Fundamente și paradigme ale controlului inteligent

Controlul inteligent desemneaza acel domeniu in care metodele de control sunt dezvoltate incercand sa emuleze caracteristicile importante ale inteligenței umane. Aceste caracteristici includ adaptarea și invațarea, planificarea in sitații de incertitudini majore și prelucrarea unor volume mari de date. Astazi, domeniul controlului inteligent tinde sa inglobeze tot ceea ce nu este calificat ca și control clasic, cu toate ca granițele sale se deplaseaza, astfel incat maine s-ar putea ca o mare parte din tehnicile inteligente sa fie catalogate ca și "clasice".

Principala dificultate de a defini precis ce se ințelege prin control inteligent provine din faptul ca nu exista inca definiții unanim acceptate pentru inteligența umana sau pentru comportamentul inteligent, controversele pe aceasta tema dainuind de mai multa vreme intre ingineri, informaticieni, psihologi sau profesori. Aparent, temenul a fost introdus in anii 1970 de K. S. Fu.

Controlul inteligent are caracter interdisciplinar, combinand și prelungind teorii și metode din mai multe domenii - printre care tehnica reglarii automate, informatica sau cercetarile operaționale - și apeland la teorii din matematica sau biologie. Metodologiile de control inteligent se aplica cu același succes in automatizari, robotica, sisteme de fabricație, comunicații, ca sa nu citam decat cateva sectoare importante. Ele apeleaza la rețelele neurale, logica fuzzy, algoritmii genetici, sistemele expert și sistemele de planificare, sisteme hibride.

Știința informaticii și inteligența artificiala furnizeaza pentru controlul inteligent atat idei de reprezentare a cunoștințelor, cat și metodologii și instrumente, cum ar fi rețelele semantice, cadrele și tehnicile de raționament, limbajele de programare specializate, in timp ce conceptele și algoritmii dezvoltați pentru controlul adaptiv și instruirea mașinilor sprijina controlerele inteligente in a se adapta și a se instrui. Progresele in sectoarele senzorilor, ale elementelor de execuție, ale tehnicii de calcul și ale rețelelor de comunicații furnizeaza suportul necesar pentru implementarea sistemelor de control inteligent.

Vom aborda in paginile care urmeaza, intr-o perspectiva istorica, o serie de idei fundamentale ale controlului inteligent și vom prezenta cateva metodologii particulare, cum ar fi controlul fuzzy, neural și hibrid sau optimizarea cu algoritmi genetici.

Termenul de control inteligent este perceput, in particular de cei din afara domeniului, ca o anumita forma de control prin intermediul logicii fuzzy și/sau a rețelelor neurale, ceea ce este restrictiv și inexact: anumite definiții nici macar nu considera ca toate aceste aplicații sunt inteligente. De fapt, aceasta abordare se impune astazi in toate situațiile in care o problema de control nu poate fi formulata sau studiata in cadrul matematic clasic al ecuațiilor diferențiale - dezvoltat in ultimele decenii pentru modelarea sistemelor dinamice - fiind tratatata de o maniera sistematica printr-un ansamblu alternativ de metodologii desemnate ca fiind "inteligente".

Cu toate ca intre tehnicile "clasice" și "inteligente" de control exista diferențe semnificative, ele au și zone de interferența: tehnicile inteligente le utilizeaza pe cele clasice pentru tratarea "nivelului inferior" al controlului, iar controlul conențional este inclus in aria celui inteligent. In concluzie, controlul inteligent incearca sa imbunatațeasca și sa dezvolte metodele convenționale, cu scopul de a permite rezolvarea unor noi probleme de control, complexe și dificile.

Semnificația noțiunii de "control" este diferita, in controlul clasic și inteligent. In primul caz, procesele vizate sunt mai generale și pot fi descrise precis, de obicei prin modele care apeleaza fie la ecuații diferențiale și/sau cu diferențe, fie la sisteme cu evenimente discrete, ceea ce a permis elaborarea teoriei sistemelor hibride de reglare automata, care studiaza reglarea unor procese dinamice continui prin intermediul unor controlere discrete.

