1、分層遞階自組織控制概述摘要：智能控制在現(xiàn)代控制理論中占據(jù)著重要的地位，且是解決現(xiàn)代復(fù)雜大系統(tǒng)控制問題的有效方法。作為智能控制最早的理論之一，分層遞階自組織控制已廣泛應(yīng)用于各個領(lǐng)域，因此，學習了解分層遞階自組織控制的基本原理及其應(yīng)用對于學習智能控制是十分必要的。本文概括地介紹了分層遞階自組織控制的基本結(jié)構(gòu)和原理，并以其在全自主移動機器人和智能交通中的應(yīng)用概述了其在各個領(lǐng)域的應(yīng)用情況。關(guān)鍵字：智能控制，分層遞階自組織控制，基本原理，應(yīng)用引言控制理論自產(chǎn)生至今經(jīng)歷了三個發(fā)展階段，前兩個階段分別為“經(jīng)典控制理論”時期和“現(xiàn)代控制理論”時期；而到了 20 世紀 70 年代末，控制理論向著“大系統(tǒng)理論”、

2、“智能控制理論”和“復(fù)雜系統(tǒng)理論”的方向發(fā)展。在這一階段中，有關(guān)系統(tǒng)的研究從簡單到復(fù)雜，人們面臨的是解決大系統(tǒng)、巨系統(tǒng)和復(fù)雜系統(tǒng)的控制問題。智能控制理論是研究和模擬人類只能活動及其控制與信息傳遞過程的規(guī)律，研制具有某些擬人智能的工程控制與信息處理系統(tǒng)的理論。智能控制就是能在適應(yīng)環(huán)境變化的過程中模仿人和動物所表現(xiàn)出來的優(yōu)秀控制能力(動覺智能)的控制1。智能控制是人工智能技術(shù)、計算機科學技術(shù)與自動控制技術(shù)交叉的產(chǎn)物?？刂频囊蟆⑷斯ぶ悄艿姆椒ê陀嬎銠C軟硬件基礎(chǔ)構(gòu)成了智能控制發(fā)展的基礎(chǔ)。智能控制自被提出以來，已逐漸形成了：分級遞階自組織控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和仿人智能控制等方向。分層遞階自組織

3、控制即分級遞階智能控制(hierarchicallyintelligentcontrol),它是在研究早期學習控制系統(tǒng)的基礎(chǔ)上， 并從工程控制論的角度總結(jié)人工智能與自適應(yīng)、自學習和自組織控制的關(guān)系之后而逐漸地形成的，也是智能控制的最早理論之一，它對智能控制系統(tǒng)的形成起到了重要的作用。1、分層遞階自組織控制理論的提出與發(fā)展60 年代，自動控制理論和技術(shù)的發(fā)展已漸趨成熟，控制界的學者為了提高控制系統(tǒng)的自學習能力， 開始注意將人工智能技術(shù)與方法應(yīng)用于控制系統(tǒng)。 1966 年 J.M門德爾首次主張將人工智能用于飛船控制系統(tǒng)的設(shè)計；1971 年著名學者傅京遜從發(fā)展學習控制的角度首次正式提出智能控制這個新

4、興的學科領(lǐng)域。美國的 Saridis 教授首次提出了分層遞階的控制結(jié)構(gòu)形式，他在 1977 年出版了隨機系統(tǒng)的自組織控制(Self-OrganizingControlofStochasticSystems)一書， 同年發(fā)表綜述文章朝向智能控制的實現(xiàn)(TowardtheRealizationofIntelligentControls)。在這兩篇著作中論述了從通常的反饋控制到最優(yōu)控制、隨機控制，再到自適應(yīng)控制、自學習控制、自組織控制，并最終向智能控制這個更高階段發(fā)展的過程。其控制智能是根據(jù)分級管理系統(tǒng)中十分重要的“精度隨智能提高而降低(IPDI)”的原理而逐級分配的。這種分級遞階控制系統(tǒng)是由組織級

