专家系统

（1）控制的知识表示
（2）知识基系统的黑板法模型
（3）控制的推理模型
专家控制系统的性能指标： 使系统达到或接近专家控制的性能指标
2.2.2 专家控制器
专家控制器包括直接式专家控制器和间接式专家控制器
直接式专家控制器
直接式专家控制器通常由知识库Knowledge Base、 控制规则集Control Rule Set、推理机InferEnce和特征 识别与信息处理FR＆IP四部分组成。
r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物 其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P；“该动物是食肉动物”是 产生式的结论Q
专家系统的类型
对专家系统可以按不同的方法分类。可以按应 用领域、知识表示方法、控制策略、任务类型等分 类。如按任务类型（解决问题）来划分，常见的有 解释型、预测型、诊断型、调试型、维护型、规划 型、设计型、监督型、控制型、教育型等。
2.1 专家系统概述
2.1.1 什么是专家系统
一类包含着知识和推理的智能计算机程序， 其内部含有大量的某个领域的专家水平的知 识和经验，能够利用人类专家知识和解决问 题的方法来处理该领域的问题
在专家系统中运用得较为普遍的知识是产生式规则： P→Q 或者 IF P THEN Q。P是产生式的前提，也称为前件， 给出该产生式可否使用的先决条件，由事实的逻辑组合来构 成；Q是一组结论或操作，也称为产生式的后件，它指出当 前题P满足时，应该推出的结论或应该执行的动作。
2.2 专家控制系统
2.2.1 专家控制系统概述 2.2.2 专家控制系统的工作原理 2.2.3 专家控制器
2.2.1 专家控制系统概述
专家控制系统
ຫໍສະໝຸດ Baidu
专家控制器
专家控制与专家系统的区别
2.2.2 专家控制系统的工作原理
知识系统内部的组织和推理机制 （1）控制的知识表示 （2）知识基系统的黑板法模型 （3）控制的推理模型
双向推理：综合利用正向推理和反向推理的优点，在 实际使用过程中把正向推理、反向推理混合运用。
正 向 推 理
反 向 推 理
首先假定目标q3成立，由规则3（P3→q3），为证明q3成立，须先 验证P3是否成立；但总数据库没有事实P3，所以假定子目标P3成立；由 规则2(P2→P3)，应验证P2；同样，由于数据库中没有事实P2，假定子 目标P2成立；由规则1(P1→P2)，为验证P2成立，须先验证P1。因为数 据库中有事实P1，所以假定的目标P2成立，因而P3成立，最终导出结论 q3确实成立。
2.1.2 专家系统的基本组成
不同的专家系统，其功能和结构不尽相同。 通常，一个以规则为基础，以问题求解为中 心的专家系统，可以用下图描述。
专家系统的基本组成
由上图可知
知识库
推理机
推理机的运行策略：
正向推理:是由原始数据出发，按一定的策略运用知识 库中专家的知识，推断出所需要的结论；
反向推理：是先提出结论，然后去寻找这个结论的证 据，这种由结论到前提数据策略称为“目标驱动策略”；
综合数据库（全局数据库）
解释接口（人机界面）
知识获取
2.1.3 专家系统的类型及特征
具有专家的专业知识 能进行有效推理 专家系统的透明性和灵活性 具有一定的复杂性与难度
具有专家的专业知识
一个专家系统为了象人类专家那样工作， 必须表现专家的技能和高度的技巧以及有 足够的鲁棒性
能进行有效的推理
智能程序：旨在模拟人类专家的智能程序应当 兼备浅层和深层两类知识。即不但采用基于规则 的方法，还必须采用基于模型的原理构成新一代 专家系统。
知识工程是指由知识工程师从人类专家那里抽 取他们求解问题的过程、策略和经验规则，然后 把这些知识建造在专家系统之中。
目前，专家系统在各个领域中已经得到广 泛应用，如医疗诊断、语音识别、图像处理、 金融决策、地质勘探、是有化工、军事、计 算机设计等。
由于规则条数不多，搜索空间很小，推理机构(IE) 就十分简单，采用向前推理方法逐次判别各种规则的 条件，满足则执行，否则继续搜索。
特征识别与信息处理(FR＆IP)部分的作用是实现 对信息的提取与加工，为控制决策和学习适应提供依 据。它主要包括抽取动态过程的特征信息，识别系统 的特征状态，并对特征信息作必要的加工。
工业专家控制器结构框图
上图给出一种工业专家控制器的结构框图。 知识库由经验数据库和学习与适应装置组成。 经验数据库存储经验和事实；学习与适应装置在 线获取信息，补充或修改知识库内容，改进系统 性能，提高问题求解能力。知识库的重点是如何 表达和获取专家的知识（主要采取产生式规则）
控制规则集(CRS)是对被控过程的各种控制模式和 经验的归纳和总结。
专家系统所要解决的问题一般没有算法解，并 且经常要在不完全、不精确或不确定的信息基础 上做出结论。
第一代专家系统只能利用人类专家的启发式知 识，即只能利用浅层表达方式和推理方法。
但遇到新问题时，还必须利用掌握的深入表示 事物的结构、行为和功能等方面的基本模型等深 层知识，得出新的启发式浅层知识。
设U为专家控制器的输出集， E为专家控制器的输入集， I为推理机构的输出集，K为经验知识集：
E = (R, e, Y, U)，e = R – Y
式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出， Ｕ为控制器的输出集。专家控制器的模型表示为
U = f (E,K,I)
智能算子f为几个算子的复合运算：f=g·h·p，其中： g:E→S；h:S×K→I；p:I→U
专家系统具有启发性，能够运用人类专 家的经验和知识进行启发式搜索、试探性 推理、不精确推理或不完全推理
透明性和灵活性
透明性：专家系统能够在求解问题时，不仅 能得到正确答案，还能知道给出该答案的依据。
灵活性：绝大多数专家系统中都采用了知识 库与推理机相分离的原则，彼此独立。
复杂性与难度
首先知识的表示和利用是复杂的，此外要 求解的都是结构不良且难度较大的问题，不存 在确定性的求解方法和求解路径，因此，建立 专家系统具有复杂性和难度。