In afara de posibilitatea abordarii unor procese mai generale, controlul inteligent permite obiective mai generale. De exemplu, "inlocuiește partea A din satelit" poate fi o sarcina generala pentru controlerul unui braț robotic. Ea va fi descompusa intr-un numar de subtaskuri, dintre care majoritatea vor putea fi de tipul "urmeaza o traiectorie particulara", problema care poate fi rezolvata apeland la controlul clasic. Pentru a atinge obiectivele de control complex de-alungul unei perioade de timp, un astfel de sistem va trebui sa faca fața unor incertitudini și perturbații semnificative, prin abilitațile sale de adaptare și (auto)instruire, pe care reacție negativa rigida a controlerelor robuste sau adaptive nu ar putea niciodata sa le ofere. Cu alte cuvinte, problema controlului inteligent este o versiune ameliorata, mai generala și mai ambițioasa, a problemei in context convențional, abordata in context interdisciplinar și destinata sistemelor complexe.

Teoriile și metodele informaticii și cercetarilor operaționale nu pot fi, in general, utilizate direct pentru rezolvarea problemelor de control, necesitand o adaptare pentru aceste scopuri și elaborarea unor noi proceduri sistematice de analiza și sinteza. Astfel, trebuie redefinit insuși conceptul de stabilitate al sistemelor, care se sprijina acum pe cadrul matematic riguros al calculului cu predicate, in locul formalismului cu ecuații diferențiale. Sunt necesare importante progrese teoretice, care sa furnizeze susținere pentru dezvoltarea noilor instrumente de analiza a sistemelor in timp real și elaborarea legilor de control inteligent.

Abordarea inteligenta poate rezolva probleme de control care nici macar nu pot fi formulate in context convențional. Spre exemplu, pe o linie de laminare a oțelului, controlerele clasice asigura reglarea de viteza a liniei. Un cadru de control inteligent poate rezolva in plus multe alte probleme, cum ar fi diagnosticul defectelor și al avariilor, selecționarea secvențelor de comanda in funcție de anumite decizii economice, utilizarea calendarelor de mentenanța etc.

O alta diferența intre controlul inteligent și cel clasic consta in modul de separare dintre controler și procesul condus (instalația tehnologica). Intr-un sistem convențional, sistemul condus este de obicei distinct de cel care-l automatizeaza (regulatorul este proiectat de un automatist, pe cand procesul condus este in general dat și fixat, neputand fi modificat). In problemele de control inteligent, nu mai putem delimita clar cele doua subsisteme - de prelucrare și de conducere - legile de comanda putand fi parți componente ale celui dintai, ceea ce extinde procesul de proiectare al controlului și asupra sistemului condus.

Domeniile incluse in controlul inteligent includ, in plus fața de cel convențional, sistemele hibride, de planificare a taskurilor și cele bazate pe cunoștințe, tehnicile de invațare automata, algoritmi de cautare, diagnostic al defectelor și reconfigurare a controlului, logica predicatelor, teoria automatelor, rețele Petri și neurale, logica fuzzy. In plus, pentru controlul sistemelor complexe trebuie rezolvata cu eficacitate problema complexitații calculelor, care devine o chestiune centrala pe cand - in cazul convențional - se gasea la periferia interesului cercetatorilor.

Comentand semnificația atributului inteligent din sintagma control inteligent, trebuie menționat ca de mii de ani omenirea a incercat sa-i gaseasca o definiție precisa și convenabila. Mai recent, chestiunea a fost abordata de discipline precum psihologia, filosofia, biologia și - bineințeles - inteligența artificiala (pe care o putem defini ca "studiul facultaților mentale prin intermediul modelelor informatice"), fara insa a se ajunge la un consens pentru raspunsul la intrebarea "ce este inteligența". Acest lucru demonstreaza ca suntem inca departe de a ințelege pe deplin acest mecanism, astfel incat va trebui sa ne marginim in a discuta cateva cerințe ale sistemelor inteligente utilizate in aplicațiile complexe de control.

