智能控制与常规控制

智能控制是在常规控制理论与技术基础上的进一步发展与提高，目的是在非结构化、不确定性与控制对象有强相互作用的环境中实现过程任务（追求目标）的闭环自动控制。虽然传统人工智能方法应用于实际控制问题有很大困难，但是把对复杂环境建模的严格数学方法研究同人工智能中新兴学派思想的研究紧密结合起来，有可能导致新的智能控制体系结构的产生和发展。这种研究将会在＂自上而下＂和＂自下而上＂两个方向的交汇处取得重大突破。     

“人工智能及其工程应用”讲座：第七讲 智能控制系统

一、智能控制的概念智能控制(intelligent control)至今仍是一个难以严格定义的术语,这是因为人们仍然无法给出"智能"的确切含义。目前,人们基本上认为智能控制是由几门学科的交叉作用所构成的。Fu认为智能控制是人工智能与控制理论的结合。Saridis认为智能控制理论是人工智能、运筹学和控制理论互相作用的结果。然而关于人工智能的定义也是学术界长期争论和探讨的问题。从现有的有关智能控制的文献来看,所谓的智能控制基本上是采用了这些人工智能的方法,即专家     

中央空调系统的 MAS 智能控制模型

中央空调智能控制是实现空调节能优化调节的一个发展方向,目前是研究的一个热点和难点.文中首先在分布式人工智能领域的 MAS 理论基础上,对 MAS 的理论和应用进行研究介绍;然后针对目前中央空调控制系统中难于进行整体控制的问题,采用基于 MAS 的建模方法进行整体控制的设想,探讨了多 Agent 技术在空调控制系统中的应用;最后,文中引入了具有学习控制能力的人工智能技术,采用增强学习方法与多 Agent 技术结合起来,实现中央空调系统的整体智能控制与节能     

智能控制五十年回顾与展望: 傅京孙的初心与萨里迪斯的雄心

本文从智能的起源与目标开始讨论, 重新梳理人工智能史前的历史进程. 在此背景之下, 回顾智能控制从学习控制到平行控制的演化过程, 进而展望未来的控制智能从平行智能到知识自动化的可能发展途径. 前事不忘, 后事之师, 谨以此文纪念傅京孙与萨里迪斯教授开创并推动“智能控制”这一多学科交叉研究领域五十周年和二位开拓者诞辰九十周年.     

分散式智能化控制网络系统及其应用

智能技术作为工业生产中高级控制策略,它综合了人工智能、控制理论等多种方法,实现对复杂过程的控制.随着现场总线技术的发展和应用,DCS、PLC等也逐渐向分散式智能化方向发展,而现场总线技术本身的一些特点也为实现分散式智能化控制建立了良好的基础.本文就现场总线中LonWorks技术,提出建立分散式智能控制网络系统的想法,同时对它的特征、实现策略进行探讨,并对其在实际工业智能控制中的应用进行研究,认为将LonWorks技术与智能控制手段相结合,可为建立新一代分散式智能控制网络系统奠立一定的技术基础.     

中央空调系统的MAS智能控制模型

中央空调智能控制是实现空词节能优化调节的一个发展方向,目前是研究的一个热点和难点。文中首先在分布式人工智能领域的MAS理论基础上,对MAS的理论和应用进行研究介绍;然后针对目前中央空调控制系统中难于进行整体控制的问题,采用基于MAS的建模方法进行整体控制的设想,探讨了多Agent技术在空调控制系统中的应用;最后,文中引入了具有学习控制能力的人工智能技术,采用增强学习方法与多Agent技术结合起来,实现中央空调系统的整体智能控制与节能。     

自动化学科面临的挑战

本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状.结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求,提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优...     

第一届全球华人智能控制与智能自动化大会将在北京召开

第一届全球华人智能控制与智能自动化大会CWCICIA'93——The First Chinese World Congress on Intelligent Control and Intelligent Automation将于1993年8月26—30日在北京召开。大会主办单位有:清华大学,IEEE Robotics and Automation Society、中国自动化学会、中国人工智能学会等。 CWCICIA'93会议主题为:智能控制与智能自动化的理论、方法和应用。智能控制是当前控制技术发展的新动向,是人工智能与控制理论、方法和技术相结合,控制系统向智能化方向发展的产物。例如,具有某种拟人智能特性的控制系统(自学习、自适应、自寻优、自镇定、自识别、自规划、自协调、自修复、自组织、自繁殖…等);应用某种人工智能理论、方法和技术,设计和实现的控制系统(基于知识推理的专家控制、基于联结机制的神经网络控制、基于模糊逻辑的智能控制…等)。智能自动化是自动化由体力劳动自动化向脑力劳动自动化发展的新阶段,是智能化与自动化的集成模式。由于人工智能的概念、理论、方法和技术向自动化科学技术领域的不断渗透,计算机在各种自     