5、、協(xié)調(diào)級和執(zhí)行級組成。其控制精度由下而上逐級遞減，智能程度由下而上逐級增加。他在理論上的一個重要供獻是定義了嫡作為整個智能控制系統(tǒng)性能的度量，并對每一級定義了嫡的計算方法，證明了在執(zhí)行級的最優(yōu)控制等價于使某種嫡最小的控制方法。80 年代后期，他對原有的工作進行了重要的改進，在最新的研究中采用神經(jīng)元網(wǎng)絡(luò)中的 Boltzmann 機來實現(xiàn)組織級的功能，并利用 Petri 網(wǎng)為工具來實現(xiàn)協(xié)調(diào)級的功能。組織級代表控制系統(tǒng)的主導(dǎo)思想，具有最高的智能水平，涉及知識的表示與處理，由人工智能起主導(dǎo)作用。協(xié)調(diào)級為組織級和執(zhí)行級之間的連接裝置，涉及決策方式的表示，由人工智能和運籌學起主導(dǎo)作用。執(zhí)行級是智能控制系統(tǒng)

6、的最低層次，要求具有最高的控制精度，由常規(guī)控制理論進行控制。2、分層遞階自組織控制的基本原理與基本結(jié)構(gòu)2.1分層遞階自組織控制的基本結(jié)構(gòu)目前智能遞階控制理論主要有兩類，一類是由 Saridis 提出的基于 3 個控制層和IPDI(IncreasingPrecisionwithDecreasingIntelligent)原理的三級遞階智能控制理論，另一類是由 Villa 提出的基于知識描述/數(shù)學解析的兩層混合智能控制理論。 這里講的主要是 Saridis 的分級智能控制理論。Saridis 提出的分級遞階智能控制理論按照 IPDI 的原則分級管理系統(tǒng)，它由組織級、協(xié)調(diào)級、執(zhí)行級三級組成的，如圖

7、1 所示2:圖 1 分層遞階自組織控制系統(tǒng)結(jié)構(gòu)示意圖1、組織級(Organizationlevel)組織級是遞階智能控制系統(tǒng)的最高級，具有最高的智能程度，對精度的要求不高。它能夠模仿人的行為功能，具有相應(yīng)的學習能力和高級決策的能力。它組織監(jiān)視并指導(dǎo)協(xié)調(diào)級和執(zhí)行級的所有行為。組織級能夠根據(jù)用戶對任務(wù)的不完全描述與實際過程和環(huán)境的有關(guān)信息，組織任務(wù)，提出適當?shù)目刂颇Ｊ较虻蛯酉逻_，以實現(xiàn)預(yù)定的控制目標。在組織級中，識別的功能在于翻譯定性的命令和其它的輸入。2、協(xié)調(diào)級(Coordinationlevel)協(xié)調(diào)級是遞階智能控制系統(tǒng)的次高級，它要求精度也不高，但要有比較高的智能決策功能。協(xié)調(diào)級用來協(xié)調(diào)控制

8、級的動作，它不需要精確的模型，但需具備學習功能以便在在線的控制環(huán)境中改善性能，并能接受上一級的模糊指令和符號H0協(xié)調(diào)級可以進一步劃分為兩個分層：控制管理分層與控制監(jiān)督分層?？刂乒芾矸謱踊谙聦拥男畔Q定如何完成組織級下達的任務(wù)，以產(chǎn)生施加給下一層的控制指令；控制監(jiān)督分層的任務(wù)是保證、維持執(zhí)行級中各控制器的正常運行，并進行局部參數(shù)整定與性能優(yōu)化。協(xié)調(diào)級一般由多個協(xié)調(diào)控制器組成，每個協(xié)調(diào)控制器既接受組織級的命令，又負責多個執(zhí)行級控制器的協(xié)調(diào)。協(xié)調(diào)級是組織級與執(zhí)行級之間的接口，運算精度相對較低，但有較高的決策能力與一定的學習能力。3、執(zhí)行級(Executivelevel)執(zhí)行級是遞階智能控制系統(tǒng)的最