Controlerele inteligente pot fi considerate ca mașini care incearca sa imite comportamentul mental uman - cum ar fi adaptarea și invațarea, planificarea in contextul unor importante incertitudini, prelucrarea unui volum important de informații ș. a. - cu scopul de a controla eficace procesele, de aici rezultand atributul de inteligente. Un alt atribut specific este cel de control (inteligent) autonom, care subliniaza faptul ca un controler inteligent vizeaza in general sa atinga și un grad inalt de autonomie in stabilirea și atingerea obiectivelor controlului, dincolo de tehnicile pe care le va utiliza pe parcursul acestui demers. Dincolo insa de terminologia utilizata, mai importante sunt evident conceptele și metodologiile specifice, care pot asigura atingerea optima a obiectivelor controlului inteligent.

Un sistem de control inteligent este acel sistem care are capacitatea de a acționa adecvat intr-un mediu incert, desfașurand acțiuni care duc la creșterea probabilitații de succes in atingerea obiectivului final al controlului. Pentru ca un sistem inteligent conceput de oameni sa lucreze in mod corespunzator, el trebuie sa poata emula funcții ale ființelor vii și - in final - ale raționamentului uman.

Sistemele inteligente pot fi caracterizate printr-un numar de dimensiuni. Acestea au grade sau nivele de inteligența, care pot fi masurate și evaluate. La nivel minimal, inteligența impune abilitatea de a percepe mediul inconjurator, de a lua decizii și de a desfașura acțiuni de control. Un nivel ridicat de inteligența poate include abilitatea de a recunoaște obiecte și evenimente, de a reprezenta cunoștințele prin modele ale lumii reale, de a raționa și de a elabora un plan pentru acțiuni viitoare. In forme avansate, inteligența ofera capacitatea de a percepe și ințelege, de a alege responsabil, de a acționa cu succes intr-o mare varietate de circumstanțe, astfel incat sa supraviețuiasca și sa prospere intr-un mediu complex și deseori ostil. Inteligența poate fi observata cum evolueaza, atat prin creșterea puterii de calcul și prin acumularea de cunoștințe prin mijloace senzoriale. Ea poate decide și acționa intr-o lume in schimbare.

Conform acestei caracterizari generale, un numar mare de sisteme pot fi considerate inteligente. Astfel, chiar și un termostat poate asimilat unui astfel de sistem, in ciuda nivelului sau scazut de inteligența. Exista de aceea o serie de definiții alternative, care vizeaza in special sistemele cu un inalt nivel de inteligența. Iata una din ele, care subliniaza ca sistemul proceseaza informațiile, țintind mașinile inteligente: "inteligența mașinii este acel proces de analiza, organizare și de conversie a datelor in cunoștințe", unde cunoștințele sunt definite ca informații structurate dobandite și utilizate pentru a elimina ignoranța sau incertitudinea cu privire la o sarcina specifica a mașinii inteligente.

Pe de alta parte, un sistem inteligent poate fi caracterizat prin capacitatea sa de a atribui dinamic subobiective și acțiuni de control intr-o maniera și autonoma. Inteligența este o proprietate a sistemului, care se naște atunci cand proceduri de  focalizare a atenției, de cautare combinatorica și de generalizare sunt aplicate informației de intrare, pentru a obține o ieșire.

Multe din sistemele de control adaptive sau instruibile pot fi considerate ca proiecteaza o lege de comanda care sa raspunda cel mai bine obiectivelor controlului. Aceasta activitate  reprezinta incercarea sistemului de a organiza sau ordona cunoștințele sale pentru a genera un comportament dinamic cat mai potrivit atingerii obiectivului controlului. Organizarea cunoștințelor poate fi vazuta ca un atribut important al inteligenței. In cazul in care aceasta organizare se face autonom de catre sistem, inteligența devine mai degraba o proprietate a acestuia, decat a proiectantului sau. Rezulta ca sistemele care iși (auto)organizeaza controlerele in acord cu un principiu organizațional intern sunt sisteme inteligente de control.