仿真环境下的机器人足球决策系统

机器人足球系统是一类典型的多移动机器人合作的对抗系统．具有实时性要求高、环境高度动态、存在不可预测状态等特点．机器人足球系统是人工智能和智能控制领域的探究热点之一。主要研究在仿真环境下基于三层控制决策模型的机器人足球决策系统．为单个或多个足球机器人分配任务和执行任务。使机器人决策系统具有较好的应激性和协调性,实现有效攻防．探讨多智能机器人实时合作与对抗问题、以求验证和发展人工智能的有关理论和技术。     

基于多自主体的智能分布式控制系统的研究

本文详细分析了介绍智能分布式控制系统的发展和面临的问题,在传统集散控制系统、现场总线技术的基础上,参考CSCW、CMMS-IAMS,提出了一个基于多自主体的分布式智能控制系统框架.利用分布式人工智能原理,建立一种没有中心控制器的智能控制环境,控制系统中的各功能子系统通过智能自主体连接到智能控制网络上,通过消息机制进行交流,使得信息、知识、控制设备以及人的智能都成为网络上的共享资源.     

移动机器人的可重构控制系统

针对未知环境下如何提高移动机器人导航控制系统的柔性和鲁棒性,分析了复杂控制系统（Complex Control System）的体系结构,以异构多Agent系统理论为基础,提出了一种可在多个层次上动态重构的控制系统设计方案,有效地增强了移动机器人的适应能力,为实现控制系统跟随任务和环境变化而动态配置提供了一条可行的途径。设计方案在移动机器人MORCS-I上得到了初步的技术验证,部分实验数据展示了重构控制的实际效果,所具有的通用性表明其亦适合应用于其他类型的复杂控制系统。     

用AI观点探讨变结构控制

本文从人工智能（ＡＩ）观点出发分析变结构控制的实质及其优缺点并探讨其改进的途径。     

Perception-based learning for motion in contact in task planning

This paper presents a new approach to error detection during motion in contact under uncertainty for robotic manufacturing tasks. In this approach, artificial neural networks are used for perception-based learning. The six force-and-torque signals from the wrist sensor of a robot arm are fed into the network. A self-organizing map is what learns the different contact states in an unsupervised way. The method is intended to work properly in complex real-world manufacturing environments, for which existent approaches based on geometric analytical models may not be feasible, or may be too difficult. It is used for different tasks involving motion in contact, particularly the peg-in-hole insertion task, and complex insertion or extraction operations in a flexible manufacturing system. Several real examples for these cases are presented.Category: (8) AI in Robotics and Manufacturing/FMS.     

Modeling Uncertainty and its Implications to Sophisticated Control in Tæms Agents

Open environments are characterized by their uncertainty and non-determinism. Agents need to adapt their task processing to available resources, deadlines, the goal criteria specified by the clients as well their current problem solving context in order to survive in these environments. If there were no resource constraints, then an optimal Markov Decision Process based policy would obviously be the best way for complex problem solving agents to make scheduling decisions. However in many agent systems, these scheduling decisions have to be made on-line or in soft real-time, making the off-line policy computationally infeasible in open environments. The hybrid planner/scheduler used to control Task Analysis, Environment Modeling, and Simulation (TÆMS) agents is the Design-to-Criteria (DTC) agent scheduler. Design-to-Criteria scheduling is the soft real-time process of custom building a plan/schedule to meet an agent’s current objectives which are expressed as dynamic goal criteria (including real-time deadlines), using task models that describe alternate ways to achieve tasks and subtasks. Recent advances in Design-to-Criteria control include the addition of uncertainty to the TÆMS computational task models analyzed by the scheduler and the incorporation of uncertainty in the scheduling process. As we show, the use of uncertainty in TÆMS and Design-to-Criteria enables agents to make better control decisions in uncertain environments. Design-to-Criteria uses a heuristic approach for on-line scheduling of medium granularity tasks.It approximates the analysis used to generate an optimal policy by heuristically reasoning about the implications of uncertainty in task execution. The addition of uncertainty has also spawned a post-scheduling contingency analysis step for situations in which an agent must produce a result by a given deadline (deadline critical situations) and where the added computational cost is worth the expense. We describe the uncertainty representation in TÆMS and how it improves task models and the scheduling process, and provide empirical examples of reasoning about uncertainty in action. We also evaluate the performance of our heuristic-based approach to agent control using the performance of the policy generated by an optimal controller as the benchmark.     