9、低一級，要求精度高，由控制理論起主導(dǎo)作用。智能較弱?？刂萍壱话阌斜容^準確的模型，由多個硬件控制器組成，其任務(wù)是完成具體的控制任務(wù)，并不需要決策、推理、學習等功能。執(zhí)行級的控制任務(wù)通常是執(zhí)行一個確定的動作，執(zhí)行級控制器直接產(chǎn)生控制信號，通過執(zhí)行結(jié)構(gòu)作用于被控對象（過程）；同時執(zhí)行級也通過傳感器測量環(huán)境的有關(guān)信息，并傳遞給上一級控制器，給高層提供相關(guān)決策依據(jù)。在控制級中，識別的功能在于獲得不確定的參數(shù)值和監(jiān)督系統(tǒng)參數(shù)的變化。這三層的級聯(lián)關(guān)系冏見圖 2:圖 2 分層遞階的級聯(lián)結(jié)構(gòu)圖中 C 為輸入指令，U 為分類器的輸出信號。這一遞階控制系統(tǒng)是個整體，它把定性的用戶指令變換為一個物理操作序列。系統(tǒng)的輸

10、出是通過一組施于驅(qū)動器的具體指令來實現(xiàn)的。一旦接收到初始用戶指令，系統(tǒng)就產(chǎn)生操作，這一操作是由一組與環(huán)境交互作用的傳感器的輸入信息決定的。這些外部和內(nèi)部傳感器提供工作空間環(huán)境（外部）和每個子系統(tǒng)狀況（內(nèi)部）的監(jiān)控信息。智能機器融合這些信息，并從中選擇操作方案。2.2 分層遞階自組織控制系統(tǒng)的基本原理遞階智能控制的嫡準則在 Saridis 的遞階智能控制系統(tǒng)中，對各級采用嫡作為測度。組織級用嫡衡量所需知識；協(xié)調(diào)級用嫡測量協(xié)調(diào)的不確定性；執(zhí)行機用嫡表示系統(tǒng)的執(zhí)行代價。每一級的嫡相加成為總嫡，用于表示控制作用的總代價。設(shè)計和建立控制系統(tǒng)的原則就是總烯 I最小。對于不確定性問題，通常采用嫡（Entro

11、py）函數(shù)作為性能度量，嫡越大，表明不確定性越大，以嫡最小去確定最優(yōu)控制策略?；驹碇悄軝C器中的高層功能模仿人的行為，是基于知識系統(tǒng)的?？刂葡到y(tǒng)的規(guī)劃、決策、學習、數(shù)據(jù)存取和任務(wù)協(xié)調(diào)等，都可以看作知識的處理與管理。同時，可以用嫡作為度量去衡量控制系統(tǒng)，各子系統(tǒng)的協(xié)調(diào)與控制均可集成為適當?shù)暮瘮?shù)。因此，可把知識流作為此類系統(tǒng)的關(guān)鍵變量，一臺知識機器中的知識流可代表以下方面：1)數(shù)據(jù)處理與管理。2)通過 CPlft 行規(guī)劃與決策。3)通過傳感器獲取外界信息與數(shù)據(jù)。4)定義軟件的形式語言。在 Saridis 提出的 IPDI”精度隨智能提高而降低”的分級遞階智能控制理論基本原則里，定義了一些相關(guān)概念

12、：機器知識(MachineKnowledge,K)：消除智能機器指定任務(wù)的不確定性所需要的結(jié)構(gòu)信息。知識是一個由機器自然增長的累積量。機器知識流量(RateofMachineKnowledge,R):通過智能機器的知識流，即機器知識的流率。機器智能(MachineIntelligence,MI):對事件或活動的數(shù)據(jù)庫(DB)進行操作以產(chǎn)生知識流的動作或規(guī)則的集合，即分析和組織數(shù)據(jù)，并把數(shù)據(jù)變換為知識。機器不精確性(MachineImprecision):執(zhí)行智能機器任務(wù)的不確定性。機器精確性(MachinePrecision):機器不精確性的補。一類出現(xiàn)信息的機器知識可以表示為K=-a-lnP