Conceptele de inteligența și de control sunt strans legate in enunțul "control inteligent". Sistemul inteligent trebuie sa defineasca și sa lucreze cu obiective. Controlul este necesar pentru pentru a deplasa sistemul catre aceste obiective. In consecința, orice sistem inteligent este un sistem de control. Invers, inteligența este necesara pentru a asigura comportamentul dorit al sistemelor atunci cand condițiile se modifica și pentru ca acestea sa dobandeasca un grad elevat de comportament autonom in timpul controlului. Dat fiind ca un element esențial in orice sistem inteligent este controlul, uneori se utilizeaza in loc de "sisteme inteligente" sau "mașini inteligente", termenul de "sisteme de comanda (reglare) inteligente". Noi vom aborda mai departe caracterizarea sistemului de control inteligent. In aceasta optica, sistemul de control este compus din structuri de date sau obiecte (modelele proceselor conduse și obiectivele controlului) și din unitați de prelucrare sau metode (legile de control). El este conceput pentru a putea atinge autonom un obiectiv de nivel inalt, in condițiile in care componentele sale (obiectivele controlului, modelele și legile de control) nu sunt complet definite, fie pentru ca nu sunt cunoscute in momentul proiectarii, fie ca se modifica intr-o maniera neașteptata.

Cu toate ca diferite proprietați sunt prezente in proporții diferite in sistemele de control inteligent, putem alege trei caracteristici fundamentale: adaptarea și invațarea, autonomia și inteligența, structurarea și ierarhiile.

Adaptarea și invațarea ofera sistemului posibilitatea de a face fața unui mediu in schimbare. Cu toate ca adaptarea nu impune in mod necesar posibilitatea de a ști mai multe, pentru ca sistemele sa se poata adapta la o mare varietate de schimbari neprevazute și sa fie mai inteligente, invațarea este esențiala.

Autonomia și inteligența se refera la fixarea și realizarea obiectivelor controlului. Daca sistemul inteligent are capacitatea de a evolua convenabil intr-un mediu incert pe o perioada mare de timp și fara intervenții din exterior, atunci el are o larga autonomie. Evident ca pentru un asemenea grad de autonomie este esențiala asigurarea unui nivel ridicat de inteligența al sistemului.

Structurarea și ierarhiile sunt impuse de complexitatea sistemelor inteligente. O arhitectura funcționala adecvata se impune pentru analiza eficace și evaluarea strategiilor de control. Ea trebuie sa furnizeze un mecanism care sa permita cerarea unor nivele de abstractizare (rezoluție, granularitate) sau cel puțin o anumita forma de segmentare a comenzii, pentru reducerea complexitații.

O abordare a studiului mașinilor inteligente implicand entropia pune accentul pe existența unor structuri de calcul eficace. Sunt propuse ierarhiile (care pot fi aproximative, localizate sau combinate in heteroierarhii), care sunt capabile a se adapta și pot servi ca principale vehicule pentru aceste structuri, confruntate cu complexitatea. Ierarhiile in astfel de sisteme nu implica in mod necesar utilizarea de echipamente ierarhice, ele fiind de natura funcționala, pentru organizarea calculului dupa dimensiuni spațiale și temporale.

Termenul de control inteligent a fost utilizat pentru prima data in anii 1970. Anterior, au fost frecvent utilizate denumirile de control cu auto-organizare (self organizing control) și control cu invațare (learning control).

Dupa cum am menționat, invațarea este un atribut important al controlului inteligent, putand fi definita ca acel proces prin care sistemul iși modifica acțiunile și executa mai eficace anumite sarcini, ca urmare a imbogațirii cunoștințelor despre acea sarcina. Acțiunile care pot fi desfașurate sunt diverse: de exemplu, se modifica legea de reglare a controlerului sau numai parametrii de reglare ai acestuia, se ajusteaza modelul procesului condus etc. Un sistem de control cu capacitatea de auto-invațare din experiențele anterioare, cu scopul de a-și imbunatați performanțele și de a-și asigura un comportament inalt autonom, are atat capabilitați de de achiziție și reprezentare a cunoștințelor, cat și o anumita capacitate de raționament.

Comportamentul speculativ, relativ la schimbarile importante ale mediului in care evolueaza sistemul, nu poate fi asigurat decat prin invațarea de catre sistem din experiențele trecute. Controlul cu invațare largește regiunea de eficacitate operaționala a sistemelor de control clasice, iar capacitatea de invațare ofera o soluție pentru asigurarea comportamentului inteligent și autonom.

