[论文解读] A Hierarchical Approach to Designing Approximate Reasoning-Based Controllers for Dynamic Physical Systems

H.R. Berenji, Yung-Yaw Chen+3 more|arXiv (Cornell University)|Mar 27, 2013

Advanced Control Systems Optimization被引用 59

一句话总结

本文提出了一种基于分层近似推理的控制框架，用于具有竞争目标的动态物理系统，利用基于规则的知识库在实时中优先处理并解决交互问题。在原型系统中实现后，该方法成功地在无需精确数学模型的情况下实时平衡了小车-单摆系统，为解析控制方法提供了互补的替代方案。

ABSTRACT

This paper presents a new technique for the design of approximate reasoning based controllers for dynamic physical systems with interacting goals. In this approach, goals are achieved based on a hierarchy defined by a control knowledge base and remain highly interactive during the execution of the control task. The approach has been implemented in a rule-based computer program which is used in conjunction with a prototype hardware system to solve the cart-pole balancing problem in real-time. It provides a complementary approach to the conventional analytical control methodology, and is of substantial use where a precise mathematical model of the process being controlled is not available.

研究动机与目标

• 开发一种用于动态物理系统的控制框架，以同时管理多个相互作用的目标。
• 在缺乏精确数学模型的系统中实现实时控制。
• 提供一种基于规则的分层方法，以在执行过程中优先处理目标并解决冲突。
• 通过在解决小车-单摆平衡任务的硬件原型上实现，证明该方法的可行性。
• 为传统解析控制方法提供一种互补的替代方案。

提出的方法

• 该方法使用分层控制知识库，根据目标的重要性和相互依赖关系对目标进行组织和优先排序。
• 基于规则的推理引擎在运行时使用近似推理评估并解决目标之间的冲突。
• 系统根据实时传感器反馈和目标层次结构动态调整控制动作。
• 控制器被实现为与物理硬件原型接口的软件模块，以支持实时执行。
• 该设计支持目标的交互式达成，允许在必要时由高优先级目标覆盖低优先级目标。
• 该方法依赖语言规则和模糊逻辑原理，以处理系统动力学中的不确定性和不精确性。

实验结果

研究问题

• RQ1 如何在动态物理系统中实时优先处理并解决多个相互作用的目标？
• RQ2 在缺乏精确数学模型的控制系统中，一种有效的基于规则的近似推理框架是什么？
• RQ3 分层控制架构是否能在像小车-单摆这样的非线性系统中实现稳定且实时的性能？
• RQ4 在缺乏完整系统模型的情况下，目标之间的相互作用如何影响控制稳定性和响应时间？
• RQ5 在复杂物理系统中，近似推理在多大程度上可以替代或补充解析控制方法？

主要发现

• 分层基于规则的控制器成功实现了无需精确数学模型的小车-单摆系统实时平衡。
• 系统通过优先规则执行解决目标冲突，在动态条件下表现出稳健性能。
• 即使目标竞争控制动作，控制器仍保持了稳定性和响应能力。
• 在物理原型上的实现证实了该方法在真实世界控制应用中的可行性。
• 在建模复杂性或不确定性过高而难以建模的情况下，该方法为解析控制提供了一种可行的替代方案。
• 结果表明，结合分层目标结构的近似推理能够有效管理复杂且相互关联的控制目标。