13、(K)=能量式中 P(K)知識的概率密度；a選取的系數(shù)。概率密度函數(shù) P(K)滿足的表達式與杰恩(Jaynes)最大嫡原則一致P(K)=e=-KxP(K)dx=1 二=lne.dx在這種概率密度函數(shù) P(K)的選擇下，知識 K 的嫡也就是不確定性最大。知識流是具有離散狀態(tài)的智能機器的主要變量，在一定的時間間隔 T 下，可以表示為K、R=T=功率知識流滿足下列關(guān)系MI：(DB)一(R)可見，機器智能對數(shù)據(jù)庫進行操作產(chǎn)生知識流。當知識流(R)固定時，較小的知識庫要求有較多的機器智能，而較大的知識庫要求的機器智能則相應(yīng)較少。由于概率論是處理不確定性的經(jīng)典理論，因此可以用事件發(fā)生的概率去描述和計算推理

14、的不確定性測度。知識流、機器智能、知識數(shù)據(jù)庫之間的概率關(guān)系可以如下表示。MI 和 DB 的聯(lián)合概率產(chǎn)生知識流的概率可表示為P(MI,DB)=P(R)由概率論的基本理論可推出P(MI/DB)P(DB)=P(R)等式兩端取自然對數(shù)可得lnP(MI/DB)+lnP(DB)=lnP(R)上述公式表示出知識流、機器智能與知識數(shù)據(jù)庫之間的簡單概率關(guān)系，因此各種函數(shù)的嫡便可起到測量的作用。上式兩端取期望值，可得嫡方程H(MI/DB)+H(DB)=H(R)如果 MI 與 DB 無關(guān)，則有H(MI)+H(DB)=H(R)由上式可知， 在建立和執(zhí)行任務(wù)時， 期望知識流量不變， 則增大數(shù)據(jù)庫 DB 的嫡(不確定性)

15、，就要減小機器智能 MI 的嫡，即數(shù)據(jù)庫中數(shù)據(jù)或規(guī)則減小，精度降低，就要求減小機器智能的不確定性， 提高機器智能的智能程度； 反之， 若減小數(shù)據(jù)庫 DB 的嫡，便可增大機器智能 MI 的嫡，即數(shù)據(jù)庫中數(shù)據(jù)或規(guī)則增加，精度提高，對機器智能的要求便可降低。這就是 IPDI 原則。在分級遞階智能控制系統(tǒng)中，組織級起到主導(dǎo)作用，處理知識的表示與處理，主要應(yīng)用人工智能，智能程度最高，但精度最低；協(xié)調(diào)級連接組織級與執(zhí)行級，涉及決策方式及表示，主要應(yīng)用人工智能與運籌學實現(xiàn)控制，具有一定的智能程度；執(zhí)行級是最低層，具有很高的控制精度，采用常規(guī)控制方式實現(xiàn)，智能程度最低。綜上所述，分級遞階智能控制的基本原理為：

16、系統(tǒng)按照自上而下精度漸增、智能遞減的原則建立遞階結(jié)構(gòu)，而智能控制器的設(shè)計任務(wù)是尋求正確的決策和控制序列，以使整個系統(tǒng)的總嫡最小。這樣，遞階智能控制系統(tǒng)就能在最高級組織級的統(tǒng)一組織下，實現(xiàn)對復(fù)雜、不確定系統(tǒng)的優(yōu)化控制。2.3 自組織的概念自組織一詞是演化系統(tǒng)學中的一個術(shù)語， 基本含義是進化。 借用“自組織”一詞，將某些智能控制系統(tǒng)稱作自組織智能控制系統(tǒng)應(yīng)該有其特定的內(nèi)涵。自組織智能控制系統(tǒng)應(yīng)能自發(fā)地形成為了控制所需的有序結(jié)構(gòu)，自發(fā)地使控制性能具有進化（適應(yīng)）性?；蛘哒f，自組織智能控制系統(tǒng)有兩個特點：一是它備有許多不同類型的控制算法/器（如 PID 算法、模糊邏輯控制器,）,且可隨時指定一種或一種

