Развитие автоматического и автоматизированного управления. Виды интеллектуальных систем.

Развитие автоматического и автоматизированного управления
В процессе развития паровых машин в промышленности были разработаны первые автоматические устройства. В 1756 г. российский механик Ползунов Иван Иванович разработал поплавковый регулятор подпитки парового котла. В 1784 г. шотландский инженер и изобретатель-механик Джеймс Уатт разработал регулятор скорости паровой машины. Данный устройства были основными автоматическими промышленными регуляторами достаточно длительное время.

Рост в потребности использования автоматических регуляторов и рост требований к качеству регулирования определили необходимость разработки теории синтеза и расчета регуляторов. Так шотландским ученым Джеймсом Клерком Максвеллом и российским ученым Иваном Алексеевичем Вишнеградским были заложены основы подхода к синтезу, проектированию и испытанию автоматических регуляторов. Джеймсом К. Максвеллом была опубликована статья в 1868 г. в которой описывались его исследования устойчивости замкнутой системы регулирования. Данная работа основывалась на регуляторе скорости паровой машины Джеймса Уатта. Иван Александрович Вишнеградский, в свою очередь, опубликовал статью «Об общей теории регуляторов». Даная работа легла в основу классической теории автоматического управления. Огромный вклад в развитие классической теории автоматического управления внесли Гарри Найквист, Адольф Гурвиц, Николай Егорович Жуковский, Александр Михайлович Ляпунов, Аурель Болеслав Стодола и другие.

В тридцатых и сороковых годах двадцатого века, в связи с повсеместной индустриализацией, как практическая, так и теоретическая части теории автоматического управления переживали бурное развитие.

В тридцатые и сороковые годы ХХ столетия теория и практика автоматического регулирования получили бурное развитие, что во многом связано с индустриализацией и Второй мировой войной. Особо популярными среди специалистов стал пропорционально-интегрально-дифференциальный регулятор (ПИД-регулятор), который и по сей день пользуется огромной популярностью в сфере автоматизации промышленности, занимая доминирующую долю всех регуляторов технологических цепей. Также стали популярны частотные методы синтеза автоматических систем и принцип управления с обратной связью, что также по сегодняшний день является самым популярным решением. Параллельно с отдельными регуляторами тех или иных процессов (автоматические системы) в промышленности стали применяться локальные системы контроля, регулирования и управления (ЛСКРиУ), что являлось прообразом современного человеко-машинного интерфейса (HMI).

Развитием ЛСКРиУ стало СЦКРиУ, которое помимо локального регулирования выполняла функции дистанционного управления и логическо-командного управления. Данная система имела центральный пульт управления. СЦКРиУ является прообразом современных SCADA-систем (Supervisory Control And Data Acquisition – диспетчерское управление и сбор данных). Данная система уже позволяла оператору (человеку, управляющим технологическим процессом по средствам автоматизированной системы) производить управляющие воздействия удаленно. В данных системах большое внимание уделялось информативности отображаемых данных, создавались мнемосхемы, табло, регистраторы, различные виды сигнализации.

Автоматизированная система управления технологическим процессом (АСУ ТП) – это комплекс программных аппаратных, программных и аппаратно-логических средств, предназначающийся для полуавтоматического и автоматизированного управления промышленными процессами, технологическими линиями, производственными процессами.

В общем случае, целью автоматизации технологических процессов является оптимизация и повышение эффективности использования технологической линии. Можно выделить основные цели автоматизации:

1. Предоставление оператору достоверной и своевременной информации об объекте управления.
2. Ускорение некоторых задач по сбору и обработке данных, требующих математических расчетов, хранения в базах данных и т.п.

3. Уменьшение числа решения, необходимых выполнять оператору.

4. Повышение оперативности решений.

5. Снижение численности штата персонала, обслуживающего технологический процесс.

6. Обеспечение безопасных работ в опасных для человека средах.

7. Минимизация «человеческого фактора» в технологической цепочке.

8. Выполнение монотонных операций, утомительных для человека.

