целом.

В подобных системах управления свойство интеллектуальности проявляется в таких аспектах, как управ­ление в условиях неопределенности, самообучение и адаптация. При самообучении и адаптации интеллектуальных систем управления, к настоящему моменту достаточно широкое распространение получили методы эволюционного моделирования на базе нейрон­ных сетей, настраиваемых с помощью генетических алгоритмов.

В системах управления, интеллек­туальных в целом, на верхних уровнях управляющей структуры исполь­зуются, как правило, экспертные системы, в состав которых могут быть включены такие механизмы правдоподобного вывода на знаниях, как вывод по аналогии, на основе здравого смысла и т. п. В системах такой степени интеллектуальности могут быть автоматически сформулирова­ны решения, вполне приемлемые в сложившейся ситуации, но неожидан­ные даже для экспертов.

Концеп­туальная модель, организованная с использованием в контуре управле­ния базы нечетких правил, блока нечеткого вывода, фаззификатора (переводящего четкие значения входов в лингвистические значения) и дефаззификатора (выполняющего обратное преобразование) совместно со средствами обучения на базе нейронной сети, составляет основу схемы так называемых "мягких вычислений".

Интеллектуальные системы управления — это системы вов­се не обладающие какой бы то ни было '"интеллектуальностью" в общепринятом смысле. Это прежде всего класс систем, строящихся с применением новой информационной технологии обработки и исполь­зования знаний (Рис.2 ). Такой подход к построению систем управления позво­ляет в ряде случаев повысить динамические характеристики создаваемой системы путем лингвистической аппроксимации (!!!) поведенческих характе­ристик управляемого объекта. Более того, мы можем в ряде случаев от­казаться от организации традиционной обратной связи в САУ, если нам удастся адекватным образом представить ее работу с помощью знаний на основе определенных правил

Рис.2. Принципы организации интеллектуальных систем управления

Каждый уровень иерархии управления может иметь различную степень интеллектуальности: от интеллектуаль­ности в малом до интеллектуальности в целом.

На стратегическом уровне необходимо иметь высокую степень интеллектуальности, что определяется набором функциональных задач по планированию целесообразного поведения сложного объекта управления и согласуется с принципом Саридиса.

Более проблематичной, на первый взгляд, представляется интеллектуа­лизация тактического и тем более приводного уровня. Тем не менее, совершенно реальный смысл приобретает термин "интеллектуальный привод" (рис.3), под которым понимается привод с системой управления, имеющей степень интеллектуальности в малом. Применение интеллектуальных техно­логий позволяет синтезировать на базе достаточно простых аппаратных и программных средств новое поколение регуляторов (интеллектуальные регуляторы) для создания широкого спектра высококачественных адап­тивных электроприводов.

Рис.3. Интеллектуальный привод

На рис.4. представлен один из видов интеллектуального регулятора-экспертный регулятор.

Рис. 4. Структура экспертного регулятора

На первом этапе этих работ наибольшее раз­витие получили технологии экспертных систем и нейросетевых структур. Экспертная система выполняла функции интеллектуальной надстройки над ПИД-регулятором и периодически подстраивала его коэффициенты в зависимости от изменения параметров следящего элек­тропривода. Занимая объем памяти около 350 Кб, экспертный регулятор обеспечивал адаптивное управление в широком диапазоне возмущений, но не обладал быстродействием, необходимым для управление в реаль­ном масштабе времени.

Регулятор, построенный на базе 80 статических нейронов (названный нейросетевым регулятором) и обученный на оптимальный по быстродей­ствию принцип функционирования, включался в контур системы управ­ления последовательно с объектом. Он обеспечивал очень высокое быс­тродействие при слежении за различными входными воздействиями и, что особенно интересно, инвариантность к определенного рода внешним возмущениям.

Работы по созданию экспертного и нейросетевого регуляторов под­тверждают, что интеллектуализация приводного уровня это не самоцель, а новый способ решения комплексной задачи адаптивного управления. Перспективным представляется применение технологии ас­социативной памяти, поскольку реализованный на ней интеллектуальный регулятор привода требует менее 20 Кб памяти.

Весьма убедительные результаты получены по созданию на базе нейросетевых структур самообучающихся систем управления со степенью интеллектуальности в большом. Под самообучением понимает­ся использование комплекса методов и алгоритмов для настройки и фун­кционирования системы управления с неизвестным динамическим объек­том. В процессе синтеза системы осуществляются следующие этапы: функциональная идентификация объекта; первоначальная настройка регулятора; адаптация параметров регулятора в процессе управления.

2. ПЗ_2,Интеллектуальные средства автоматизации: понятия, определения, принципы построения.