17、以上的控制算法/器進行有機的組合，對對象施行有效的控制；二是控制性能具有進化性。這里的進化性有兩層含義，在某個時間段內(nèi)的進化性和在整個控制過程中的進化性。對于對象是非線性、高階、純滯后、時變的，環(huán)境變化范圍寬又有隨機干擾的復(fù)雜系統(tǒng)，采用單一的智能控制方案很難奏效。這種情況下應(yīng)該采用自組織智能復(fù)合控制。這種自組織智能復(fù)合控制系統(tǒng)很復(fù)雜，并不是幾種控制器簡單的堆積，而是它們有序的組合。3 分層遞階自組織控制的應(yīng)用分層遞階自組織控制作為智能控制的最早理論之一，已經(jīng)被廣泛應(yīng)用于各個行業(yè)，下面簡要介紹其在機器人控制和交通控制方面的應(yīng)用。全自主移動機器人分層遞階控制全自主移動機器人是機器人研究與應(yīng)用的發(fā)展

18、方向，其所處環(huán)境大多為復(fù)雜的非結(jié)構(gòu)化環(huán)境，需要機器人具備穩(wěn)定的機械性能，高效的機動性能、強大的環(huán)境感知能力和快速的反應(yīng)能力。因此，這類機器人一般都配備多種外部傳感器組成的復(fù)雜感覺系統(tǒng)以全面地獲取環(huán)境信息。同時，執(zhí)行機構(gòu)也朝著仿生的方向發(fā)展。全自主機器人對環(huán)境的感知、理解、判斷、對動作的決策依賴于機器智能?；诜謱舆f階控制思想的智能機器人體系結(jié)構(gòu)如圖 3 所示。該系統(tǒng)采用標準的數(shù)據(jù)總線與外部數(shù)據(jù)進行通訊。系統(tǒng)結(jié)構(gòu)包含智能級、協(xié)調(diào)級和執(zhí)行級。環(huán)境信息、地圖知識、規(guī)劃知識和綜合信息數(shù)據(jù)庫等構(gòu)建起機器人世界模型。智能級根據(jù)任務(wù)建立任務(wù)模型，完成任務(wù)規(guī)劃。雙目視覺系統(tǒng)和聲納、PS 旁傳感器所提供的環(huán)境信

19、息構(gòu)成環(huán)境模型，人工智能模塊結(jié)合歷史信息表、局部狀態(tài)表等本體位姿信息對機器人進行全局路徑規(guī)劃和重規(guī)劃。協(xié)調(diào)級接受全局路徑規(guī)劃信息，通過協(xié)調(diào)機制和信息融合算法給出決策系統(tǒng)動作指令的最佳控制方案，并由執(zhí)行級完成環(huán)境信息、本體狀態(tài)和位姿信息的測量與控制。其中，智能級和控制級分別配備獨立工控機。雙目視覺的硬件擴展通過 PCI 接口和預(yù)留 US 醫(yī)口實現(xiàn)，云臺 CC撥像機通過視頻采集卡與標準 PCI 總線相連， 視覺信息的處理由圖像處理庫函數(shù)實現(xiàn)。云臺 l/4typeSuperHADCC 撥像機有 2 個自由度。 水平視角 6.6to65。Degree,完成遠距離大范圍運動物體的跟蹤識別，而固定 CC 映像機可采集機器人周遍信息，結(jié)合位姿信息，完成機器人定位4o智智能能級級協(xié)協(xié)謂謂級級執(zhí)執(zhí)行行圖 3 分層遞階控制的自主機器人結(jié)構(gòu)化設(shè)計圖分層遞階自組織控制在智能交通系統(tǒng)中的應(yīng)用路口信號燈的控制問題是智能交通控制系統(tǒng)中的一個重要問題，對于單個路口，在不考慮路口之間相關(guān)性的情況下，比較容易達到控制目標的要求，但是這與路口的實際情況相去甚遠。對于復(fù)雜的問題如交通干線上相鄰路口之間信號燈的協(xié)調(diào)控制，普通的控制方法較難達到控制目標。城市交通干線分層遞階控制采用兩層結(jié)構(gòu)：第一層為控制級，針對單個路口，利用路口線圈采集到的車輛信息，使用神經(jīng)網(wǎng)絡(luò)對下一