人造智能时代下有关智能调节的多少个难点,谈

日期:2019-10-06编辑作者:威尼斯在线平台

产生上面的问题并不能责怪理论数学与从事理论研究的数学家, 因为任何一门学科的能耐都是有局限的, 各个学科都有其成为学科的框架并有其能解决问题的范围, 如果对学科提出超越其能起作用范围的问题和要求, 那只应反省自己对该学科的定位是否恰当.

1.供水系统特性。针对特定对象,用户用水最突出的特点是随机性,哪个用户用水、用多少水、什么时候用水等,都具有很大的不确定性。从宏观角度考虑,供水系统特性主要表现在以下几个方面:

杨莹

4.专家控制。专家控制是智能控制的一个重要部分,它在将专家系统的理论和技术同控制理论的理论和方法有机结合的基础上,在未知环境下模仿专家的智能,实现对系统的有效控制。专家控制的核心是专家系统,它具有处理各种非结构性问题,尤其是处理定性的、启发式的或不确定性的知识信息,经过各种推理过程达到系统的控制目标。

强调了智能算法和仿真在智能控制中的重要性, 指出智能控制的核心当是以人工智能的方法来实现的控制算法.

不确定性问题。供水系统中的很多控制问题具有不确定性,用传统方法难以建模,因而也无法实现有效的控制。

例如20世纪末控制理论上兴起的切换系统, 人们希望这种理论能解决有关电网稳定运行的问题, 对于发生在电网中可能的切换无法预知, 于是这类稳定运行的问题在理论研究上就归结为多个系统存在公共 Lyapunov 函数的问题, 而后者只有阶次很低时才有明确的结论, 而这刚好是阶次很高的电网所无法接受的.

仿人智能控制,专家分别采用HISC与FC控制策略对不确定性复杂对象(或过程)作过仿真研究,虽然两者都是基于误差和误差变化率等来计算控制量,但因系统复杂、不确定性因素多、关联性特强(强耦合)的特点,经现场试验比较,HISC与FC都能实施有效控制,但控制品质与鲁棒性前者更好,因此采用HSIC完成对不确定性供水系统的控制,是—种较理智的选择。

人工智能在今天已经发展成一个很大的领域, 这个领域的几乎所有分支都与自动化有着千丝万缕的联系. 这种联系既有为自动化服务的智能元件与技术, 也有与自动化技术结合在一起形成的系统.

系统各变量间的关联性;

图片 1

模糊控制是基于模糊推理和模仿人的思维方法,对难以建立数学模型的对象实施的一种控制。它用模糊数学中的模糊集合来刻画这些模糊语言,并用产生式规则,即“假如条件成立则执行”语句予以实现。模糊控制技术的应用在国内已取得明显效果。

人工智能为控制带来的机遇和挑战

四、控制策略的选取

黄琳

环境干扰的未知性、多样性和随机性。

控制界在近年来的共识认为控制器的设计从信息科学的层面看, 其核心是控制算法的设计,控制算法主要根据系统的输入与输出信息、 系统及其可能产生变化的信息、系统工作环境的信息, 以及对系统所提任务和要求变化的信息, 经过采集、加工、分析、计算以形成系统能接受并可据此进行工作的控制命令. 控制命令的形成, 一个是对形成命令所需信息的齐备, 这中间首先是对控制对象的认知, 即对系统进行建模, 而对无论是输入、输出、环境变化等一系列信息的认知都涉及到信息采集与加工、信息的传输等. 无论关于建模等为控制命令的形成所需的信息准备工作, 还是在信息相对齐备后形成控制命令的过程, 都包含了各种必须行之有效的计算机算法. 这些算法由于问题的特点, 既可以是传统的也可以是智能的, 这自然取决于使用这些算法的具体条件与要求.

人工神经网络,因方法的局限性,同样也难于对所讨论的对象实现有效的控制。

上述分析表明控制科学的进一步发展必须在数学与计算机这两个支撑上更加依赖计算机的作用, 不仅将计算机作为复杂计算的工具, 而且应充分发挥计算机在人工智能上的巨大前景, 使之介入到日益复杂的控制系统设计、 运行、监控中来.

1.PID控制。PID控制是最早发展起来的、应用领域至今仍然广泛的控制方法之一,它是基于对象数学模型的方法,尤其适用于可建立精确数学模型的确定性控制系统。但对于非线形、时变不确定性系统,难以用常规的PID控制器达到理想的控制效果。而且,在实际生产中,由于受参数整定方法繁杂的困扰,常规的PID参数往往整定不良、性能欠佳。

在人的学习与研究过程中常常会出现灵感这一现象, 王国维借辛稼轩的词《元夜》中的词句“众里寻她千百度, 蓦然回首, 那人却在灯火阑珊处”来形容这种百思不得其解突然就像得到上帝的启示一样找到了解答的现象. 复杂性研究的人将此种现象归结为思索过程中的涌现行为并认定这是非线性复杂性引起的, 但至今在计算机仿人的思维中并未能揭示或复现这一有时非常有价值的过程.

