Hierarchiczny system kontroli

system sterowania (HCS) to forma systemu sterowania , w którym zestaw urządzeń i oprogramowania zarządzającego jest ułożony w hierarchiczne drzewo . Gdy powiązania w drzewie są realizowane przez sieć komputerową , to ten hierarchiczny system sterowania jest również formą sieciowego systemu sterowania .

Przegląd

Stworzony przez człowieka system ze złożonym zachowaniem jest często zorganizowany w hierarchię. Na przykład hierarchia dowodzenia ma wśród swoich godnych uwagi cech schemat organizacyjny przełożonych, podwładnych i linie komunikacji organizacyjnej . Hierarchiczne systemy kontroli są zorganizowane podobnie, aby podzielić odpowiedzialność za podejmowanie decyzji.

Każdy element hierarchii jest połączonym węzłem w drzewie. Polecenia, zadania i cele do osiągnięcia płyną w dół drzewa od węzłów nadrzędnych do węzłów podrzędnych, podczas gdy wrażenia i wyniki poleceń płyną w górę drzewa od węzłów podrzędnych do węzłów nadrzędnych. Węzły mogą również wymieniać wiadomości ze swoim rodzeństwem. Dwie wyróżniające cechy hierarchicznego systemu kontroli są związane z jego warstwami.

  • Każda wyższa warstwa drzewa działa z dłuższym interwałem czasu planowania i wykonania niż jej bezpośrednio niższa warstwa.
  • Niższe warstwy mają lokalne zadania, cele i wrażenia, a ich działania są planowane i koordynowane przez wyższe warstwy, które na ogół nie unieważniają ich decyzji. Warstwy tworzą hybrydowy inteligentny system , w którym najniższe, reaktywne warstwy są subsymboliczne. Wyższe warstwy, mając mniej ograniczeń czasowych, są w stanie wnioskować na podstawie abstrakcyjnego modelu świata i planować. Hierarchiczna sieć zadań dobrze nadaje się do planowania w hierarchicznym systemie sterowania.

Poza sztucznymi systemami proponuje się, aby systemy kontroli zwierząt były zorganizowane w hierarchię. W teorii kontroli percepcyjnej , która postuluje, że zachowanie organizmu jest sposobem kontrolowania jego percepcji, sugeruje się, że systemy kontroli organizmu są zorganizowane w hierarchiczny wzór, zgodnie z konstruowaniem ich percepcji.

Struktura systemu sterowania

Poziomy funkcjonalne operacji kontroli produkcji.

Załączony diagram jest ogólnym modelem hierarchicznym, który pokazuje funkcjonalne poziomy produkcji przy użyciu skomputeryzowanego sterowania przemysłowym systemem sterowania.

Odnosząc się do schematu;

  • Poziom 0 zawiera urządzenia obiektowe, takie jak czujniki przepływu i temperatury oraz końcowe elementy sterujące, takie jak zawory regulacyjne
  • Poziom 1 zawiera uprzemysłowione moduły wejścia/wyjścia (I/O) i powiązane z nimi rozproszone procesory elektroniczne.
  • Poziom 2 zawiera komputery nadzorcze, które gromadzą informacje z węzłów procesorów w systemie i udostępniają ekrany kontrolne operatora.
  • Poziom 3 to poziom kontroli produkcji, który nie kontroluje bezpośrednio procesu, ale dotyczy monitorowania produkcji i monitorowania celów
  • Poziom 4 to poziom planowania produkcji.

Aplikacje

Produkcja, robotyka i pojazdy

Wśród paradygmatów robotycznych jest paradygmat hierarchiczny, w którym robot działa odgórnie, z dużym obciążeniem planowania, zwłaszcza planowania ruchu . Inżynieria produkcji wspomagana komputerowo jest przedmiotem badań NIST od lat 80-tych. Jego Zautomatyzowany Ośrodek Badań nad Produkcją został wykorzystany do opracowania pięciowarstwowego modelu kontroli produkcji. We wczesnych latach 90. DARPA sponsorowała badania mające na celu opracowanie rozproszonych (tj. połączonych w sieć) inteligentnych systemów sterowania do zastosowań takich jak wojskowe systemy dowodzenia i kontroli. NIST oparł się na wcześniejszych badaniach, aby opracować swój system sterowania w czasie rzeczywistym (RCS) i oprogramowanie systemu sterowania w czasie rzeczywistym , które jest ogólnym hierarchicznym systemem sterowania, który był używany do obsługi komórki produkcyjnej , dźwigu robota i zautomatyzowanego pojazdu .

W listopadzie 2007 DARPA zorganizowała konkurs Urban Challenge . Zwycięski wpis, Tartan Racing, wykorzystywał hierarchiczny system sterowania z warstwowym planowaniem misji , planowaniem ruchu , generowaniem zachowań, percepcją, modelowaniem świata i mechatroniką .

