11:46上海工程技术大学机械工程学院1第2章递阶智能系统2.1递阶智能系统概述2.2递阶智能系统的信息处理2.3递阶智能系统的数据融合2.4递阶智能系统结构11:46上海工程技术大学机械工程学院22.1递阶智能系统概述大信息量的年代,人们面临着新的机遇和挑战:一是如何探索和制作不同的传感器,更多更准确地获得复杂过程的各个侧面和层次的信息;二是面对所获得的这些不确定的、非线性的、非稳定和多样化的信息如何用不同的表示方法和技术去构造智能控制系统。11:46上海工程技术大学机械工程学院3一、信息层次1、系统通讯信号2、操作指令3、现场设备运行状态信号2.1递阶智能系统概述11:46上海工程技术大学机械工程学院4二、信息特征1、信息的空间性空间信息的主要特征是确定和不确定(模糊)的、全空间和子空间的、同步和非同步的、同类型和不同类型的、数字的和非数字的信息,比传统系统更为复杂的多源、多维信息。2、信息的复杂性复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干扰性等特性的复杂被控对象2.1递阶智能系统概述11:46上海工程技术大学机械工程学院53、信息的污染性复杂生产制造过程的信息都要受到污染,但不同层次的信号受干扰程度不同。层次较低的信号受污染程度大,如现场测量信号易受到两大类干扰的影响,系统本来的扰动(原料特性的波动、操作的波动、设备状况的扰动等)和外界的随机干扰(检测元件的扰动、电力系统负荷、强电磁干扰、雷电等自然现象的扰动等)。2.1递阶智能系统概述11:46上海工程技术大学机械工程学院62.2递阶智能系统的信息处理一、基本概念1、模式2、模式矢量3、模式识别4、模式识别优化5、训练6、样本7、样本变量和应变量:11:46上海工程技术大学机械工程学院78、特征(变)量9、噪音10、模式空间11、空间变换12、空间降维13、线性变换和非线性变换14、正映照15、逆映照2.2递阶智能系统的信息处理11:46上海工程技术大学机械工程学院8二、基本方法1、选取特征变量特征变量的选取可以区分为选择特征变量和抽取特征变量两种方式。通常,前者指直接从采集样本的全体原始工艺参数中选出一部分来作为特征变量,后者指对上面所选出来的原始变量进行线性或非线性组合,形成新的变量,然后取其中的一部分作为特征变量。选取方法:2.2递阶智能系统的信息处理11:46上海工程技术大学机械工程学院9(1)变量相关性当一个变量在某一个范围内为某一个数值时,另一个变量也会有一个或若干个确定的数值与之对应,这两个变量之间就被认为存在相关关系。相关关系反映这两个变量数值之间的变化有一定的规律性。(2)变量对目标的贡献变量对目标的贡献大小是选取特征变量的重要依据。当某个变量对目标(例如对样本分类)贡献很小时,它可以被去掉。2.2递阶智能系统的信息处理11:46上海工程技术大学机械工程学院102、滤波的方法数字滤波:用计算机软件滤波,通过一定的计算程序对采样信号进行平滑加工,提高信噪比,消除或减少各种干扰信号,以保证计算机数据采集和控制系统的可靠性工作。模拟滤波:用硬件来进行滤波。数字滤波与模拟滤波相比有以下优点:(1)不需要增加任何硬件;(2)数字滤波器则可以多个通道共用,从而降低了成本,提高了可靠性;(3)实际灵活、方便,可根据需要选择不同的滤波方案,改变滤波器的参数非常容易。2.2递阶智能系统的信息处理11:46上海工程技术大学机械工程学院113、剔除迷途样本在工业人工智能优化中,引进模糊理论的隶属度概念,给每一个样本分配各类型的隶属度,让计算机在任意维空间自动识别、删除迷途样本。2.2递阶智能系统的信息处理11:46上海工程技术大学机械工程学院12一、分解和综合随着分布式智能仪表(传感器)的自身数据处理和通讯能力的提高,它可以保证传感器级和计算机级(中心级)两套数据处理和综合算法。在它们之间建立协调器。协调器先用各传感器的局部估计和协方差表示全局估计和协方差和;而后将整个系统全局估计反传到传感器级的状态估计。2.3递阶智能系统的数据融合11:46上海工程技术大学机械工程学院13二、数据融合复杂生产制造过程中,传感器的种类众多,如温度、压力、和流量传感器等,其数量也众多,那就必须有效融合各传感器的测量信号。多传感器数据融合(或多源信息融合)中,已成为一种基本的、重要的融合算法,为处理不确定、不精确、不完善信息提供了有效途径。在目标检测、识别、跟踪、态势评估、决策分析、机器人导航、故障诊断、数字图像处理等方面具有广泛的应用。2.3递阶智能系统的数据融合11:46上海工程技术大学机械工程学院14大系统稳态优化结构分现场级、控制级(DCS)、局部优化级和全局优化级,它是一个递阶结构。其智能程度遵循这样一个原则,即“智能增加则精度下降”。(1)现场级必须高精度地执行局部控制任务,满足某一局部的性能指标;(2)次高级局部优化级主要协调各子任务的运行,只要求较低级的运算精度,但要有较高的决策能力,甚至还具有一定的学习功能;(3)最高级全局优化级,作为语言的组织者,具有相应的学习和决策能力,包括对一系列随机输入的语句进行语法分析,行为组织、辨识控制情况以及在大致了解任务执行细节的情况下,提出适当的控制模式。2.4递阶智能系统的结构11:46上海工程技术大学机械工程学院15递阶智能系统结构图2.4递阶智能系统的结构