目前,在现代的供水泵站中为了节能都普遍采用了变频器,为提高控制品质创造了良好条件。

仿真领域已经有数十年的历史积累, 而针对智能控制的依然不多, 针对智能控制的仿真平台的建立对于有效地将人工智能用于控制领域具有不可替代的极重要的作用, 这个仿真平台应该与传统的仿真平台能相容以使在实际应用中实现优势互补.

系统严重的非线性;

另一个制约理论与应用结合的因素是数学从一般式模型得到的一般化的概念与实际要求存在很大的差异, 数学能证明的性质往往是一种定性的性质例如极限与收敛, 这在控制理论的很多地方均依赖其说明方法的优点, 例如参数辨识与估计的收敛性, 系统中运动的渐近稳定性等. 但这种定性结论对于控制工程中的定量要求并不能直接给出答案. 数学对于问题能否求解往往给出的证明是一种存在性的证明, 无论是收敛性还是存在性, 在人们研究控制问题时均具有重要的指导意义, 但对于控制工程说来, 仅指明方向是不够的, 人们更希望能给出具体的方法以保证落实到工程可以接受与可以用的程度, 以及指出定量的结果.

三、供水泵站特点与其控制要求

论述了人工智能和传统控制的关系, 指出传统控制与智能控制不应互相排斥而是结合, 应认真研究智能控制与传统控制各自的优缺点与适用条件以做到优势互补.

5.仿人智能控制。仿人智能控制(HSIC)经过20年来的努力,已形成了基本理论体系和较系统的设计方法,并在大量的实际应用中获得成功。其主要内容是总结人的控制经验,模仿人的控制思想和行为,以产生式规则描述其在控制方面的启发与直觉推理行为。由于HSIC的基本特点是模仿控制专家的控制行为,因此它的控制算法是多模态控制的,是多种模态控制间的相互交替使用。该算法可以完美地协调控制系统中诸多相互矛盾的控制品质的要求。比如,鲁棒性与精确性,快速性与平稳性等。

在我国由于信息科学技术总体上与世界先进国家差距不算太大, 经过这几年的发展, 在一些领域已经处于领先地位. 人工智能作为信息科学一个新的重要领域, 其发展就自然被上升到国家发展战略的高度进行考虑.

3.控制要求。无论采用什么样的控制手段,都要满足用户用水需求(即维持一定的水压)、保护环境不受噪声污染,此外还要考虑节能。因此,控制要求可以确定为在满足用户对供水要求的前提下,尽可能减少环境污染和节约能源。

人类的智能就是由上述两种学习方式 (继承的和自主的) 经历长时间的发展过程而形成的.

智能控制已广泛应用于工业、农业、军事等多个领域,已经解决了大量的传统控制无法解决的实际控制应用问题,呈现出强大的生命力和发展前景,随着基础理论研究和实际应用的扩展,智能控制将会实现控制领域的一个大的飞跃。

黄琳, 杨莹, 李忠奎.

高度非线性。在供水系统中有大量的非线性问题存在,传统控制理论中,非线性理论远不如线性理论成熟,因方法过分复杂而难以应用。

(2) 这些智能算法常常与系统的复杂性研究有关, 开始于20世纪80年代的关于系统复杂性的研究, 其基本思想为超越还原论这些对研究工作长期的影响. 其讨论的对象是一定量非线性元件之间由于相互作用而出现的例如系统无序到动态有序的现象或从混沌到有序的现象、 物质进化过程的不可逆性及其机制、复杂系统的适应性特征等. 对这些现象的出现所进行的研究在方法论上与传统的数学、物理等科学研究不同, 需要一种新的思维方法和理论, 而这些方法与智能算法有时有相当好的契合.