Problema invațarii in sistemele de control automat - atat pentru sistemele deterministe cat și pentru cele shochastice - a fost intens studiata, in special la sfarșitul anilor 1960. Au fost identificate cateva direcții in care invațarea este esențiala:

instruirea pe proces, utilizata pentru obținerea unor modele mai precise ale sistemelor conduse;

cunoașterea mediului de lucru, prin intermediul metodelor de observare pasiva sau de experimentare activa;

rafinarea acordarii controlerului, prin modificarea parametrilor acestuia in raport cu noile achiziții de informații;

cunoașterea unor noi obiective ce control și a unor noi constrangeri sau perturbații.

Un control cu invațare rudimentar este cel adaptiv. El apeleaza la un algoritm de modificare a parametrilor controlerului, pastrand un obiectiv ca - de exemplu - asigurarea stabilitații, dar nu conserva in memorie nimic din istoricul acestor modificari. Astfel, cand anumite condiții se vor repeta, algoritmul va fi totuși recalculat, pentru ca circumstanțele anterioare nu au fost conservate (sistemul nu a fost "invațat" de catre controler), așa cum se intampla in sistemele cu auto-organizare. Termenul de sistem cu auto-organizare, in mare voga la sfarșitul secolului trecut, nu mai este astazi atat de utilizat in literatura de specialiate, fiind inlocuit prin revenirea la noțiunea de control adaptiv cu invațare. Algoritmii adaptivi s-a impus in ultimul timp mai ales prin convergența lor foarte buna și stabilitatea sistemelor de control obținute. Ele utilizeaza modele parțiale ale proceselor, in care coeficienții ecuațiilor diferențiale care le descriu sunt (parțial) necunoscuți, apelandu-se la invațare pentru determinarea lor.

Paradigmele calculului inteligent sunt reprezentate de logica fuzzy, retelele neurale si unele tehnici de rationare probabilistica, cum ar fi algoritmii genetici, teoria haosului si parti ale teoriei invatarii. Calculului inteligent ofera avantajele unor solutii de control ieftine, flexibile si robuste, care permit sistemului automat sa aiba o comportare apropiata de rationamentul uman in conditii de functionare imprecise sau necunoscute.

Controlul inteligent porneste de la analogia cu comportamentul logic si intuitiv al omului. Conform definitiei lui Zadeh, notiunea desemneaza acel control care utilizeaza calculul inteligent si ingineria cunostintelor. Deoarece tehnicile neurale si fuzzy, teoria haosului si algoritmii genetici sunt instrumentele care pot duce la obtinerea unor sisteme inteligente performante pentru comanda sau diagnoza actionarilor electrice, vom trata in detaliu in aceasta lucrare unele aspecte teoretice si practice legate de aceste aplicatii.

Sistemele inteligente se dezvolta de circa patru decenii, bazandu-se pe logica predicatelor si calculul simbolic. Totusi, cerintele tehnologice pentru constructia unor masini care sa inglobeze comportamentul rational constituie o serioasa bariera in calea implementarii pe scara larga a acestora.

Pentru ca utilizeaza ingineria cunostintelor, controlul inteligent este extrem de atragator, pentru ca permite prin intermediul calculului inteligent exploatarea informatiei nesigure, imprecise sau partial adevarate si obtinerea unor comenzi robuste, flexibile, realiste si ieftine, foarte apropiate de cele elaborate de catre operatorul uman. Acest tip de control are insa si unele limite, de care este bine sa se tina seama. In primul rand - pentru ca el nu se bazeaza pe experienta si memoria reala a omului, ci pe modele care sa le simuleze - capabilitatile de rezolvare a unor probleme dificile vor fi inerent reduse. In al doilea rand, posibilitatile sistemelor inteligente artificiale de a reprezenta cunostintele sunt mult mai reduse decat cele ale creierului uman, iar abilitatile masinilor de a invata sunt inca foarte limitate. In al treilea rand, instrumentele hardware si software disponibile astazi pentru implementarea cerintelor controlului inteligent (gandire, recunoastere, deductie) nu sunt totdeauna adecvate acestor scopuri.