基于感知控制的场景界面设计方法

在普适环境下,计算环境的复杂性使普通用户不易通过预定义的操作来控制系统的状态,致使用户界面设计不能正确反映系统 的特征。为此,提出一种基于感知控制的场景设计方法。该方法利用感知控制理论对使用场景进行分析,导出用户意图控制的对象及策 略,并在此基础上重新设计使用场景,从用户任务的角度出发,使所得到的界面满足用户感知控制的需要。通过案例分析证明该方法的有效性。     

A multi-agent architecture for supporting distributed normality-based intelligent surveillance

Intelligent surveillance involves the use of AI techniques to monitor environments whose analysis is becoming more and more complex because of the large number of sensors used and the need of monitoring multiple events of interest simultaneously. Most of the current surveillance systems provide solutions for particular problems but still suffer from lack of flexibility and scalability when they are used on different or related surveillance problems. To overcome this limitation, two aspects should be addressed: a knowledge-based surveillance model flexible enough to deal with different events of interest and an architecture that gives support to this model when deploying the surveillance system within a particular scenario. This paper discusses the architecture devised to deploy intelligent surveillance systems by means of a set of autonomous agents that are responsible for the management of different surveillance tasks and for cooperating to monitor complex environments. This multi-agent architecture is inspired by a normality-based formal model used to define the knowledge needed to analyze general-purpose surveillance concepts. We use the architecture to deploy a surveillance system to monitor an urban traffic scenario.     

Vision Based Output Feedback Control of Micro Aerial Vehicles in Indoor Environments

We present a new image based visual servoing (IBVS) approach for control of micro aerial vehicles (MAVs) in indoor environments. Specifically, we show how a MAV can be stabilized and guided using only corridor lines viewed on a front facing camera and angular velocity measurements. Since the suggested controller does not include explicit attitude feedback it does not require the use of accelerometers which are susceptible to vibrations, nor complex attitude estimation algorithms. The controller also does not require direct velocity measurements which are difficult to obtain in indoor environments. The paper presents the new method, stability analysis, simulations and experiments.     

基于任务的访问控制在审批系统中的应用研究

随着数据库、网络和分布式计算的发展,组织任务进一步自动化,与服务相关的信息进一步计算机化,实际的信息系统往往需要由多个相关的任务构成业务流程（工作流）来完成,这促使我们将安全问题方面的注意力从独立的计算机系统中静态的主体和客体保护转移到随着任务的执行而进行动态授权的保护上。目前的访问控制模型都是从系统的角度出发去保护资源,在进行权限控制时没有考虑执行的上下文环境,这种静态的访问控制不能满足工作流对访问控制的要求。针对访问控制策略难以适应工作流系统的问题,文章介绍了一种新的安全模型——基于任务的访问控制（Task—based Aeeess Control,TBAC）,TBAC可依据任务和任务状态的不同,对权限进行动态实时的管理。介绍了TBAC的基本概念,对其模型进行了描述和分析,就审批系统的一个典型的审批流程进行了模型化。TBAC把实际应用中的工作流和访问控制所需的各种关系整体地结合在一起,可以清晰地表达复杂工作流的控制机制。     

源码处理场景下人工智能系统鲁棒性验证方法

人工智能(artificial intelligence, AI)技术的发展为源码处理场景下AI系统提供了强有力的支撑.相较于自然语言处理,源码在语义空间上具有特殊性,源码处理相关的机器学习任务通常采用抽象语法树、数据依赖图、控制流图等方式获取代码的结构化信息并进行特征抽取.现有研究通过对源码结构的深入分析以及对分类器的灵活应用已经能够在实验场景下获得优秀的结果.然而,对于源码结构更为复杂的真实应用场景,多数源码处理相关的AI系统出现性能滑坡,难以在工业界落地,这引发了从业者对于AI系统鲁棒性的思考.由于基于AI技术开发的系统普遍是数据驱动的黑盒系统,直接衡量该类软件系统的鲁棒性存在困难.随着对抗攻击技术的兴起,在自然语言处理领域已有学者针对不同任务设计对抗攻击来验证模型的鲁棒性并进行大规模的实证研究.为了解决源码处理场景下AI系统在复杂代码场景下的不稳定性问题,提出一种鲁棒性验证方法 (robustness verification by Metropolis-Hastings attack method, RVMHM),首先使用基于抽象语法树的代码预处理工具提取模型的变量池,然后利...