半结构化与非结构化问题。传统控制理论无法解决供水系统中的半结构化与非结构化问题。

(3) 人们常将具有严格定义的物理、化学、生物界确定的方程、函数或泛函作为对象, 具有十分确定的数学公式而建立起来的算法称为传统的算法. 智能算法的特点则是不以确定的方程、函数或泛函为对象, 也不具有确定的数学公式, 而是根据规则之类的有时具有不确定性的方法利用计算机作为手段进行计算的, 因而智能算法是否有效主要不是依靠建立在公理体系上的严格的数学证明, 而是更接近于其他自然科学研究的方法论, 即以计算运行来对算法进行实验并从中寻求带规律性的东西来改进计算. 这也是智能算法更多是由物理学家而不是传统意义下的计算数学家创立的原因. 在相对简单的问题中, 传统计算与智能计算之间的差别比较清楚, 但对于日益复杂的大规模计算可能会呈现一种你中有我且我中有你, 十分复杂交叉的情况.

系统参数的未知性、时变性、随机性和分散性;

从控制器研究与应用的历史分析, 人们发现要对系统进行控制, 传统的想法是必须首先对系统有所认识, 但这种认识也可以基于对系统的工作原理及其性质的分析, 而未必一定要用数学方程表述出来.1788年Watt针对蒸汽机制造出离心调速器并未真正从方程和稳定性分析出发, 直到1868年物理学家Maxwell针对离心调速器和机械钟表的擒纵机构写出“论调节器”一文才首次在世界上利用理论工具对这两类系统进行了分析.

随着自动化程度的不断提高,运动控制系统可以采用以前很难实现的复杂算法,控制性能也有了很大的提高。运动控制系统中控制器的智能化,为解决那些用传统方法难以解决的复杂系统的控制提供了有效的理论和方法。运动控制方法较为成熟的有:PID控制算法、人工神经网络控制、模糊控制、专家控制、仿人智能控制等。

原标题:黄琳院士:人工智能时代下关于智能控制的几个问题

由此可见,用传统的方法不能对这类系统进行有效的控制,必须探索更有效的控制方法。

(4) 在工业实体中针对需求建立由计算机、人工智能、数学、控制和行业专业领域的人才组成的智能控制联合研究中心, 担负发展新的智能算法、 建立针对智能控制的仿真平台和将智能控制应用于所在行业的任务, 在一定程度上实现资源共享并以此中心为基础建立智能控制的研究基地以真正落实智能控制的研究.

以模糊控制理论为基础的模糊控制器能够实现对复杂工业过程的控制。其控制品质和效果还是令人满意的,是一种可供选择的策略。

另一个例子是神经网络的研究刚兴起不久, 人们也企图利用已有的 Lyapunov 方法去讨论神经网络的性质, 起初对于低阶的系统还是有一些进展, 但对于后来发展起来的多种类的乃至多层结构复杂的神经网企图再用严格但理想化了的数学理论提供启示实际上就成了天方夜谭式的愿望.

在城市建设的发展过程中,智能建筑已成为人们追求良好居住条件的一个标准,而供水泵站是智能建筑群域不可缺少的环节,合理选择水泵的控制方式,不仅可以降低工程造价,还能节能。

这方面一个突出的例子表现在由于包括航天需求在内考虑的弹性体控制问题上, 一方面从事实际工作或力学的人总把兴趣集中在振型分析基础之上的方法, 由于这不仅可与物理实验、仿真等相结合而且易于必要信息的获取, 而从事理论研究的则更乐于将其视为典型的分布参数系统的理论, 而且所用数学工具由半群理论直到Riemannian几何, 文章很多真正能用的却很少.

供水系统复杂性问题。复杂系统中各子系统间关系错综复杂,各要素间高度耦合,互相制约,外部环境又极其复杂,传统控制缺乏有效的解决方法。

如果说1936年图灵(Turing A M)建立自动机理论和随后在1950年发表论文Computing machinery and intelligence时, 人们还认为这是一种科学的理想, 并不能看清其实现的途径和发展的规模. 在经历了半个多世纪的发展后, 他的这种人工智能的思想, 已经大大地发展成为了信息领域的一个充满生机、日新月异的领域. 人们预测人工智能已经与纳米技术和基因技术并列为本世纪最具影响的三大尖端技术是很有道理的.

2.控制中存在的问题。上述特性,属于不确定性的复杂对象(或过程)的控制问题,传统控制已经无能为力,主要表现在:

图片 2

3.模糊控制。实际工程中,一个非常熟练的操作人员,能凭借自己丰富的实践经验,通过对现场的各种现象的判断取得较满意的控制效果。如果将凭经验所采取的措施转变成相应的控制规则,并且研制一个控制器来代替这些规则,也可实现对复杂工业过程的控制。实践证明,以模糊控制理论为基础的模糊控制器能够完成这个任务。

从广义上理解今日的控制, 已经是一个复杂、多结构、多尺度、多模式混合的系统, 而控制的要求已不再单一, 目标多样且可能互相制约, 这预示控制系统的新模式将呈现出将决策、管理、通信与控制一体化的趋势, 因而智能与控制的结合就有着一种广义的理解.如果控制只是原有动态过程的控制, 这样智能控制就具有明确的但相对狭义的定位.

