Hierarchiczny system kontroli - Hierarchical control system

Hierarchiczny układ sterowania (HCS) jest formą systemu sterowania , w którym zestaw urządzeń i oprogramowania zarządzającego jest umieszczony w hierarchicznej drzewa . Kiedy łącza w drzewie są realizowane przez sieć komputerową , to hierarchiczny system sterowania jest również formą sieciowego systemu sterowania .

Przegląd

System zbudowany przez człowieka o złożonym zachowaniu jest często zorganizowany w hierarchię. Na przykład hierarchia dowodzenia ma wśród godnych uwagi cechy schematu organizacyjnego przełożonych, podwładnych i linii komunikacji organizacyjnej . Hierarchiczne systemy kontroli są zorganizowane w podobny sposób, aby podzielić odpowiedzialność za podejmowanie decyzji.

Każdy element hierarchii jest połączonym węzłem w drzewie. Polecenia, zadania i cele do osiągnięcia spływają po drzewie od węzłów nadrzędnych do węzłów podrzędnych, podczas gdy odczucia i rezultaty poleceń płyną w górę drzewa od węzłów podrzędnych do nadrzędnych. Węzły mogą również wymieniać wiadomości z rodzeństwem. Dwie wyróżniające cechy hierarchicznego systemu sterowania są związane z jego warstwami.

  • Każda wyższa warstwa drzewa operuje dłuższym interwałem czasu planowania i wykonania niż jej bezpośrednio niższa warstwa.
  • Niższe warstwy mają lokalne zadania, cele i doznania, a ich działania są planowane i koordynowane przez wyższe warstwy, które generalnie nie są nadrzędne w stosunku do ich decyzji. Warstwy tworzą hybrydowy inteligentny system, w którym najniższe, reaktywne warstwy są subsymboliczne. Wyższe warstwy, mające rozluźnione ograniczenia czasowe, są w stanie wnioskować z abstrakcyjnego modelu świata i planować. Hierarchiczna sieć zadaniem jest dobre dopasowanie do planowania w hierarchicznym systemie sterowania.

Oprócz sztucznych systemów proponuje się hierarchizację systemów kontroli zwierząt. W teorii kontroli percepcyjnej , która postuluje, że zachowanie organizmu jest środkiem kontrolowania jego percepcji, sugeruje się, że systemy kontroli organizmu są zorganizowane według hierarchicznego wzorca, ponieważ ich percepcje są tak skonstruowane.

Struktura systemu sterowania

Poziomy funkcjonalne operacji sterowania produkcją.

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

Odnosząc się do schematu;

  • Poziom 0 zawiera urządzenia polowe, takie jak czujniki przepływu i temperatury oraz końcowe elementy sterujące, takie jak zawory regulacyjne
  • Poziom 1 zawiera uprzemysłowione moduły wejścia/wyjścia (I/O) i związane z nimi rozproszone procesory elektroniczne.
  • Poziom 2 obejmuje komputery nadzorcze, które zbierają informacje z węzłów procesorowych w systemie i udostępniają ekrany sterowania 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 w sposób odgórny, intensywnie planując, zwłaszcza planowanie ruchu . Wspomagana komputerowo inżynieria produkcji jest przedmiotem badań NIST od lat 80-tych. Jej zautomatyzowane centrum badawcze zostało wykorzystane do opracowania pięciowarstwowego modelu kontroli produkcji. Na początku lat dziewięćdziesiątych 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 używanym do obsługi celi produkcyjnej , żurawia robota i zautomatyzowanego pojazdu .

W listopadzie 2007 roku DARPA zorganizowała Urban Challenge . Zwycięski, Tartan Racing zatrudniony hierarchiczny system sterowania, z warstwowym misji planowania , planowania ruchu , generowania zachowania, percepcji, modelowanie świata i mechatroniki .

Sztuczna inteligencja

Architektura subsumpcji to metodologia rozwoju sztucznej inteligencji, która jest silnie powiązana z robotyką opartą na zachowaniu . Ta architektura jest sposobem na rozłożenie skomplikowanego inteligentnego zachowania na wiele „prostych” modułów zachowania, 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 pod spodem, np. decyzja o przejściu do przodu przez warstwę z jedzeniem i pożywieniem uwzględnia decyzję najniższej warstwy omijania przeszkód. Zachowanie nie musi być planowane przez nadrzędną warstwę, raczej zachowania mogą być wyzwalane przez bodźce zmysłowe, a więc są aktywne tylko w okolicznościach, w których mogą być odpowiednie.

Uczenie się ze wzmacnianiem zostało wykorzystane do uzyskania 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 inteligentnego projektowania systemów nazwaną Architekturą Modelu Referencyjnego (RMA), która jest hierarchicznym systemem sterowania inspirowanym RCS. Albus definiuje każdy węzeł, aby zawierał te komponenty.

  • Generowanie zachowań odpowiada za wykonanie zadań otrzymanych z nadrzędnego węzła nadrzędnego. Planuje również i wydaje zadania podległym węzłom.
  • Percepcja sensoryczna jest odpowiedzialna za odbieranie wrażeń z węzłów podrzędnych, a następnie grupowanie, filtrowanie i przetwarzanie ich w inny sposób w 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 dla kontrolowanego systemu, kontrolowanego procesu lub środowiska na poziomie abstrakcji węzłów podrzędnych.

Na najniższych poziomach RMA może być zaimplementowana jako architektura subsumcyjna, w której model świata jest mapowany bezpośrednio do kontrolowanego procesu lub świata rzeczywistego, unikając potrzeby abstrakcji matematycznej, i w której można wdrożyć planowanie reaktywne w ograniczonym czasie jako maszyna skończona . Wyższe poziomy RMA mogą jednak mieć złożone modele matematyczne i zachowania zaimplementowane 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 pojawiają się w wyniku działań węzła.

Zobacz też

Bibliografia

  1. ^ Findeisen, strona 9
  2. ^ [1] Zarchiwizowane 2008-01-19 wopisie zespołu Wayback Maszyna Tartan Racing
  3. ^ Urmson, C. i in., Tartan Racing: Multi-modalne podejście do DARPA Urban Challenge zarchiwizowane 20.05.2013 na Wayback Machine 2007, strona 4
  4. ^ Brooks, RA „Planowanie to tylko sposób na uniknięcie zastanawiania się, co dalej” Zarchiwizowane 2007-03-11 w Wayback Machine , raport techniczny, MIT Artificial Intelligence Laboratory, 1987
  5. ^ Takahashi, Y. i Asada, M., Behavior Acquisition by Multi-Layered Reinforcement Learning. W Proceedings of the 1999 IEEE International Conference on Systems, Man, and Cybernetics, strony 716-721
  6. ^ Albus, JS Architektura modelu referencyjnego dla inteligentnego projektowania systemów. Zarchiwizowane 2008-09-16 w Wayback Machine w Antsaklis, PJ, Passino, KM (red.) (1993) Wprowadzenie do inteligentnej i autonomicznej kontroli. Wydawnictwo Akademickie Kluwer, 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” . Od zwierząt do animatów 4: Proceedings of Fourth International Conference on Simulation of Adaptive Behaviour . MIT Naciśnij.
  • Albus, JS (2000). „Architektura modelu referencyjnego 4-D/RCS dla bezzałogowych pojazdów naziemnych”. Robotyka i Automatyka, 2000. Postępowanie. ICRA'00. Międzynarodowa Konferencja IEEE w sprawie . 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