Sztuczna inteligencja

Architektura subsumpcji to metodologia rozwoju sztucznej inteligencji , która jest silnie związana z robotyką opartą na zachowaniu . Ta architektura jest sposobem na rozłożenie skomplikowanych inteligentnych zachowań na wiele „prostych” modułów zachowań, które z kolei są zorganizowane w warstwy. Każda warstwa realizuje określony cel agenta oprogramowania (tj. system jako całość), a wyższe warstwy są coraz bardziej abstrakcyjne. Cel każdej warstwy obejmuje cel warstw leżących poniżej, np. decyzja o przesunięciu się do przodu o warstwę jedzenia uwzględnia decyzję najniższej warstwy unikania przeszkód. Zachowania nie muszą być planowane przez wyższą warstwę, raczej zachowania mogą być wyzwalane przez bodźce sensoryczne, a zatem są aktywne tylko w okolicznościach, w których mogą być odpowiednie.

Uczenie się przez wzmacnianie zostało wykorzystane do nabycia zachowania w hierarchicznym systemie sterowania, w którym każdy węzeł może nauczyć się poprawiać swoje zachowanie dzięki doświadczeniu.

Składniki w węźle z architektury modelu referencyjnego Jamesa Albusa

James Albus , pracując w NIST, opracował teorię projektowania inteligentnych systemów, nazwaną architekturą modelu referencyjnego (RMA), która jest hierarchicznym systemem sterowania inspirowanym przez RCS. Albus definiuje każdy węzeł tak, aby zawierał te komponenty.

  • Generowanie zachowań odpowiada za wykonywanie zadań otrzymanych od nadrzędnego, nadrzędnego węzła. Planuje również i przydziela zadania podległym węzłom.
  • Percepcja zmysłowa jest odpowiedzialna za odbieranie wrażeń z podrzędnych węzłów, a następnie grupowanie, filtrowanie i przetwarzanie ich w inny sposób na abstrakcje wyższego poziomu, które aktualizują stan lokalny i które tworzą wrażenia wysyłane do węzła nadrzędnego.
  • Ocena wartości jest odpowiedzialna za ocenę zaktualizowanej sytuacji i ocenę planów alternatywnych.
  • Model świata to stan lokalny, który zapewnia model kontrolowanego systemu, kontrolowanego procesu lub środowiska na poziomie abstrakcji podrzędnych węzłów.

Na najniższych poziomach RMA można wdrożyć jako architekturę subsumpcji, w której model świata jest odwzorowywany bezpośrednio na kontrolowany proces lub świat rzeczywisty, unikając potrzeby matematycznej abstrakcji i w której można wdrożyć ograniczone czasowo planowanie reaktywne jako skończona maszyna stanów . Wyższe poziomy RMA mogą jednak mieć wyrafinowane matematyczne modele świata i zachowania realizowane przez zautomatyzowane planowanie i harmonogramowanie . Planowanie jest wymagane, gdy pewne zachowania nie mogą być wywołane przez bieżące doznania, ale raczej przez przewidywane lub przewidywane doznania, zwłaszcza te, które powstają w wyniku działań węzła.

Zobacz też

  1. ^ Findeisen, strona 9
  2. ^ [1] Zarchiwizowane 2008-01-19 w opisie zespołu Wayback Machine Tartan Racing
  3. ^ Urmson, C. et al., Tartan Racing: A Multi-Modal Approach to the DARPA Urban Challenge, zarchiwizowane 20.05.2013 w Wayback Machine 2007, strona 4
  4. ^ Brooks, RA „Planowanie to tylko sposób na uniknięcie zastanawiania się, co robić dalej” Zarchiwizowane 2007-03-11 w Wayback Machine , raport techniczny, MIT Artificial Intelligence Laboratory, 1987
  5. ^ Takahashi, Y. i Asada, M., Nabywanie zachowań przez wielowarstwowe uczenie się ze wzmocnieniem. W Proceedings of the 1999 IEEE International Conference on Systems, Man, and Cybernetics, strony 716-721
  6. ^   Albus, JS Architektura modelu referencyjnego do projektowania inteligentnych systemów. Zarchiwizowane 2008-09-16 w Wayback Machine In Antsaklis, PJ, Passino, KM (red.) (1993) Wprowadzenie do inteligentnej i autonomicznej kontroli. Kluwer Academic Publishers, 1993, rozdział 2, s. 27-56. ISBN 0-7923-9267-1
  7. ^ Meystel, AM, Albus, JS, Intelligent Systems, John Wiley and Sons, Nowy Jork, 2002, s. 30-31

Dalsza lektura

  • Albus, JS (1996). „Inżynieria umysłu” . From Animals to Animats 4: Proceedings of the Fourth International Conference on Simulation of Adaptive Behavior . MIT Press.
  • Albus, JS (2000). „Architektura modelu referencyjnego 4-D / RCS dla bezzałogowych pojazdów naziemnych”. Robotyka i automatyka, 2000. Proceedings. ICRA'00. Międzynarodowa konferencja IEEE nt . Tom. 4. doi : 10.1109/ROBOT.2000.845165 .
  • Findeisen, W.; Inni (1980). Sterowanie i koordynacja w systemach hierarchicznych . Chichester [ang.]; Nowy Jork: J. Wiley.

Linki zewnętrzne

Pobrano z „ https://en.wikipedia.org/w/index.php?title=Hierarchical_control_system&oldid=1036160445 ”