变频器里一般都有PID控制模块,但对不确定性的供水复杂系统,用PID算法并不恰当。

中国科学: 信息科学, 2018, 48(8): 1112-1120

二、运动控制的主要方法

当前一些数学家已经进入到这些包括大数据、搜索引擎及很多计算机智能领域, 他们灵活地运用各种数学知识帮助解决计算机及相关智能问题, 建立行之有效的算法, 我们期待他们的合作在新一代的控制科学发展中发挥更好的作用. 这种趋势说明了一个现象, 即算法工程师特别是智能算法工程师今天不仅在人工智能的领域中担当重要角色, 而且在相关的IT企业中已成为极重要的岗位.

2.人工神经网络控制。人工神经网络起源于20世纪40年代,它从某些方面反映了人脑的基本特征,但并不是人脑的真实描写,而只是它的抽象、简化和模拟,网络的信息处理由神经元间的相互作用来实现。神经网络控制的关键是选择一个合适的神经网络模型,并对其进行训练与学习,直至达到要求为止,即寻找最优的神经网络结构与权值。然而,神经网络的学习,需要一定的实验样本,这些实验样本也必须从已知经验和事先的实验中获得。同时,神经网络的训练与学习过程,有时较为复杂,需要运行成千上万次才能获得最佳结构。有时获得的是一个局部最优解,而不是全局最优解,因方法的局限性,同样也难于对所讨论的对象实现有效的控制。

责任编辑:

专家控制系统(ECS),由于特征信息的采集、特征信息的表达以及完备知识库的建立实现难度大,采用专家控制系统也不一定是—个好的选择。

您可能还感兴趣:

可靠性问题。常规的基于数学模型的控制问题倾向于是一个相互依赖的整体,对简单系统的控制的可靠性问题并不突出。而对供水系统,如果采用上述方法,则(下转第18页)(上接第16页)可能由于条件的改变使整个控制系统崩溃。

图片 3

控制策略选取与被控对象特性是紧密相关的,错误或不当的控制策略往往会导致控制效果极差,甚至导致系统失控。

科学的成就首先是具体的, 在发展到一定阶段后才可能形成新的理论框架. 位于美国的Santa Fe Institute从事的复杂性研究首先揭示了一系列实际存在的复杂性现象,并从这些现象的研究中提炼出一系列不同于常规的新型的有时很有效的算法, 开创了智能算法的一片天地, 使很多过去看来十分困难的计算成为了可能, 显示出一种独特的优越性.

系统滞后的未知性和时变性;

针对自主式学习的过程, 人们一开始用计算机建立一些计算单元来模仿人的神经活动, 即用人造的神经元形成网络来实现人类或动物个体的相关活动. 由于构成神经元的单元是一种非线性元件, 因而将神经元组合在一起, 就能形成联想功能与学习功能. 人们利用这种功能可以创造出不少具有智能特征的部件, 特别将神经元组成多层神经网络可以将学习功能深化以便充分利用计算机容量大和速度快的巨大优势, 从而弥补人类在大容量的博弈智能方面的不足.

图片 4

(3) 建立一个适合于智能控制研究的仿真平台. 搞控制理论的人常对什么叫仿真产生误解, 认为按方程式设计好控制器然后闭合系统利用计算机算一个例子就叫仿真. 实际上仿真是指建设一个与真实世界相仿的体系, 在这个仿真体系上进行仿真运算可行的控制器在接上真实的控制对象后就应有同等的效果, 即仿真平台是模仿真实场景的用计算机构成的平台, 在仿真平台中某些单元在用真实物理部件代替后也应可以正常工作, 因此仿真与实验实际上包括计算机仿真、半物理仿真及实际接入系统的实验. 在控制工程中使用常规控制的方法时, 这一系列仿真与实验已经配套成熟, 在计算机仿真层次上也有专门的仿真机. 对于智能控制, 类似的仿真装置也应建立起来. 对于仿真设备, 首先要求的是建立仿真体系以保证实时性, 并同时能对仿真结果的有效性有评估的标准与对应的算法, 而且会进一步指出所用控制器改进的方向.