Calculul inteligent - principalul instrument de operare in controlul inteligent - este de fapt un parteneriat intre mai multe metodologii: logica fuzzy (FL), calculul neural (NC), algoritmii genetici (GA), rationamentul probabilistic (PR). Acestora li se asociaza uneori teoria haosului, parti ale teoriei invatarii, managementul incertitudinilor, etc. Fiecare din metodologiile de baza are trasaturi proprii. Logica fuzzy se bazeaza pe imprecizie, rationare aproximativa, sisteme bazate pe reguli si calcul semantic. Calculul neural utilizeaza identificarea, instruirea si adaptarea. Algoritmii genetici se bazeaza pe cercetarea aleatoare sistematica si optimizarea darwiniana. Rationamentul probabilistic opereaza cu managementul incertitudinilor si analiza deciziilor. In concluzie, tehnicile FL, NC si PR sunt mai degraba sinergetice si complementare decat competitive. De aceea, se recomanda combinarea lor in aplicatii sub forma sistemelor inteligente hibride de tip neuro-fuzzy, fuzzy-genetic, neuro-genetic sau neuro-fuzzy-genetic.

Conceptia, proiectarea, fabricatia si utilizarea pe scara din ce in ce mai larga a produselor cu control inteligent nu ofera totdeauna satisfactie pentru sistemele complexe. In aceste situatii, cercetarile actuale pun la punct o noua solutie: inteligenta artificiala distribuita (DAI - distributed artificial intelligence). Au fost deja puse la punct in domeniu metode si tehnici colaborative de mare eficienta, cum ar fi rezolvitoarele distribuite de probleme si sistemele multiagent.

Figura 1.4. Modelul ierarhic al unui sistem inteligent multiagent

Sistemele multiagent (MAS - multiagent systems) se pare ca reprezinta solutia viitorului pentru controlul inteligent, pentru ca majoritatea aplicatiilor sunt inerent distribuite, fie in spatiu (cum ar fi - de exemplu - interpretarea si integrarea datelor obtinute de la senzori raspanditi pe o anumita arie sau controlul unui grup de roboti), fie functional (o problema dificila se rezolva de catre un grup de experti cu diferite specializari). Sistemele MAS iau decizii sau determina solutii combinand abilitatile de cautare ale unor agenti autonomi rezolvitori de probleme. Lucrand impreuna, acestia pot gasi solutii care depasesc capacitatile lor individuale.

Sistemele MAS au avantaje semnificative in raport cu un rezolver monolit, centralizat: rapiditatea elaborarii deciziei prin exploatarea paralelismului, scaderea debitului de comunicatii, prin transferul catre nivelul central numai a unor solutii, in locul datelor granulare, flexibilitatea data de abilitatile diferite ale agentilor, fiabilitatea oferita de toleranta retelei la eventuale avarii ale unor agenti, etc. Un sistem inteligent de control bazat pe modelul ierarhic multiagent este prezentat in figura 1.4.

Figura 1.5. Clasificarea cercetarilor in domeniul inteligentei artificiale distribuite

Proiectarea si implementarea sistemelor inteligente de control distribuit multiagent impune gasirea unor raspunsuri adecvate la mai multe clase de intrebari (Figura 1.5):

cum se formuleaza, descriu, descompun si aloca problemele si cum se sintetizeaza raspunsurile pentru un grup de agenti inteligenti;

cum interactioneaza si comunica agentii, ce limbaj si protocoale utilizeaza, ce, cand si cum comunica;

cum se asigura coerenta in luarea deciziilor sau in desfasurarea unor actiuni si cum se realizeaza acordul intre actiunile locale si efectele non-locale;

in ce masura este capabil un agent individual sa reprezinte planurile de actiune si cunostintele celorlalti agenti sau sa rationeze cu acestea;

cum se recunosc si se negociaza punctele de vedere diferite sau intentiile conflictuale intre agentii inteligenti;

cum sa fie implementate practic sistemele DAI, ce platforme tehnologice sunt necesare si ce strategii de dezvoltare impun realizarile practice.

Solutiile problemelor de mai sus sunt complexe si impun utilizarea arhitecturilor de calcul si a limbajelor de programare paralele, a sitemelor de operare distribuite si a sistemelor expert cooperative.