Термин АСУ появился, когда в системы управления для решения самых разных задач начала внедряться автоматика, то есть вычислительная техника. Тогда типовая АС была двухуровневой, а весь поток информации приходил только от объекта управления к оператору, который обменивался данными с ЭВМ и производил управление объектом. То есть оператор был одновременно диспетчером телемеханической системы и оператором ЭВМ, что сказывалось на качестве его работы. Тогда на ЭВМ попробовали возложить часть функций, которые выполнял оператор. Однако подобная технология тоже не работала, так как ЭВМ не может воспринимать входную информацию в том виде, в каком ее воспринимает оператор, также она не может управлять технологическим процессом. Попытки преобразования сигналов ввода информации и корректировки управления с учетом требования ЭВМ привели к усложнению и удорожанию системы, что не всегда оправдывало сами усовершенствования технологии. Да и надежность системы была невелика.

Такая ситуация с автоуправлением процессами существовала примерно до середины 80-х годов. Изменилась она, когда были созданы программируемые управляющие микропроцессорные контроллеры, а на смену ЭВМ пришел персональный компьютер. С применением программируемых контроллеров типовая схема построения АСУ ТП приобрела вид цепочки: оператор - управляющий процессами компьютер - управляющие программируемые контроллеры - датчики и исполнительные механизмы - объекты управления, где обмен информацией шел в обоих направлениях.

Подобная технология позволяла легко наращивать системы автоматизированного управления. Теперь стало возможным одновременно управлять несколькими процессами или объединять несколько процессов в один. К тому же компьютер верхнего уровня может соединяться с другими компьютерами, которые выполняют не связанные с ТП задачи, например, функции бухгалтерии, отделов маркетинга, кадров и т. д. В таком случае АСУ ТП является частью единой информационно-управляющей процессами системы.

Основные этапы развитие искусственного интеллекта в инженерном деле:

Рождение понятия искусственного интеллекта в современном понимании 1940-1950:
- У. Маккалок и У. Питс:
Логическое исчисление идей, присущих нервной деятельности, 1943.
-А.Тьюринг: Вычислительная машина и интеллект, 1950.
-К. Шеннон: Программирование компьютера для шахматной игры, 1950.
Расцвет искусственного интеллекта 1960-1980:
-Д. Маккарти: LISP – язык программирования искусственного интеллекта.
-М. Куллиан: Семантические сети для представления знаний,1966.
-А. Ньюэл и Г. Саймон: Универсальный решатель задач (GPS),1961.
-М. Минский: Структуры для представления знаний (фреймы), 1975.
Развитие экспертных систем в техническом управлении 1970-1980:
-Э. Фейгенбаум, Б. Букханан и др. (Стэндфордский университет): Экспертная системаDENDRAL
-Э. Фейгенбаум, Э. Шортлиф: Экспертная система MYCIN
-Стэндфордский исследовательский центр: Экспертная система PROSPECTOR
-А. Колмероэ, Р. Ковальски и др. (Франция): Язык логического программирования PROLOG.
Расцвет нечетких множеств и нечеткой логики 1960 по наши дни:
-Л. Заде: Нечеткие множества, 1965.
-Л. Заде: Нечеткие алгоритмы, 1969.
-Э. Мамдани: Применение нечеткой логики в приближенном рассуждении с использованием лингвистического синтеза, 1977.
-М. Суджено: Нечеткий логический вывод (алгоритм Такаги-Суджено), 1985.
Появление эволюционных алгоритмов 1970 по наши дни:
-И. Рехенберг: Эволюционные стратегии – оптимизация технических систем по принципам биологической информации, 1973.
-Дж. Холланд: Адаптация в естественных и искусственных системах, 1975.
-Дж. Коза: Генетическое программирование: компьютерное программирование средствами естественного отбора, 1992.
-Д.Фогель: Эволюционное вычисление – направление новой философии в машинном интеллекте, 1995.
Расцвет технологии искусственных нейронных сетей 1980 по наши дни:
-Дж. Хопфилд: Нейронные сети и физические с эмержентными коллективными вычислительными способностями, 1982.
-Т. Кохонен: Самоорганизующиеся топологически правильные карты, 1982.
-Д. Румельхарт и Д. Макклеланд: Распределенная параллельная обработка данных,1986.
Вычисления при помощи слов 1980 по наши дни:
-А. Нейгоца: Экспертные системы и нечектие системы, 1985.
-Б. Коско: Нейронные сети и нечеткие системы, 1992.
-Б. Коско: Нечеткое мышление, 1993.
-Р. Ягер и Л. Заде: нечеткие множества, нейронные сети и мягкие вычисления, 1994.
-Б. Коско: Нечеткая инженерия, 1996.
-Л. Заде: Вычисления при помощи слов, 1996.