图片 5

图片 6

自从20世纪开始, 先是机电工业, 继之是交通航空等工业的发展, 按当时系统工作的条件与要求, 促使以反馈为核心思想的单回路单变量控制系统得到发展, 而积分变换及其在电力系统中所适用有效的运算微积的方法使在系统中常用的微分、积分和经过微分方程等的运算和相当复杂的元部件联结的关系可简单地化成传递函数的代数运算并用简明的标上传递函数的方框图表示出来, 这就使得以传递函数或频率特性为主要工具并有很好工程直观的经典控制理论得以发展成熟, 而这一方法在理论上并无特别深刻的理论内涵, 但却能十分有效地解决当时控制工程上提出的众多问题, 并形成了一套系统地解决控制器设计的方法, 当时的实践表明该方法的有效性. 而这一理论方法由于只能处理单回路控制系统, 在面对日益复杂的控制对象时迎来了挑战.

控制科学与技术是针对自动控制系统研究、设计、实验、运行中形成的科学与技术, 是自动化科学与技术的一个重要部分. 随着科学的发展和技术的进步, 系统的复杂程度越来越高, 工作要求也日益多样化、综合化与精确化, 这样越来越多的先进的技术特别是信息技术应用于控制系统, 这使得控制系统在很多情况下不再是原有的结构相对简单、控制目标单一的以反馈为主要特征的单回路控制系统, 原有的控制理论、方法在新的形势下不能适应要求, 这为人工智能的方法与技术更多地融入控制系统中来并发挥日益重要的作用创造了条件和提供了机遇.

控制系统从本质上讲具有两重性, 一方面它是一个信息系统, 其中输入输出关系主要依靠信息及其间关系加以描述, 但另一方面它又是实实在在的物质系统, 物质系统的运转必然带有这类物质系统的特性, 包括它能顺利工作的环境、客观必须遵守的约束和限制、组成系统的元部件所具有的能力等不是纯粹信息层面的因素. 就是从信息层面考虑系统中信息之间的关系的实现时也并不都能用简单的数学关系式进行刻画, 因为信息本身都有载体而载体本身又都是物质的.

正如一个复杂的社会常需要充满智慧的领导一样, 要控制这类体系的运转正常一定需要充满智慧的计算机系统, 而这也就自然地召唤智能科技的进入.

  • 感知类. 视觉、语音识别等.
  • 信息提取、理解与鉴别. 指纹、人脸识别, 虹膜、掌纹识别, 搜索功能, 语言图像等的理解, 模式识别等.
  • 推理决策及其实现. 机器证明, 自动程序设计, 智能控制, 自动组织、管理、规划与决策等.
  • 与自动化结合的系统形成了一系列新的应用领域. 例如操作机械手、服务型机器人、智能安检系统等.

人工智能是一个很大的领域

另一种学习过程是一种自主式的学习过程. 这个过程形成智能是通过不断迭代改进形成的. 它通过自身的感知, 对确定要做的事 (或目标) 进行分析确定达到目标的策略. 将每次结果进行记忆并与原有的进行比较以便更新, 这是一个不断改进以达到目的的过程. 这种学习过程对人类来说有些是通过大脑的思想过程, 有些只是在神经系统乃至神经系统的下游就可以完成, 甚至有些可以形成一种反射机制. 虽然人类社会经过几千年的历史积累已经形成对物理、化学、生物与生态的很多基础性认识并以继承性学习的方式传承下来, 但这些自主式的学习可以完全不依赖于这些积累而自主从无到有地学习并形成一种智能. 例如杂技团的演员在顶竹竿时, 他一般并不清楚顶竹竿的动力学在一些合理的假定下可以用倒立摆的方程进行描述, 自然他控制竹竿的动作也不是基于倒立摆方程设计的, 而是通过反复训练学习以掌握顶竿的本领.

本文由威尼斯在线平台发布于威尼斯在线平台,转载请注明出处:人造智能时代下有关智能调节的多少个难点,谈

关键词:

威尼斯在线平台:爱立信巩固型有线系统将加快

爱立信正在与弹性网络解决方案领域的全球供应商ECI建立新的合作关系,从而增强自身的轨道交通光纤传输产品实力...

详细>>

华为云计算中心下月投用,大庆数据产业风渐起

教育云为15万中型Mini学生提供在线应用 “机器换人”行动将建300条数字化生产线 一朵“工业云”:依托一加云计算、...

详细>>

拒绝纸上谈兵的区块链,数据库方向的三大顶级

原标题:黄铭钧:拒绝割肉医疮的区块链「实干家」 | CNCC 2018 ACM SIGMOD (Special Interest Group On Management Of Data) 由U.S....

详细>>

网络寻找引擎如何重塑世界,大家或者摆脱美利

原标题:中兴解禁后的第 52 天,我们可能摆脱美国科技产品吗? 原标题:谷歌20年“征战史”:互联网搜索引擎如何...

详细>>