Исследуя основные этапы развития искусственного интеллекта, можно выделить два главных направления в развитии: копирование и синтез.

Принцип копирования проявляется в методах, связанных с попытками создания интеллектуальных технологий путем переноса свойств с биологического эталона – человеческого мозга, его строения, способа представления информации. Сейчас, в связи с бурным развитием вычислительных мощностей микропроцессорной и микроконтроллерной техники, это направление испытывает возрождение. Появляется микроконтроллерная техника на основе нечеткой логики, набирают популярность распределенные микропроцессорные системы, искусственные нейронные сети широко используются в системах обработки видеопотоков и фотоснимком.

Синтез интеллектуальных систем, не являющихся копией или моделью биологического эталона, связан с разработкой алгоритмов и методов, позволяющих решать сложные математические задачи, позволяющих автоматизировать различные интеллектуальные действия человека. В системах интеллектуального управления это как правило это системы, основанные на вербальной информации специалиста-профессионала, экспертные системы.

Два данных направления определяют границы разработки и исследования современных систем искусственного интеллекта.

Виды интеллектуальных систем
Интеллектуальная система (intelligent system) — это программная или аппаратная система, позволяющая решать творческие задачи, задачи с недостающими исходными данными для стандартных методов решения, задачи имеющие вербальное описание в качестве исходных данных, чрезвычайно сложные задачи для построения стандартных алгоритмов управления. Интеллектуальные системы содержат в себе базу знаний, интерфейс, решатель как основные элементы своей структуры.

Со всем процессом разработки интеллектуальных информационных систем в целом и ЭС в частности тесно связана Инженерия знаний. Это методология ЭС, которая охватывает методы добычи, анализа и выражения в правилах знаний экспертов для формирования базы правил. Развитие ЭС создало инженерию знаний – процесс построения интеллектуальных систем. Онапредставляет собой совокупность моделей, методов и технических приемов, нацеленных на создание систем, которые предназначены для решения проблем с использованием знаний. Главными элементами инженерии знаний являются использование операций типа обобщение, генерация гипотез для индуктивных выводов, подготовка новых программ самими компьютерными программами и т.д. Слово engineering в английском означает искусная обработка предметов, изобретение или создание чего-либо. Следовательно, работу по оснащению программ специальными экспертными знаниями из проблемной области, выполняемую человеком, либо компьютером (программой), также можно назвать инженерией знаний.

Виды интеллектуальных систем:

Расчетно-логическая система

К расчетно-логическим системам относят системы, способные решать управленческие и проектные задачи по декларативным описаниям условий. При этом пользователь имеет возможность контролировать в режиме диалога все стадии вычислительного процесса. Данные системы способны автоматически строить математическую модель задачи и автоматически синтезировать вычислительные алгоритмы по формулировке задачи. Эти свойства реализуются благодаря наличию базы знаний в виде функциональной семантической сети и компонентов дедуктивного вывода и планирования

Рефлекторная интеллектуальная система

Рефлекторная система - это система, которая формирует вырабатываемые специальными алгоритмами ответные реакции на различные комбинации входных воздействий. Алгоритм обеспечивает выбор наиболее вероятной реакции интеллектуальной системы на множество входных воздействий, при известных вероятностях выбора реакции на каждое входное воздействие, а также на некоторые комбинации входных воздействий. Данная задача подобна той, которую реализуют перцептроны. Перцептро́н, или персептрон (perceptron) — математическая и компьютерная модель восприятия информации мозгом (кибернетическая модель мозга), предложенная Фрэнком Розенблаттом в 1957 г. и реализованная в виде электронной машины «Марк-1» в 1960 г. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером. Несмотря на свою простоту, перцептрон способен обучаться и решать довольно сложные задачи. Рефлекторные программные системы применяются к следующим задачам: естественно-языковой доступ к базам данных; оценки инвестиционных предложений; оценки и прогнозирования влияния вредных веществ на здоровье населения; прогнозирования результатов спортивных игр.

Интеллектуальная информационная система

Интеллектуальная информационная система (ИИС, intelligent system) — система, основанная на знаниях.

Гибридная интеллектуальная система

Под гибридной интеллектуальной системой принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС — это совокупность:

аналитических моделей

экспертных систем

искусственных нейронных сетей

нечетких систем

генетических алгоритмов

имитационных статистических моделей

Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

Автор компиляции материалов: Олейников Виталий Сергеевич.